Ennakoiva analytiikka ja liikematkustus

Liikematkustajat-käyttävät-älylaitteita-keskusrautatieasemalla

Ennakoivan analytiikan potentiaali ja liikematkustus 

Kun uusi teknologia nousee kaikkien huulille, voi hehkutus joskus unohtaa sen todellisen merkityksen ja potentiaalin. Kokoushuoneissa ympäri maailmaa big data, business intelligence, data-analyysi, tekoäly (AI), koneoppiminen ja ennakoiva analytiikka sekoitetaan iloisesti yhteen. Kenenkään tarkoituksena ei ole hämmentää muita, mutta ennakoivan analytiikan todellinen tarkoitus on helppo unohtaa. 

Ennakoiva analytiikka vs. tekoäly, koneoppiminen, big data ja data-analyysi  

Tiedonhallintateknologioiden kehitys viimeisen viiden vuoden aikana on johtanut huimiin harppauksiin data-analyysin ja ennakoivan analytiikan kentillä. Hehkutuksen määrä on ollut niin suuri, että ihmiset ihan ymmärrettävästi sekoittavat käsitteet toisiinsa. Big data, koneoppiminen ja tekoäly liittyvät kaikki kyllä toisiinsa, mutta samalla ne ovat erillisiä prosesseja, joilla on eri tavoitteet ja metodit. 

Big data on erittäin suurten ja monipuolisten tietomassojen hallinnoimista ja analysointia. Tekoälyohjelmisto analysoi tietoja löytääkseen aiemmin piilossa pysyneitä oivalluksia, kuten miten korot vaikuttavat tiettyjen osakkeiden hintoihin. Koneoppimista hyödyntävä ohjelmisto taas oppii uutta tietojen avulla. Esimerkiksi näyttämällä koneoppimista hyödyntävälle ohjelmistolle miljoonia digikuvia koirista ja ketuista se oppii itse erottamaan eläimet toisistaan. 

Ennakoivalla analytiikalla viitataan data-analyysin käyttämiseen tulevaisuuden tapahtumien ennustamiseen. Se tehdään tyypillisesti arvioimalla menneiden tapahtumien tietoja ja käyttämällä algoritmeja toistuvien kaavojen löytämiseen ja ennustusten tekemiseen. 

Ennakoiva analytiikka onkin tavallaan big datan, tekoälyn ja koneoppimisen soveltamista. Kuvittele esimerkiksi, että operoit rekkoja ja olet jo pitkän aikaa pitänyt kirjaa moottorien hajoamisesta ja korjauksista. Big data kerää korjaustiedot yhteen. Tekoäly huomaa hajoamiseen liittyvät kaavat. Koneoppiminen opettaa työkalua tunnistamaan mahdolliset hajoamiset paremmin. Ennakoiva analytiikka käyttää näitä tietoja luodakseen arvion siitä, milloin moottoriin on tulossa vika – ja lähettää siitä hälytyksen. Tätä kutsutaan ennakoivaksi ylläpidoksi. 

Miten tämä kaikki liittyy liikematkustukseen?  

Uusien trendien, kuten ennakoivan analytiikan, hehkutusta ei voi välttää, mutta usein on hyvä keskittyä siihen, miten teknologiaa pystytään soveltamaan käytännössä ja hyödyllisesti. Teknologian avulla voi toki luoda ohjelman analysoimaan matkustajien mieltymyksiä ja valitsemaan lennon vierustoverin sen perusteella, että kummallakin on sama horoskooppimerkki. Mutta mitä hyötyä siitä on? 

Käytännöllisempi sovellus liittyy siihen, miten koneoppimista käytetään oppimaan yrityksesi varaustavoista ja ennakoimaan tapoja, jotka auttavat säästämään rahaa tai parantamaan matkustajiesi kokemuksia. Kuvitellaan, että olet lähdössä työmatkalle Pariisiin. Jos pyydät matkanhallinta-alustaa tai verkkosivustoa antamaan sinulle hotellisuosituksia, saat satoja ehdotuksia. Voit toki selailla niitä, tutkia karttaa, vertailla sijainteja ja kulkuyhteyksiä lentokentälle ja toimistolle.  Mutta kaikki se vie paljon aikaa. 

Koska varausjärjestelmä tuntee sinut, ennakoivan analytiikan avulla se pystyy esimerkiksi suosittelemaan hotelleja, joissa työkaverisi yleensä yöpyvät Pariisissa. Voit siis perustaa päätöksesi luottamiesi ihmisten valintoihin.  Ennakoivaa analytiikkaa hyödyntävä varausjärjestelmä voi järjestää ehdotukset sen mukaan, miten kaukana ne ovat tapaamispaikastasi. Se voi ennustaa myös, mihin kellonaikaan taksimatka Pariisin toimistolle on hitain ja kallein ja ehdottaa, mihin aikaan lähteä hotellilta, jotta ehdit tapaamiseen ajoissa. 

Ennakoiva analytiikka pienten ja keskikokoisten yritysten matkahallinnon tukena   

Pian ennakoivan analytiikan käyttö liikematkustuksessa on jo tavallista. Esimerkiksi Egencia on innovoinut kiinnostavia keinoja, joilla ennakoiva analytiikka tukee sekä suuria että pieniä organisaatioita. Suurissa yrityksissä ennakoivan analytiikan perustana on luultavasti yrityksen omien matkatietojen data-analyysi. Pienissä ja keskikokoisissa yrityksissä ennakoiva analytiikka perustuu luultavasti muiden samankaltaisten yritysten tietoihin, sillä pienistä tietomääristä on hankala oppia. Yrityksillä on upea mahdollisuus seurata muita yrityksiä ympäri maailmaa ja hyötyä niiden tiedoista tehdyistä oivalluksista. 

Mieti esimerkiksi pientä teknologiayritystä, joka haluaa lähettää työntekijöitään suurille teknologiamessuille Las Vegasiin. Ennakoivaa analytiikkaa käyttävältä liikematkatoimistolta he voivat saada ilmoituksia siitä, miten parhaiten säästää matkakuluista ennen tapahtumaa. He voivat hyödyntää matkanhallinta-alustan tunnistamia kaavoja ja tarjota niiden avulla hinta-laatusuhteeltaan mahdollisimman hyvän ja käyttäjäystävällisen kokemuksen matkustajille. 

Ennakoivan analytiikan käyttöön matkustuksessa liittyvät haasteet  

Ennakoivan analytiikan tulevaisuus on valoisa, mutta perinteisten liikematkatoimistojen tulee ylittää pari estettä, jotta ne pystyvät aidosti hyötymään siitä. Ensimmäinen haaste: tietomassat. Tällä hetkellä tehokkaaseen ennakoivaan analytiikkaan tarvittavat tiedot ovat levällään lukuisissa palveluissa ja ohjelmissa. Egencian tapainen yhden alustan ohjelma ratkaisee tiedon hajaantumisen keräämällä kaikki tiedot yhteen paikkaan. 

Toinen haaste: koneoppiminen ja mallintaminen. Kun toimitaan globaalisti, on huomattava, että hyvä matkakokemus – tai hyvä hinta – saattaa tarkoittaa eri asioita eri maissa. Joillain alueilla luksushotellin valinta on sijoitus markkinointiin ja myyntiin, ei niinkään matkakulu. Toisissa paikoissa luksus kielletään matkustuskäytännöissä. Kaikkien ennakoivaa analytiikkaa käyttävien työkalujen tulee olla tästä tietoisia ja kehittyä paremmiksi. 

Suurin haaste: miten ennakoiva analytiikka otetaan käyttöön matkailualalla. Egencia uskoo, että parhaiden tulosten saamiseksi integraatio on avainasemassa. Analyysityökalujen tulee siis olla integroituja matkustusalustoihin ja käytäntöihin. 

Ennakoivan analytiikan tulevaisuus   

Tällä hetkellä Egencia ja muut liikematkatoimistot etsivät keinoja, joilla tehdä ennakoivasta analytiikasta arvokas ominaisuus, joka hyödyttää liikematkustusta. Ala on vielä suhteellisen uusi, mutta se on täynnä kiehtovia ideoita ja mahdollisia innovaatioita. Haasteena on pystyä käyttämään ennakoivaa analytiikkaa niin, että se auttaa säästämään rahaa, lisää käytäntöjen noudattamista ja tukee matkustajia nauttimaan paremmista kokemuksista. 

Haluatko oppia, miten Egencia voi tehostaa matkahallintoasi – mukaan lukien tiedon keräämistä ja näkyvyyttä? Tutustu Outreachin tarinaan ja opi lisää.