潤物無聲：大資料分析如何改變傳統酒店與保險業

每天，酒店和酒店業都為大量遊客提供服務，每家酒店也會檢查入住率是否符合預期。實作這些預期的關鍵在于返客率，越來越多的酒店和休閑場所經營方開始求助先進的分析解決方案，找到讓客人感覺滿意的線索。

盡管營銷部門可能會勉強承認這一點，但是，酒店和休閑場所經營者并非對所有客人一視同仁。有些客人就是簡單入住，離開。但是，有些客人會大量消費，比如精美的晚餐，娛樂休閑，體育運動和spa。在如今的市場上，識别哪些客人具有更高客戶生命周期價值，對于某個行業來說，相當重要，但問題是，一次光臨并不能從經驗上将這類客戶與一般客戶明顯區分開來，客戶生命周期價值并不明顯。

舉個例子，一個在酒店俱樂部揮金如土的人，可能隻是一位退休後過把瘾的普通客人，平時他并不會真這麼消費。但是，一位看似節儉，住經濟客房并且幾乎沒有額外消費的出差中的客人，一旦酒店讓他滿意，很有可能成為回頭客，這樣的客人會有更高的生命周期價值。大資料能夠幫助我們做出這種區分。

大資料分析在酒店業的第三個用途與收益管理（yield management）有關，確定每個房間都能以合理價格提供給客人，這就需要考慮全天需求量的起伏以及其他因素，比如天氣和地點等會影響入住客人類型和數量的因素。

大資料分析可以用于所有這些領域，盡管酒店和酒店業落在零售業和制造業後面，但是，情況正在改觀。一個非常前衛的例子，美國經濟型連鎖酒店red roof inn, 2013/14年的冬季，酒店業績創紀錄，其原因就在于公司的營銷和分析團隊共同合作，利用誰都可以擷取的資料資源，比如天氣情況和航班取消等，有針對性的進行營銷服務。由于冬天的關系，航班取消率約為3%，這意味着每天會有9萬多名旅客滞留，大部分客戶會使用網絡搜尋附近住宿情況，是以，營銷團隊針對相關地理區域最有可能受到影響的客戶進行營銷，最終，公司機場附近酒店入住率猛增，收益增長了10%。

另一家美國連鎖店denihan hospitality也創新性地使用了大資料分析技術，這家集團在美國擁有多家精品酒店，包括james和affinia 酒店等品牌。denihan使用ibm分析技術來彙總連鎖店的交易資料和客戶資料，并與非結構化資料結合起來，比如客人在tripadvisor等評價網站上所留的回報意見和評論，在資料驅動下作出重要戰略決策，重新布置客房已滿足使用者需求。比如，為深受旅行家庭喜愛的客房提供更多的浴室存放架。

這家連鎖店甚至将分析技術交到酒店一線從業人員的手裡，他們的智能手機配備了儀表闆，可以預測某個客人在入住期間可能的需要，比如飯館飲食、禮賓服務或者浏覽當地景點等方面。客房勤雜人員可以收到實時資訊，了解某間客房的客人是不是需要另添一個枕頭。

當然，與大多數行業一樣，分析技術在酒店服務業所做的工作大部分側重于營銷。總的目标常常是策劃個性化營銷活動，這就需要分析關于到訪客人的所有可用資訊，為此需要收集客人回報、交易活動、忠誠度計劃的使用情況以及購買的第三方人口統計資料。然後，這些資料可以用來決定提供餐廳吃飯免費還是附近影院免費影票的服務更有可能吸引終身價值高的客人來預訂。

在萬豪酒店，大資料并不局限于營銷，它已用在這家連鎖酒店的業務營運的各個方面。非結構化和半結構化資料集(比如天氣預報和當地活動時間表)用來預測需求，并确定每一間客房在全年的價格。這讓萬豪酒店能夠制定最合理的房價–這在當下至關重要，因為如今客戶習慣于掃描價格比較服務、尋找最實惠的酒店，以便省錢。同樣，喜達屋的系統也會分析當地以及世界經濟因素、活動和天氣情況，優化房價。知道本國天氣如何影響北美核心客戶群在加勒比海度假消費，他們就知道降低房價或開展營銷的最佳時機。事實上，這一政策也讓客房收入增長了近5%。

酒店和酒店服務業也許剛開始使用大資料，但是它有令人羨慕的資料數量和種類可供利用。從訂房那一刻起到退房那一刻，客戶留下的第一條資料痕迹，都被分析人員開始認真地轉變成可付諸行動的洞察力。

保險業

在諸如物聯網和人工智能等颠覆性技術驅動下的大資料，也對保險行業既有競争者和新進者帶來巨大影響。tom warden從事保險業研究和創新已經25年多了，作為aig壽險和退休業務的首席資料官，在最近的一次采訪中，他談到了保險業大資料，以及保險公司如何在大資料年代高瞻遠矚，從小事着手，迅速學習。

tom warden認為，大資料是一個生态系統，由不斷增多的資料類型構成，需要依靠資料科學和人工智能方法進行海量計算和分析。最激動人心的就是利用大資料創造新産品和開拓新市場，顯著改變客戶看待保險的方式。大資料為當今保險業商業模式轉變提供了方法和手段。

具體來說，現在的保險産品是被動産品。雖然保險公司說他們是客戶的合作者，但事實并不真的如此。來自汽車、家庭、商業和政府等領域的大資料能夠讓保險公司更好地分析風險，在風險發生之前預測損失情況。比如，保險公司可以從中獲知最易将司機置于危險之中的因素是什麼——并敦促客戶改變行為方式，盡可能避免危險。自動在家中采取降低風險事故的行為，比如防止結冰或洩露的管道釀成巨大事故。保險公司可以使用來自商品工廠和裝置性能的流資料，預測并預防主要事故。保險公司甚至能夠以更加綜合有效的方式幫助跨國公司進行風險管理。

通過預防壞事情發生在客戶身上，而不是事後亡羊補牢，保險公司就能提供客戶願意買的産品，而不是客戶不得不買的産品。

warden還指出，現在保險公司運作是封閉的。保險公司搜集并保留投保人的資料和損失。精算師從事資料分析。但是，在未來新世界中，許多其他參與者也能搜集和控制最重要的資料，僅舉幾個例子，汽車制造商，智能手機生産商，網際網路公司以及通信公司，工業裝置制造商。保險公司将會面臨這樣的風險：自己價值鍊上最有利可圖的環節将面臨來自其他控制資料流競争者的威脅。

高瞻遠矚也需要從小處着手。warden認為，保險公司首先需要承認，工作之一就是利用資料來最佳化公司既有賺錢機器。如今，最好的做法就是将更具預測性的模式嵌入價值鍊的每一個環節。為了實作這些，公司需要聰明的人，嚴謹的方法以及合作文化來将資料驅動下的洞見轉化為收益。其次，需要關注大資料各個轉換方面。将公司最好、最有前途的業務功能放到一起。賦予它們足夠的資源進行創新。将它們的工作與日常工作區分開來。從客戶注重的東西開始着手，通過添加大資料功能加以變革。

與此同時，公司也需要從早期采納新分析技術同行犯的錯誤中吸取教訓。通常，這些錯誤有這麼幾個。在真空中創新就是最大的錯誤。資料科學家并不知道企業怎麼掙錢。是以，需要讓來自相關業務的員工從一開始就參與到創新團隊中。每個人都需要更加開闊的思維，具有創造性和合作精神。另一個大錯誤就是讓個别高層的意見過早的參與進來，扼殺創新。總的說來，高層應該盡量推遲他們的不信任，以期對所謂的激進想法有一個公平的評價。第三個錯誤就是沒有對通過資料周期合理管理資料以確定其有效性這一點給予足夠重視。輸入的是垃圾，産出的也是垃圾這一原則，也适用于大資料。

那麼，如何在變革中保證公司員工步調一緻？warden認為，保險公司員工幾乎都在關注如何最大化公司目前利益，幾乎沒人被指派去創造未來。上司的工作就是創造一種未來願景，保證每位雇員都在今天和未來的成功中扮演一部分角色。他們應該互相協助而不是互相對抗。不斷談及未來願景、實作這一願景的各種努力，并不斷随着新的知識加以調試，就能保證大家步調一緻。

最後，他也談到了快速學習的方法。以使用為基礎的保險定價（usage-based insurance pricing）是最能展現大資料在保險領域巨大潛力的例子。這不僅僅是龐大資料量的問題，也有巨大的機會将行車資料與外部資料，比如氣候，道路擁堵等情況溶合起來。這會産生更加智能的風險評估和定價機制。添加有關司機個人興趣以及待辦事項等資料，能讓任何情況立刻實時化，更加具有适應性：從客戶角度來看，你已經創造出智能駕駛。

另一個大展拳腳的地方就是識别欺詐索賠以及核保人和銷售人員這類人員的欺詐。欺詐總是那些聰明狡猾的人幹的壞事。快他們一步，就需要篩選大量看似無關的資料，找出内在複雜模式。

風險管理另一個潛力巨大的領域。查找、分析和模拟大量的各種因素（天氣模式，社會趨勢，道德走向等），增進對那些影響公司賬目中淨效益因素的了解， 需要非常先進的資料技術以及強大的計算環境。

大資料并不是魔法，但是，當靶向正确目标時，就是一把有利的武器。從持續不斷的精細資料流中預測動态事件，是大資料的問題。但是，預測客戶什麼時候将要取消和自己的合同，未必是大資料分析的強項。總體上，較之信用卡之類的業務，保險并不是一種高頻行業。上司人需要搞清楚的是，他們并不是在資助用玩具槍射擊大象或者兔子。

本文轉自d1net（轉載）