Hoffentlich wird man niemanden finden, der es vermisst, seine Zeit damit zu verbringen, endlose Daten zu sammeln und zu integrieren, die über mehrere Datensilos verstreut sind. Oder Makros zu erstellen, um Berechnungen in riesigen Excel-Tabellen durchzuführen. Oder sich ständig in die verschiedenen Plattformen einzuloggen, um relevante Daten einzusehen. Oder Datenberge zu durchforsten auf der Suche nach Unstimmigkeiten oder Eingabefehlern. Oder Forecasts manuell zu überprüfen in der Hoffnung, Verbesserungsmöglichkeiten bei der Preisgestaltung zu finden.
Technologische Innovationen haben all diese mühsamen und schwerfälligen Aufgaben, die fester Bestandteil des Revenue Management Alltags waren, nahezu überflüssig gemacht. Neue Technologielösungen nehmen den Revenue Managern sowohl sich wiederholende als auch komplexe Aufgaben ab und befreien sie so von der täglichen, manuellen Datenerfassung, -eingabe, -analyse und -aktualisierung. So gelingt die Konzentration auf den wichtigsten, den strategischen Part der Rolle.
Was bedeutet es dann heutzutage überhaupt ein Revenue Manager zu sein? Die Rolle definiert sich neu und es geht mittlerweile darum, hochwertige, ganzheitliche Strategien zu entwickeln, die dazu dienen, die finanzielle Leistung in allen Bereichen des Unternehmens zu optimieren.
Dank künstlicher Intelligenz (KI) und maschinellem Lernen kann die Wissenschaft der Preisoptimierung heute weitgehend auf Autopilot laufen. Die besten Lösungen von heute passen sich in Echtzeit an dynamische Märkte an und kommen so wunderbar mit der Komplexität moderner Märkte zurecht.
Ein Blick zurück zeigt deutliche Unterschiede zwischen den traditionellen Ansätzen von gestern und den innovativen Strategien von heute:
- * RevPar: Revenue per available Room = Umsatz pro verfügbarem Zimmer
- ** TRevPar: Total Revenue per available Room = Totaler Umsatz pro verfügbarem Zimmer
- *** GopPar: Gross operating profit per available room = Bruttobetriebsgewinn pro verfügbarem Zimmer
KI macht es möglich, dass eine Maschine nicht nur genau vorhersagen kann, wie viele Gäste zu einem bestimmten Zeitpunkt (oft Monate in der Zukunft) in ein Hotel einchecken werden, sondern auch, um welche Art von Gästen es sich handeln wird, welche Art von Zimmern sie wünschen, welchen Höchstpreis sie zahlen werden und wie viel sie während ihres Aufenthalts im Hotel ausgeben werden.
Eine KI-gestützte Revenue-Management-Lösung ist in der Regel viel präziser in ihren Vorhersagefähigkeiten und kann wesentlich schneller auf unerwartete Situationen reagieren, als herkömmliche RMS Systeme. Obwohl solch eine Lösung historische Daten mit einbezieht, stellen diese nicht die Hauptdaten für Preisempfehlungen dar, sondern unzählige andere externe Faktoren (Wetter, Events, Nachfrage, Reputation, Angebot, etc.). Früher haben diese Faktoren auch schon die Nachfrage und Preis beeinflusst, doch konnten diese aufgrund der hohen Komplexität durch kontinuierliche Veränderunegn nicht in die manuelle Preisgestaltung eingearbeitet werden. Schließlich hatten die Revenue Manager mit der übrigen Datensammelung und Auswertung schon alle Hände voll zu tun. Aufgrund des heutigen Wettbewerbdrucks ist es jedoch umso wichtiger das holistische Bild zu sehen und dementsprechend zu agieren.
