Presentación del evento #BIGTOURISM #WTC2014 @CIBBVA @SEGITTUR en BBVA Innovation Center, el día 13 de Noviembre 2014.
Su Streaming lo puedes ver en: https://www.centrodeinnovacionbbva.com/eventos/evento-big-tourism-we-are-all-tourists-1ajornada
3. Diferentes fuentes de datos
Transactio
ns Chain-
Scale
History
Guest
Purchase
s
Booking
time to
Travel
Companion
types
E-mail /
Chat
Call center
notes
Web
click-
In-person streams
dialogs
Opinions
Prefer
ences
Characteristi
cs
Needs
Desires
Demo-graphics
Attribute
s
Demographic
data
Transaction
data
Interaction
data
Behavioral
data
Source: Tnozz webinar: What Travel Can Learn About Big Data,
Social Media & Customer Analytics
4. Las áreas de trabajo de BD
Data acquisition
Data
analysis
Needs Supply
Source: http://www.big-project.eu/
Data
curation
Data
storage
Data
usage
Health Public Sector
Telco, Media &
Entertainment
Finance &
insurance
Manufacturing,
Retail, Energy,
Transport
Value Chain
• Structured data
• Unstructured Data
• Event processing
• Sensors networks
• Streams
• Data preprocessing
• Semantic analysis
• Sentiment analysis
• Other features
analysis
• Data correlation
• Trust
• Provenance
• Data augmentation
• Data validation
• RDBMS limitations
• NOSQL
• Cloud storage
• Decision support
• Decision making
• Automatic steps
• Domain-specific
usage
Technical areas
6. Áreas de mejora de BD
Source:
www.uschamberfoundation.org/sites/default/files/Data%20Report%20Final%2010.23.pdf
7. Pero la mejor definición..
“There are known knowns;
there are things that we know that we know.
We also know there are known unknowns;
that is, to say we know there are some things we do
not know.
But there are also unknown unknowns;
the ones we don't know we don't know.”
Source: frase de Donald Rumsfeld; el secretario de defensa de los EEUU
que dijo en Febrero 2002
8. ¿Cuáles son los retos en la industria turística
que puede solucionar Big Data?
Un punto de vista focalizado en el negocio
9. Retos Big Data en Turismo
Consolidar la información que la empresa turística
dispone del cliente esparcida en varios repositorios
Integrar los nuevos repositorios (información
desestructurada) con los de siempre (DW, CRM,
ERP…)
Utilizar tecnología Open source en las empresas de
turismo (sistemas transaccionales)
Mantener una ventaja competitiva gracias al BD (un
paso más allá del revenue management y las
analíticas de fidelización del cliente)
10. Beneficios Big Data en Turismo
Los beneficios de BD para los proveedores de viajes y
para turistas:
Mejora de la toma de decisiones
Nuevos productos y servicios
Mejores relaciones del cliente
Procesamiento de datos más rápido y/o más barato
11. ¿Qué dicen los expertos sobre DB en
turismo?
Una breve mención a las noticias
12. ¿Qué dicen los expertos sobre BD?...
Gartner’s 2014
Hype Cycle for
Emerging
Technology
años 2011 -
2014.
2014
13. ¿Qué dicen los expertos sobre BD?...
By 2016, big data will be used more often to
innovate or invent products and services
than to incrementally improve existing
business processes.
Through 2020, more than 90% of big data
implementations will augment, and not
replace, existing data warehouse and
business intelligence deployments.
Source: www.gartner.com/doc/2722517?ref=ddisp
14. ¿Existen casos de uso conocidos en turismo?
Cómo se aplica hoy DB en turismo, algunos ejemplos
15. Datos para el Marketing dirigido
Son especialistas en conocimiento de turismo (patrones de
compra en viaje, forma de vida, demografía, etc.) para
acciones de marketing
16. Patones de consumo (datos ext.)
Octubre 2013
fukushima
Destino que
utiliza análisis de
grandes datos
para establecer
un marco para
impulsar el
turismo en la
zona.
Source:
www.datanami.com/2013/10/16/japan_looking_to_big_data_for_tourism_boost
17. Patrones de consumo (datos int.)
Noticia del
2013,
tecnología de
IBM a partir de
los datos
históricos de
todas las
compras que
los clientes
www.agenttravel.es/noticia-013915_Barcelo-Viajes-pone-en-marcha-un-programa-de-analisis-
de-los-habitos-de-sus-clientes.html
18. Monitorizar la competencia
Nuevos Revenue managements systems incluyendo DB para
analizar datos de los pasajeros.
19. Un meta-buscador de BD
Agregador de contenidos de OTAs, proporcionan estos datos
a terceros a modo servicio
20. ¿Cómo creemos que van a
evolucionar el mercado?
Nuestra opinión personal
21. Consolidación de los
players tecnológicos,
simplificando
el acceso
a todas
las áreas
técnicas de DB
Especialización
de
players
sectoriales
ofreciendo
servicios Big Data
ocultando el
acceso
a
la
tecnología
22. Área de trabajo de mygosun
Big Data is not all tech and math,
can add really good “little data”
makes a difference in every stage
of the Travel value chain
Source: http://www.tnooz.com/article/big-data-better-give-than-receive/#sthash.jtAXG600.dpuf
23. Área de trabajo de mygosun
Hoy
Ayudar a la toma
de decisiones de
venta
Mañana
Optimizar la
experiencia de
cliente
Definir nuevos
servicios y
productos turísticos
25. Qué es mygosun
• Tecnología de venta para Agencias de
viaje y hoteles
• Ayudamos a nuestros clientes a mejorar
la rentabilidad de su canal de venta Web
• Una herramienta para personalizar la
oferta a los grupos
Venta
Marca
Banca
Paquete
dinámico
26. Cadena de valor
del cliente
A tap is a single, brief touch on the
screen within a bounded area and back
up off the screen again.
Interactuar
con el
Lead
Dejarle
escoger
las
actividades
Ofrecerle
un
descuento
para cros-selling
Responder
a las
dudas del
viaje
mejor comprensión
del cliente ofrecer un servicio más
valorable
28. Donde estamos ahora
Estamos validando nuestro MPV con una serie de actores y en FITUR
lanzaremos nuestra oferta comercial
AGENCIAS HOTELES Y OTROS
Pilotos en curso para 5
Cadenas hoteleras
Pilotos en curso para 5
agencias más
29. Planes de crecimiento y desarrollo
MPV
Validación
del MPV
Oferta
de
lanzamiento
Acciones pendientes 2014 -2015
Expansión
Mejora
Cuadro
mando
Big data
30. Si quieres saber más
llámanos
Tel.: +34 651 57 21 39 / Gonzalo Sandino nº. 13, bajo. Madrid
Proyecto apoyado por:
Notes de l'éditeur
Los “known knowns” son los datos conocidos que sabemos de antemano y que disponemos a través de los informes y de las KPI o cuadros de mando que tengamos.
Los “known unknowns” son aquellas cosas que sabemos que no sabemos pero que podemos descubrir mediante previsiones, herramientas de test como A/B testing y otras herramientas que nos ayudan a la toma de decisiones.
Pero los “unknown unknowns” es la información que no sabemos que no conocemos tales como la segmentación de cliente, la cobertura de los medios o hechos de los usuarios que pueden ser relevantes pero que no lo sabes hasta que no los analices.
Las técnicas de Big data nos permiten ahondar en este último tipo de conocimiento y que pueden ayudar definir los indicadores asociados a la calidad de servicios y de venta de productos y servicios.
e.g. en las aerolíneas información de los pasajeros se propaga a través de las operadores de vuelo, sistemas de gestión de equipaje, programas de fidelización, bases de datos de reclamaciones, y de fuentes externas, como las redes sociales.
BD es una de las tendencias que más rápido ha pasado desde el “peak of inflated expectations” al “trough of disillusionment” en la gráfica. Se espera que la adopción de soluciones concretas en el mercado son en un marco de 5-10 años.
-En 2016, se utilizarán con más frecuencia para innovar o inventar productos y servicios que mejorar de forma incremental los procesos de negocio existentes.
-en 2020, más del 90% de las implementaciones de BD aumentará, y no reemplazar, las implementaciones de almacenamiento de datos e inteligencia empresarial existente.
después de la catástrofe de Fukushima, el num. De turistas se redujo de manera significativa, caída drástica de los 6,2 millones de turistas en el año 2011. Construcción de una estrategia en base a el análisis de datos de geoposicionamiento de móviles y actividad en redes sociales.
Big Data no es todo tecnología y matemáticas, puede agregar realmente buena "poca información“ que marque la diferencia en cada etapa de la cadena de valor del viaje
Somos una startup que hoy está trabajando en la mejora de las herramientas de venta en turismo complejo.