Predicción de la demanda de un restaurante

Contexto

Empresa del sector de la hostelería tiene varios negocios de hoteles, restaurantes y cafeterías. Su clientela principal son turistas europeos que vienen a disfrutar del Mediterráneo durante los meses de primavera y verano. Los negocios gozan de buenos emplazamientos y la imagen y el servicio están cuidados. No obstante, creen que podrían mejorar el rendimiento a partir del análisis de los datos.

Problema

Las dificultades para predecir la demanda para los restaurantes y hoteles impactan directamente en la cuenta de resultados de la compañía. Los costes de personal (camareros, cocineros, asistentes…), compras de suministros, mermas… pueden dispararse en el caso que la predicción sea superior a la demanda. O si la predicción está por debajo, el servicio y la satisfacción de los clientes pueden verse comprometida. Por otro lado, la gestión de precios, la gestión de clientes y la gestión de campañas de comunicación…también podría mejorar con una acertada predicción dela demanda.

Solución

El objetivo del proyecto es mejorar la Predicción de la Demanda a partir de la extracción de conocimiento de los datos internos/externos disponibles.

Tareas relacionadas con DATOS

  • Identificación solamente datos relacionados el objetivo del proyecto
  • Obtención de los datos
  • Preparación de los datos
  • Validación y limpieza de los datos
  • Almacenaje de los datos en base de datos analítica

Datos Internos

  • Clientes (por tipología, segmentación, perfil…)
  • Producto (por negocio, tipología de productos/servicios, disponibilidad…)
  • Precio (tarifas, paquetes…)
  • Comunicaciones (por canal, campañas realizadas, plataformas tipo tenedor, booking…)
  • Recursos (personal, directos, indirectos…)
  • Transacciones (Reservas, Ventas por centro y día, Ocupación)
  • Otros (dispositivos conectados

Datos Externos

  • Mercado (ocupación hotelera INE, vuelos…)
  • Competencia (identificación, facturación, redes sociales, área influencia, producto…)
  • Clima (histórico de viento, lluvias, temperaturas…)
  • Festividades y Eventos (Nacionales y Locales)

Tareas relacionadas con ANÁLISIS

Análisis exploratorio

Disponibilidad y fiabilidad de los datos: Años disponible, periodicidad, valores nulos o no válidos, identificación de outliers, etc

  • Estadísticas de resumen de las variables por tipo de datos
  • Distribuciones de variables por tipo de datos
  • Correlaciones y asociaciones importantes entre las variables.
  • Identificación de las variables relevantes para la estimación de la demanda

Preparación de los datos

  • Limpieza de datos: Eliminación de outliers
  • Transformación de los datos y creación de nuevas variables: Normalización, categorización, índices, variables indicadoras, etc.
  • Selección de la muestra: Train (75%) y Test (25%)

Análisis de tendencia, ciclo y estacionalidad

  • Comportamiento de las series históricas
  • Identificación de los componentes: Estacional, tendencia, elementos cíclicos y error.

Modelización y validación del modelo

Modelos de series temporales

  • Utilización de datos relacionados de periodos anteriores
  • Componentes: Tendencia, estacionalidad y ciclos
  • Técnicas: Medias móviles, Alisado exponencial , Modelos ARIMA (Autoregressive Integrated Moving Average) estacionales

Modelos Econométricos

  • Modelo de regresión que contempla variables autorregresivas endógenas, así como exógenas.

Tareas relacionadas con VISUALIZACIÓN

Herramienta Qlik Sense

Dashboard Descriptivo

Se visualiza el histórico de datos internos/externos y las desviaciones respecto a los objetivos/predicciones

Dashboard Predictivo de la Demanda

A partir de información introducida y el algoritmo de Predicción de la Demanda obtenido en la fase de Análisis, el Dashboard visualiza el escenario de la Demanda más probable.

Resultados

  • Reducción de los costes de personal hasta el 30%, sin perjudicar al servicio y satisfacción del cliente. Mejora en la negociación y gestión del departamento de Compras.
  • Mejora en el Revenue Management de los hoteles y restaurantes.
  • Implementación de un proyecto CRM con los clientes y potenciales