Förbättrade affärsresor genom användning av prediktiv analys

prediktiv-analys-och-affärsresor

Det är svårt att avgöra hur långt vi har kommit inom prediktiv analys för resebranschen. Det är dock tydligt att intresset kring konceptet har blivit så stort att förvirring har uppstått när det gäller vad termen egentligen innebär. Det är lätt att blanda ihop prediktiv analys med andra, relaterade men annorlunda fenomen, som big data, artificiell intelligens (AI) och maskininlärning. Prediktiv analys är något annat. Nu när intresset för prediktiv analys är så stort kan det vara en god idé att fokusera på hur det kan påverka affärsresebranschen.

Skillnaden mellan prediktiv analys, AI, maskininlärning och big data

För den som inte är dataexpert är det lätt hänt att förväxla big data, AI, maskininlärning och prediktiv analys. Alla dessa termer har något gemensamt i att de handlar om att göra innovativa saker med mängder och typer av data som tidigare ansågs vara omöjliga att hantera. Dataanalysområdet har växt enormt under de senaste åren i takt med att datavolymerna har ökat. Dessa förändringar är bland annat resultatet av nya innovationer inom datakunskap och lagring samt förenklingen av standarder för dataintegrering. Men big data, AI, maskininlärning och prediktiv analys har olika mål och metoder.

Big data är en term som beskriver insamling och analys av stora, varierade datauppsättningar. AI använder programvara för att analysera data och tänka som en människa, t.ex. för att undersöka en patientjournal och avgöra om patienten behöver andra mediciner. Maskininlärning handlar om programvara som lär sig av data. Ett maskininlärningsprogram kan till exempel se miljontals digitala bilder av växter och träd och lära sig att avgöra skillnaden mellan dem.

Prediktiv analys använder AI och maskininlärning för att försöka förutsäga framtida händelser. För det mesta rör det sig om studier av tidigare data och användning av algoritmer för att identifiera meningsfulla mönster som kan ge indikationer om framtida händelser. Föreställ dig att ditt företag sköter oljepumpar som är utspridda över halva Texas. Du har fjärrsensorer som övervakar mekaniken och som skickar stora mängder data till en central motor för prediktiv analys. Programvaran kan tolka data och förutsäga vilka pumpar som behöver underhåll innan de går sönder. Det kallas prediktivt underhåll.

Praktiska scenarier för prediktiv analys för affärsresor

Vad kan resebranschen göra med prediktiv analys? Det är lätt att fantasin skenar iväg. Tänk dig ett scenario där programvara analyserar din sjukdomshistoria och förutsäger att du kommer hamna på akuten på grund av en allergisk reaktion som orsakas av en mintpastill som ligger på kudden i ditt hotellrum. En lite mer realistisk idé skulle kunna handla om att ett maskininlärningsprogram lär sig om företagets bokningsvanor och gör förutsägningar som leder till att du kan spara pengar eller göra resenärerna nöjdare.

Föreställ dig att du ska åka på en affärsresa till Paris. Om du letar efter hotellrekommendationer på en bokningssida för privatresor kommer du att få hundratals olika förslag. Det kan både vara frustrerande och tidskrävande att hitta rätt hotell bland alla förslag.

Men om du använder prediktiv analys så känner bokningssystemet både dig och ditt företag. Det kan då rekommendera hotell som dina medarbetare har bott på i Paris tidigare. Det kan föreslå hotell baserat på avståndet från företagets Pariskontor. Verktyget kanske till och med kan analysera trafiken och förutsäga vilken tid på dagen du bör ge dig ut på gatorna för att undvika dyra taxiresor.

Prediktiv analys och multinationella företag

Vi är fortfarande i ett tidigt skede i användningen av prediktiv analys inom resebranschen. Men innovationer är på väg och framtiden ser lovande ut. Det gäller för både multinationella och mindre företag. Det verkar rimligt att större företag kommer att ha motorer för prediktiv analys som bygger på omfattande resehistorik från företagets anställda, medan mindre företag förmodligen kommer att arbeta med prediktiv analys som bygger på data från andra företag.

Här är ett exempel: Varje år reser tusentals medarbetare från ett globalt teknologiföretag för att delta på stora teknologikonferenser över hela världen. Om företagets affärsresebyrå använder prediktiv analys kan de få meddelanden som ger dem råd om sätt att spara på konferensrelaterade avgifter för varje grupp eller region genom avancerade bokningar. Systemet kan till exempel berätta för ledningen av Europa-filialen att resekostnaderna förutsägs öka för resor till konferenser i APAC-regionen under en viss tid på året. Det kan då rekommendera att företaget skickar färre personer till vissa konferenser.

Utmaningar med att använda prediktiv analys för resor

Det finns ett antal problem som kan göra det svårare att börja använda prediktiv analys för affärsresor. Ett av dessa problem är hur all data som behövs ska samlas in. Den data som krävs för att skapa effektiva prediktiva modeller är för närvarande utspridda hos en mängd olika leverantörer och tjänster online och offline. Och förutsägelser som inte bygger på alla relevanta data har inte mycket värde. Det här är ett problem som vi försöker att lösa med hjälp av vår affärsreseplattform här på Egencia.

Det är även lätt att underskatta utmaningen med att skapa prediktiva modeller för resor. Liksom våra globala kunder har vi verksamhet över hela världen. En reseupplevelse eller ett erbjudande som en av våra filialer anser vara bra kanske inte anses lika bra i en annan region. Vår erfarenhet är till exempel att affärsresenärer från Asien föredrar lyxhotell framför billigare alternativ. Det här beror på en aspekt av asiatisk företagskultur som generellt sätt premierar människor som ger ett intryck av att vara framgångsrika.

I det här fallet anses bokningen av ett lyxhotell vara en slags marknadsföringsinvestering snarare än ett reseutlägg. Å andra sidan kanske amerikanska resenärer vill boka rum på ett lyxhotell, men stoppas av företagets resepolicy. Det är viktigt att förstå den här typen av skillnader och vad de beror på för att lyckas med den prediktiva analysen.

Den största utmaningen handlar dock om hitta bra användningsområden för prediktiv analys i resebranschen. Kunskap är alltid bra. Men om du inte kan omvandla kunskaperna till affärsåtgärder är de inte mycket till hjälp. Säg att ditt verktyg för prediktiv analys rekommenderar en viss flygbokning. Rekommendationen kommer endast att vara anpassad för ditt företag om verktyget är integrerat med din reseplattform och policydata. Först då vet du att bokningen är inom policy.

Använda prediktiv analys för affärsresor

Affärsresebyråer som Egencia, arbetar med att använda prediktiv analys som en mervärdesfunktion för multinationella företags affärsreseprogram. Det är ett nytt område som kan leda till många intressanta idéer och innovationer. Utmaningen för affärsresebyråer är att få förståelse för hur prediktiv analys kan hjälpa globala företag. Vårt jobb är att fokusera på användningsområden som hjälper till att spara pengar, förbättra efterlevnad av resepolicy och se till att resenärerna får en bättre reseupplevelse.