RANCANGAN BUSINESS INTELLIGENCE SYSTEM UNTUK HOSPITALITY

SUMBER DATA

Dalam mengembangkan business intelligence system (BI System) untuk hospitality maka secara garis besar data dapat dibagi menjadi 2 sumber yaitu data internal perusahaan dan data eksternal perusahaan. Data internal dapat bersumber dari :

• Property Management System (PMS)

  Akses data dari PMS dapat berupa akses langsung ke dalam basis data transaksional ataupun melalui Application Protocol Interface (API). Data dari PMS merupakan sumber utama dari pengembangan data warehouse.

• Accounting System

  Adakalanya PMS tidak dilengkapi dengan sistem akuntansi dan terbatas hingga sampai pada pendapatan dari penjualan kamar, food and beverage dan beberapa layanan lain seperti spa. Maka data dari sistem akuntansi dapat mendukung pengembangan dari data warehouse.

Sedangkan data eksternal dapat bersumber dari :

• Media sosial
• Online Travel Agent (OTA)
• Offline Travel Agent
• Badan Pusat Statistik
• Data Pesaing
• Google

Data eksternal merupakan tantangan tersendiri bagi industri hospitality karena untuk mendapatkannya memerlukan usaha yang lebih sulit dibandingkan data internal. Untuk mendapatkan data eksternal yang bersumber dari internet maka umumnya dilakukan menggunakan metode web scrapping dan web crawling. Data eksternal berpeluang memberikan gambaran posisi perusahaan diantara pesaing dan informasi potensi pemasaran lainnya.

RANCANGAN BI SYSTEM UNTUK HOSPITALITY

Dalam artikel ini kami akan membahas bagaimana rancang minimal sebuah BI system yang dapat diterapkan oleh sebuah perusahaan. Secara umum kebutuhan fungsional sistem dapat didefinisikan sebagai berikut :

• Descriptive Analytics yang mencakup penyajian booking dashboard, occupancy dashboard, revenue dashboard, expense dashboard, dan profit and loss dashboard.

  Penyajian data historis booking dan occupancy dapat memberikan gambaran trend pemesanan dan penjualan yang terjadi. Bagaimana trend canceled booking, bagaimana trend penjualan per season, apakah ada peningkatan dari penjualan di season yang sama di tahun sebelumnya. Begitu juga dengan penyajian revenue dashboard, expense dashboard, dan profit and loss dashboard yang pada intinya memberikan gambaran apakah strategi manajemen yang telah dilakukan memberikan dampak yang signifikan terhadap fungsi-fungsi vital dari perusahaan.

• Predictive Analytics yang mencakup occupancy and sales prediction dan expense prediction.

  Mendapatkan rekomendasi nilai prediksi memberikan peluang diambilnya strategi yang lebih tepat. Metode machine learning dibutuhkan untuk menyelesaikan permasalahan prediksi ini.

• Room Price Recommendation System.

  Bagian ini merupakan salah satu bagian yang penting dari manajemen hospitality. Memperoleh rekomendasi harga kamar yang tepat per suatu waktu memberikan peluang untuk perusahaan terhindar dari kerugian akibat harga yang terlalu rendah yang berakibat berkurangnya pendapatan, atau harga yang terlalu tinggi yang beresiko kamar tidak terjual. Beberapa faktor yang mempengaruhi harga kamar adalah harga pesaing, fasilitas, lokasi, season, dan jumlah permintaan.

• Review Management System.

  Membangun reputasi yang baik bagi industri hospitality adalah sebuah hal yang mutlak dilakukan. Walaupun perusahaan tidak bisa menghindar sepenuhnya dari review negatif namun pengelolaan dari hal tersebut bisa memberikan dampak yang minimal.

• Customer Relationship Management System (CRM System).

  Bagaimana menentukan potensial customer adalah tujuan utama dari CRM System. Lebih jauh lagi CRM System mampu memberikan gambaran karakteristik dari konsumen sehingga proses personalisasi konsumen bisa memberikan manfaat layanan yang lebih baik bagi wisatawan. Proses klasifikasi dan klustering menggunakan metode machine learning mungkin diperlukan dalam menjawab tantangan ini.