以小见大 看“小”数据如何驱动需求管理

　　（讯 张东侠）"大数据"的含义到底是什么?研究机构Gartner给出了这样的定义。"大数据"是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

　　如今已经进入大数据时代，很多人对大数据趋之若鹜，一味地追求"大"，甚至于陷入到一种盲目追求的状态。而在本次2015CHAT论坛上，Snapshot联合创始人与首席运营官David Turnbull为参会者带来了一场精彩的演讲。他告诉我们，是时候走出"大"数据的误区了，要去寻找那些真正有价值可以为酒店所用的"小"数据，这样才能更加精准地定位特定需求，成为真正明智的酒店人。

Snapshot联合创始人与首席运营官David Turnbull

　　以下为现场实录--

　　David Turnbull：今天我会给大家介绍一下我们的需求管理驱动。

　　我今天要讲的不是"大"数据而"小"数据。今天在座的各位都是资产的投资者、管理者、运营者。而在当今时代，想要获得有效数据或相关数据已经成为一种发展趋势，但是我经常会听到一些酒店的运营公司会抱怨，在面对海量的数据资源的到时候，到底要怎样做才能更加快捷地挖掘和分析运用这些数据呢?大家说大数据就像青春期的性行为，每个人都在谈论它，但是却没有人真正知道怎么做这件事情，每个人都觉得可能别人都在做这件事情，于是人人都宣称我也做了这件事儿，这个就是目前酒店行业当中出现的问题。

　　"小"数据意味着什么?

　　举一个例子，在以前，美国医院为了确认前来就医的人是不是有可能患有心脏病，会收集很多的数据和信息。而现在，要确认一个人是否患有心脏病，只需要一些"少而精"数据即可。所谓"少而精"的数据就是更加关注于四个方面的信息：心电图、血压、肺叶情况和受检者的健康状况是否稳定。这样做他们就能够把误诊的机率减少，有的人根本没有得心脏病，所以一些没必要的检查就不必进行。

　　另外一个例子同样是和医学相关。在医疗研究中，皮肤癌的筛查，需要做一系列的测试，观察并分辨受检者的活检结果。数据显示，有12个元素或者说症状在筛查当中可以帮助医院确诊受检者是不是有得皮肤癌的风险。但有趣的是，在所有的医疗文献中，都只是说有9个症状可以确诊皮肤癌。仪器的使用帮助我们扩大了可利用数据的范围。

　　在生活中也有很多的大数据被发掘出来。例如你是一个素食者，大数据可能就会帮助你找到你应该吃什么，别人也可以通过大数据来了解你吃了什么。

　　这些例子告诉我们如何把一些数据构建起来，同时利用它、展示它。

　　在过去，技术无疑是驱动商业的主要原因。而如今我们谈论最多的都是数据。在当今时代，数据才是驱动商业的因素。数据是"新"的土壤，也就是说数据驱动业务发展、驱动创新，现在我们研究数据要看我们能不能把它交到用户手中，使它们更有价值，更具创造力，再加上机器和电脑的学习的能力，去帮助我们的用户以及酒店业继续更好的发展。

　　理论:酒店管理系统的现状

　　酒店当中主要的抱怨和不满，就是高入门的门槛或者是高投入。酒店技术的购买者，他们不能够选择数据、技术，那么这个技术到底能不能使得他们获益，酒店管理系统也存在一些问题，系统中海量的数据都依赖于PMS系统，但是PMS系统当中又有着非常多的细分或者碎片化部分。所以说无论是欧洲还是中国的PMS系统都存在很多的瓶颈。例如，尽管可以支持大部分的客户，但是如此多的PMS公司在不同的层级当中支持的都是小客户，这个是管理系统中存在的瓶颈问题。

　　很不幸的是PMS是不会引领模式上的根本性改变的。我们应该负责去组织我们的数据，PMS要把业务放到云上去，它们有一个遗产模型，我们之前已经说了，我们还有各种各样的问题，譬如规模。我们现在可以考虑到的问题是，有这么多的摩擦出现，在我们做业务的过程当中，例如我想用PMS系统收集我的酒店的营业收入，那我这么做的成本是多少?不光是买一个营业收入的系统就够了，我必须要把它跟PMS进行一个界面的对接，这就是所谓的摩擦，我们要想一下怎么去除这部分的摩擦。

　　关于消费者的软件方面，我们有两个方面的教训：

　　一，我们不能够凭一己之力去实现，我们应该鼓励技术公司更多地进行协作，更多地实现开放、开源。看一下社交网络的平台，让开发人员能够进来一起协作，实现定制化、个性化的软件程序，把它放在数据的上面为我们所用。

　　二，"免费"的力量，这就是商业模式的变化，是怎样销售技术的模式的变化，把它从许可费变成免费，以及免费加增值的方法，这样可以让技术公司来进行测试，看看什么样的技术是比较适宜的。就像使用手机一样，有人需要对如何使用手机进行培训吗?而PMS需要先进行两周的培训(付费)然后才能够建立起相关的团队，所以建立这样的PMS平台要关注用户界面，而这个正是我们目前所欠缺的。

　　我想大家都应该很熟悉计算机的强大，如果将计算机跟用户的力量结合在一起，其力量会有多大?另外就是解决问题的能力，计算机发现有一些问题更加容易做，比如说分析大量的数据，但是如果你让一个机器人去捡起一辆车的话，这个事情对他来说反而很难了。我们要考虑到一个事实，我们是需要大脑的力量，将大脑的力量、数据的力量以及计算机的力量相乘，结果再除以摩擦力，其中的关键是要看怎么才能够减少摩擦力，从而让我们得出最合适的计算机和用户从而实现力量的最大化。

　　这是第一部分，都是关于理论的，这是酒店业目前的现状。

　　实践：如何以"小"数据驱动需求管理？

　　我们希望酒店方和投资者看到的是我们真正的最终版本。在公司中我们是专注于帮助酒店更好地通过技术来管理需求，通过技术和相关的辅导，我们的团队会问酒店一些问题，来了解您是否管理了酒店的需求，不妨看一下酒店内部的分析师、收银员、销售人员和分销人员，这些人员有多少时间是放在分析数据、准备数据和搜集数据上呢?理论上来说这个行业以前做得并不是很好，我们有着非常复杂的电子EX表格，预算战略、定价等等各种各样的表格，关于表现绩效和市场情报，我们有PMS、RMS和口碑数据等等，事实上在我们的总部一切都处于混乱当中，我们的数据太多了，缺乏数据的结构、缺乏责任制的分配。

　　正所谓一切美好都始于把家给收拾好，所以说一切始于数据的结构化。现实中的收入经理是什么样子的呢?2014年大家可能已经注意到销售和电子商务的人都希望能够有更多的数据监测者和电脑上的数据监视器，一个是用于数据库，一个是用于另外一个方面。而对未来12个月内界面情况的预测有利于组织内部的数据分析师分析数据，可是对于销售人员、电子商务人员、分销人员来说就不太适合了。我们把他们边缘化了，不管是内部的还是外部的。

　　我们接下来要问的问题是EX对于存储数据而言，是否合适?有一篇很棒的文章曾谈到，在美国股市上因为基于EX财务模型的一些公式的错误，导致了股市上损失掉了上百亿的金钱。我不是经济学家也不是一个编程人员，我的事业生涯是从一个收入管理者开始的，我的建议是对于EX，我们要冷静下来，然后专注于精确管理数据。我们需要重新地重视数据在酒店业中应该是什么样的结构。我们看到有一些酒店内部的系统和绩效的数据都是各自独立的，而有些电子商务人员根本不在乎业务具体的情况。不同的人关注的重点不一样，这些数据都是条块分割的、碎片化的，而我们需要重新结构化，把这些数据从数据之"海"中整合出来，整合到一个独一无二的位置，从而让它能够以PMS为导向。

　　最具预测性的系统，在我们这个行业中最重要的是用户自己得出的数据，也就是EX预测战略、定价变化、佣金的上升等等，有很多的数据丢失在了EX表格当中，我们可以通过我们自己得出的数据来丰富绩效表现的数据。这样的话就可以及时地管理我们在市场上的表现。

　　另外我们要把数据从EX当中导出来，放到一个安全的环境当中，很有可能是一个云，让不同的利益相关方，不管是内部的还是外部的，都能够从同样的数据库中得到他们所需要的数据。现在我想请大家想象一下酒店的数据，把它想象成一个大脑，我们要经过一个历程，需要把不同的位置、不同价值的数据进行分解，打乱后重新组合，形成结构化的数据。我们用数据可以进行预测，用来制订预算、策略等等，可以用于财务的平台，可以进行收入的管理，除此之外，我们还可以把它跟市场咨询混合在一起，比如说口碑的数据、对标的数据、利率购买的数据，很重要的是我们可以在线跟代理商分享数据，和他们一起进行分析。

　　作为一个公司，Snapshot帮助各家公司来进行更好的需求管理，重新审视建立起什么样的一个商业结构，在酒店内部。因为如果我们看一下这些不同的商业分类、收益管理、分销、销售与市场和财务，现实情况是目前只有财务团队是关心资产负债表最后那条线上的数据的，只有财务人员他们有相关的激励去关注这一点，而其他人都是专注于收入的增长，谁会关注分销的成本和收益管理的成本，当然市场的渠道也在发生着各种各样的变化，越来越多的消费者是远离了传统的渠道，而是使用在线预定或者是直接销售的渠道。

　　在2015年，我们必须要意识到这一点，来确保我们所有的商务部门能够专注于共同的目标，就是利润的最优化，它会改变的组织架构，为什么要让收益管理人员来改变价格?同样一天电子商务的经理在改变直接的一些费用，这些人在做这个，那个人在做那个，他们在相互地厮杀，有一些收益管理的人员可能不了解销售的管道，这是一个基础性的问题。我们现在的专注点是帮助酒店来实现重组，这样的话，我们就可以对需求进行管理，需求经理有人扮演收益管理者的角色，也扮演电子商务人员的角色。需求管理把技术、组织架构与流程，还有组织文化聚合在一起。

　　总而言之，希望大家记住，数据是"新"的土壤，会给我们带来创意和创新。我们可以针对于单个的用户、酒店、区域或者是一些分店，使我们具有更强有力的洞察力，但是我们还没有实现这一点，因为当下的数据管理方式既费时又容易出错。我们给人们付钱，让他们成为数据的准备者还是数据的分析师呢?所以我们中期的目标并不是大数据，而是小数据，也就是要确保在品牌一级、区域一级、机器一级、单体酒店一级我们能够拿到合适的数据，有合适的人员在合适的时间来做我们的工作。