Output della previsione

Sostanzialmente la previsione nel RM ha per oggetto il numero di camere da vendere, giorno per giorno, per segmenti di mercato (ciascuno dei quali associato ad una tariffa).

Quindi l’output di una buona previsione è dato dalle tabelle di previsione, ovvero dei calendari che per ciascun giorno riportino quante camere vendere per ciascun segmento.

L’orizzonte temporale dei calendari può essere a breve o a lungo termine, in ogni caso deve essere pari al periodo per cui si è disposti a vendere (tre mesi, sei mesi, un anno, due anni, ecc.). Il calendario a breve termine, da aggiornare ogni giorno in base alle prenotazioni di ciascun segmento, conterrà previsioni di vendita espresse in camere per un periodo limitato (entro i 3 mesi). Quello a lungo (tra i 3 mesi e 1 anno) sarà più approssimativo, registrando le previsioni settimana per settimana per ciascun segmento, andrà quindi aggiornato settimanalmente. Infine per le date più lontane si possono effettuare previsioni mensili.

La tabella seguente illustra il tipico output che deve risultare dalla fase previsionale. SEGMENTO BI Business Individuale BG Business Group LI Leisure Individuale LG Leisure Group TOTALE TARIFFA €180,00 €145,00 €120,00 €95,00 DATA 12/11 35 20 20 15 90 13/11 30 30 24 6 90 14/11 40 30 10 10 90 15/11 … … … …

Solo una previsione di questo tipo, per quanto imperfetta, è effettiva perché riguarda il dettaglio del booking (ogni prenotazione è fatta in riferimento ad una determinata data e ad un determinato numero di camere). Non si possono prendere decisioni di vendita (o di non vendita) senza previsioni e quindi pensare di massimizzare i ricavi. Gli errori sono inevitabili ma si possono controllare, per esempio monitorando giorno per giorno l’andamento della domanda reale che si sta rivolgendo al nostro albergo.

È facile comprendere la necessità di un sistema in grado di registrare e mantenere affidabilmente i dati storici dell’albergo così da consentire, con elaborazioni più o meno complesse, la formulazione di previsioni, il controllo dell’avanzamento del booking, l’aggiornamento dei calendari.

Una volta raccolti i dati dobbiamo essere in grado di analizzare ed interrogare questo “storico”. Per tratteggiare anche in maniera semplificata quel quadro in grado di guidare l’attività del management, non abbiamo necessità di sistemi sofisticati e costosi. In prima istanza possiamo avvalerci di analisi meno complesse (ottenendo, in questo caso, risultati meno accurati): semplici “tabelle calendario” su cui scrivere i dati relativi alle nostre ipotesi di vendita.

In conclusione per effettuare previsioni è necessario che si verifichino tre condizioni. Primo vi deve essere disponibilità di dati sul passato, secondo tali informazioni devono essere quantificabili numericamente e terzo è ipotizzabile che alcuni trend del passato si manifestino nuovamente nel futuro. Quindi disponendo di dati storici, dati del presente e di informazioni sul futuro, è possibile delineare previsioni che siano da supporto alle decisioni su politiche di prezzo e disponibilità, tendenti a favorire l’occupazione nei momenti di calo della domanda e alla massimizzazione delle entrate nei momenti di picco.

L’accuratezza e l’attendibilità delle previsioni dipende da molti elementi: la qualità dei dati utilizzati, la frequenza di aggiornamento, la capacità di tenere separati i vari segmenti.

7.4 Il Forecast

Il sistema di RM richiede previsioni della domanda, della sensibilità al prezzo, delle probabilità delle cancellazioni, ed abbiamo appena visto come il successo dipenda in modo rilevante dalla qualità di questi dati; si può quindi dedurre che il forecasting sia un’attività fondamentale che richiede molto tempo in termini di sviluppo ed implementazione.

La raccolta dei dati deve partire in primis dal Forecast (dall’inglese previsione), un foglio di calcolo costruito in modo che si possa facilmente tenere traccia della vendita delle camere dell’albergo, giorno dopo giorno. Le previsioni di un Revenue Manager sono basate su uno storico precedentemente archiviato, che facilita la proiezione e aiuta a capire tempestivamente quante e quali azioni devono essere intraprese. Quindi il forecast è la base di un’analisi che aiuti a prevedere e, in un secondo momento, ad ottimizzare la domanda: in questo modo si possono avere tutte le informazioni necessarie per poter modificare il prezzo di vendita delle camere per ottenere da queste il massimo rendimento possibile.

A tal fine i dati devono essere archiviati in maniera ben precisa, catturando ogni giorno la fotografia della situazione in termini di RNS (Room Nights), Revenue e ADR (Average Daily Rate) e mostrando il percorso attraverso il quale abbiamo raggiunto i nostri risultati. Infatti non basta affidarsi solo al trend che ad un primo sguardo risulta dal Forecast: questo evidenzia dati indubbiamente utili e interessanti ma non sufficienti per poter lanciare una previsione accurata. Non è un’informazione completa perché si tratta di un dato attualizzato che non mostra come quel risultato è stato ottenuto; per esempio, si potrebbe affermare che un dato mese è quello più proficuo ma non si potrebbe estrapolare nulla riguardo al come. (Galbiati D., 2016)

Di seguito verrà realizzato un forecast contenente le informazioni che il revenue manager può e deve tenere in considerazione per le decisioni strategiche.

Nel dettaglio ecco i dati che ogni singola colonna dovrà contenere:

DATA: la data alla quale faranno riferimento tutti i dati di quel determinato giorno.

TOT CAM HTL – Capacità Hotel: è la colonna che, in corrispondenza di ogni data del calendario, deve riportare sempre il numero totale di camere disponibili dell’albergo. Nel nostro esempio l’hotel in questione ha 90 camere. CAM VEND – Camere vendute: conterrà il numero delle camere che saremo riusciti a vendere ogni giorno. Il dato si ricava tramite la differenza tra le camere totali dell’hotel e la somma delle camere ancora disponibili suddivise per tipologia.

SGL, DPP, TPL – Colonne delle varie tipologie di camere: in queste colonne si inseriscono le camere disponibili di ogni tipologia per ogni giorno. Nel nostro caso l’hotel è composto da 30 camere singole, 45 camere matrimoniali e 15 camere triple.

PROD DEL GIORNO – Produzione del giorno: in questo campo si inserisce l’importo della produzione camere di ogni giorno.

ADR – Average Daily Rate: il prezzo medio di vendita giornaliero, pari al ricavo complessivo giornaliero diviso per il numero di camere vendute.

REV PAR – Ricavo per camere disponibili: il ricavo complessivo giornaliero diviso per il numero totale delle camere che l’hotel ha a disposizione.

OCC % – Occupazione percentuale: è la traduzione del numero di camere vendute sotto forma di percentuale, in modo che sia più immediato capire l’andamento delle vendite. È chiamato anche coefficiente di riempimento e si ottiene dividendo le camere vendute con le camere disponibili, per 100. Il risultato finale sarà pressappoco così:

Questo è l’aspetto che avranno i fogli di calcolo per tutti i mesi presi in considerazione.

A questo punto per il funzionamento del foglio di calcolo passiamo all’immissione dei dati: i campi in attesa di essere compilati sono soltanto quelli relativi alle camere rimaste libere, per ogni tipologia e per ogni giorno del mese, e quelli concernenti la produzione camere, sempre giorno per giorno. Ecco un esempio.

In giallo i campi dove bisogna imputare i dati che si ricavano giorno per giorno dal gestionale. Quindi, in data 01/10/2016 nel nostro ipotetico albergo

sono rimaste libere 2 sgl, 5 dbl e 7 tpl. La produzione del giorno è stata di €6.570,90.

I giorni evidenziati in arancione riguardano le giornate “chiuse” e i dati riportati sono quelli definitivi dopo la chiusura della giornata, ciò significa che stiamo compilando il file in data 06/10/2016.

Dal 6 ottobre in poi i dati inseriti sono solo una previsione. In data 09/10/2016 sono rimaste da vendere ancora 6 sgl, 10 dbl e 9 tpl, per un totale di 65 camere vendute. Da oggi fino a quel giorno questa previsione potrebbe cambiare in positivo o in negativo a seconda di quante nuove prenotazioni riusciamo a concretizzare o di quante cancellazioni riceveremo.

La lettura dei dati può essere semplificata con la funzione “formattazione condizionale”, creando alcune regole. Ad esempio nella colonna CAM VEND la cella si evidenzia in rosso se su quella data siamo andati in overbooking. Nella colonna OCC% le celle si colorano in rosso se l’occupazione percentuale è bassa, in giallo quando l’occupazione sta aumentando, e in verde quando stiamo per raggiungere la massima occupazione.

Per un buon risultato il forecast va aggiornato possibilmente ogni giorno e al termine dell’aggiornamento va catalogato, ad esempio il file “Forecast del 06- 10-2016” va salvato nella cartella “Forecast Ottobre 2016”, dopodiché va fatta una copia, pronta per gli inserimenti del giorno successivo.

Aggiornando il foglio di calcolo per i mesi successivi possiamo subito farci un’idea di come stanno andando le vendite a seconda delle variazioni del prezzo medio, del revpar e dell’occupazione percentuale. Potremo quindi fare delle considerazioni, trarre delle conclusioni e mettere in atto delle strategie.

In conclusione avendo a disposizione dati attendibili (raccolti giorno per giorno da noi stessi), un buon sistema informatico o in alternativa semplici fogli di calcolo, si possono trarre grafici relativi a prenotazioni, Revpar, sull’intervallo temporale che si ritiene più opportuno, per avere un’idea su cui ragionare ed ipotizzare le vendite.