Es ist schwer zu sagen, wie weit der Hype um Predictive Analytics in der Geschäftsreisebranche fortgeschritten ist. Um das Konzept wird jedoch so viel Aufhebens gemacht, dass viele gar nicht genau wissen, was der Begriff überhaupt bedeutet. Er verschwimmt mit den verwandten, aber dennoch unterschiedlichen Verfahren Big Data, künstlicher Intelligenz (KI) und Maschinelles Lernen (ML). Predictive Analytics, die „Vorhersageanalyse“, grenzt sich hiervon ab. Bei so viel Bohei sollten wir uns genauer anschauen, wie Predictive Analytics Geschäftsreisen beeinflussen könnte.

Unterschiede zwischen Predictive Analytics, KI, ML und Big Data

Laien bringen Big Data, KI, ML und Predictive Analytics leicht durcheinander. Kein Wunder: Jedes Verfahren tut innovative Dinge mit riesigen, komplexen Datenmengen. Weil die Datenmengen immer größer werden, ist auch die Datenverarbeitung exponentiell gewachsen. Fortschritte in der Rechenleistung und Datenspeicherung tragen genauso zu dieser Technologierevolution bei wie die Vereinfachung der Datenintegrationsstandards. Aber Big Data, KI, ML und Predictive Analytics haben jeweils unterschiedliche Ziele und Verfahren. Big Data beschreibt das Erfassen und Auswerten riesiger, höchst unterschiedlicher Datenmengen. KI (auch AI, Artificial Intelligence) analysiert Daten mit Hilfe von Software und wertet diese wie ein Mensch aus. Sie erfasst beispielsweise ein Krankenprotokoll und ermittelt, ob der Patient andere Medikamente benötigt. Bei ML geht es um Software, die von Datenmengen lernt: Ein ML-Programm schaut sich zum Beispiel Millionen von digitalen Bildern von Pflanzen und Bäumen an und bringt sich selber bei, diese zu unterscheiden. Predictive Analytics beschreibt ein Verfahren, bei dem man mittels KI und ML Voraussagen über zukünftige Ereignisse macht. Dabei werden normalerweise historische Daten analysiert und mit Algorithmen die Wahrscheinlichkeit zukünftiger Ereignisse prognostiziert – um dann jemanden zu benachrichtigen, was in Zukunft geschehen wird. Stellen Sie sich vor, Sie besäßen eine Firma, die Ölpumpen in ganz Texas betreibt. Sensoren vor Ort überwachen die Technik und senden riesige Datenmengen an eine zentrale Predictive-Analytics-Engine. Die Software kann die Daten auswerten und voraussagen, welcher Bohrturm gewartet werden muss, bevor er ganz ausfällt. Das ist „Predictive Maintenance“, also vorausschauende Wartung.

Praktische Anwendungen für Predictive Analytics bei Geschäftsreisen

Was macht die Reisebranche mit Predictive Analytics? Es ist verlockend, sich in abstrusen Fantasien zu ergehen. Wie wäre es mit einem Szenario, bei dem Software Ihre Krankengeschichte analysiert und vorhersagt, dass Sie in der Notaufnahme landen, weil Sie allergisch auf ein Minzbonbon auf dem Kopfkissen Ihres Hotelzimmers reagieren? Realistischer wäre, dass ML die Buchungsgewohnheiten Ihres Unternehmens erfasst und prognostiziert, wie Sie Kosten sparen oder die Zufriedenheit Ihrer Reisenden steigern könnten. Nehmen wir an, Sie müssen geschäftlich nach Paris. Wenn Sie auf einer normalen Buchungsplattform nach Hotelempfehlungen suchen, erhalten Sie Hunderte Vorschläge. Diese alle zu durchforsten ist frustrierend und kostet Sie wertvolle Arbeitszeit. Mit Predictive Analytics kennt das Buchungssystem Sie und Ihr Unternehmen. Es kann Hotels empfehlen, in denen Ihre Kollegen in Paris übernachten. Es kann Ihnen Hotels sortiert nach Entfernung zu Ihrem Pariser Büro vorschlagen. Und das Tool könnte Ihnen sogar anhand einer Verkehrsanalyse prognostizieren, zu welcher Tageszeit Sie sich ein teures Taxi besser sparen.

Predictive Analytics und globale Unternehmen

Die Verwendung von Predictive Analytics in der Geschäftsreisebranche steckt noch in den Kinderschuhen. Aber neue Innovationen werden nicht lange auf sich warten lassen und die Zukunft sieht vielversprechend aus. Das gilt sowohl für multinationale Konzerne als auch für kleine Unternehmen. Wahrscheinlich werden Predictive-Analytics-Engines großer Firmen auf die Fülle historischer Reisedaten ihrer Angestellten setzen, während kleinere Unternehmen für Predictive Analytics voraussichtlich auf Reisedaten von Peergroups zurückgreifen werden. Hier ein Beispiel: Jedes Jahr besuchen Tausende Angestellte eines globalen Tech-Unternehmens große Technologiemessen auf der ganzen Welt. Wenn ihr Geschäftsreisemanagement-Unternehmen (TMC) auf Predictive Analytics setzt, könnten sie darüber informiert werden, wie jede Abteilung oder Region bei den konferenzbezogenen Reiseausgaben durch Vorausbuchungen sparen kann. Beispielsweise prognostiziert das System den EU-Führungskräften, dass ihre Reisekosten für Konferenzen in der APAC-Region zu einer bestimmten Zeit im Jahr wahrscheinlich steigen werden. Das System könnte daraufhin empfehlen, zu bestimmten Veranstaltungen weniger Mitarbeiter zu entsenden.

Herausforderungen für Predictive Analytics in der Reisebranche

Einige Hindernisse gilt es noch zu überwinden, bis Predictive Analytics endgültig in der Geschäftsreisebranche ankommen wird. Ein Problem sind die Daten selbst. Aktuell stammen die Daten, die für sinnvolle Vorhersagemodelle erforderlich sind, von vielen einzelnen Online-Anbietern und Offline-Diensten. Wenn die relevanten Daten nicht zusammengetragen werden, sind die Prognosen für die Katz. Dieses Problem geht Egencia mit seiner Geschäftsreisemanagement-Plattform aktiv an. Schnell wird auch unterschätzt, was für eine Herausforderung das Erstellen von Vorhersagemodellen für Reisen ist. Wir operieren weltweit, genau wie unsere globalen Kunden. Was für eine Niederlassung Ihres Unternehmens als gute Reiseerfahrung – oder gutes Angebot – gilt, könnte für eine Niederlassung in einer anderen Region ganz anders aussehen. Unsere Erfahrung zeigt zum Beispiel, dass Geschäftsreisende in Asien Luxushotels gegenüber Unterkunftsschnäppchen vorziehen. Das liegt daran, dass die asiatische Unternehmenskultur in der Regel die Menschen honoriert, die Erfolg ausstrahlen. In diesem Fall wird ein Luxushotel mehr als eine Marketing- und Vertriebsinvestition angesehen, weniger als Kostenfaktor. Amerikanische Dienstreisende hingegen würden sich zwar sicher auch ein Luxushotel wünschen, aber die Reiserichtlinie der Firma sieht das nicht vor. Wenn man Predictive Analytics richtig verwenden möchte, muss man sich dieser Nuancen bewusst sein und richtig verstehen lernen, was sie bedeuten. Die größte Herausforderung ist jedoch, aus Predictive Analytics konkrete Handlungen abzuleiten. Einblicke und Erkenntnisse sind schön und gut – aber solange man sie nicht in direkte unternehmerische Maßnahmen umsetzen kann, nützen sie nicht viel. Nehmen wir an, Ihr Predictive-Analytics-Tool empfiehlt Ihnen einen bestimmten Flug. Das funktioniert aber nur, wenn das Tool auch mit Ihrer Reiseplattform und Reiserichtlinie konform ist. Erst dann wissen Sie, ob die Buchungsempfehlung überhaupt Ihren Bestimmungen entspricht.

Predictive Analytics für Geschäftsreisen nutzbar machen

TMCs wie Egencia arbeiten daran, Predictive Analytics den Reiseprogrammen globaler Unternehmen als Mehrwert zur Verfügung stellen zu können. Es ist ein neues Feld mit vielen innovativen Ideen und enormem Potenzial. Die Herausforderung für TMCs ist, die Vorteile von Predictive Analytics aus Sicht eines globalen Unternehmens zu verstehen. Unsere Arbeit besteht darin, sich auf Anwendungsfälle zu konzentrieren, die zu Kostenersparnissen, besserer Richtlinieneinhaltung und höherer Zufriedenheit unter Geschäftsreisenden führen.