Errores Comunes en un Hotel

Quisiera contarles una ancdota que me pas con uno de mis primeros clientes (voy a
omitir nombres para protegerlas identidades de las personas y de mi cliente).

Yo estaba comenzando la fase de diagnstico de revenuemanagement para un hotel

pequeo. Ellos no tenan una persona dedicada para revenue manager. Yo estaba
observando el trabajo de la gente en la recepcin. Le pregunto a la recepcionista si
me puede mostrar alguna solicitud de reserva que haya llegado por email. Ella me
muestra un correo de un argentino. Este seor haba entrado a la pgina del hotel,
pero quera ver si poda conseguir una tarifa reducida, sobretodo porque vena por 7
noches. La recepcionista le pregunt al gerente qu descuento le poda ofrecer a este
seor que vena por 7 noches. La respuesta del jefe fue que le ofreciera el 10%. Ella
le contest eso al seor por email. Al poco rato lleg un correo de l preguntando si
no haba algo mejor, ya que l haba visto en el sitio webdel hotel que haba
una promocin por las noches de viernes, sbado y domingo, que consista en un
descuento del 30%. Ella entonces le pregunt al gerente y ste le dijo que 10% era lo
mejor que le iba a ofrecer.

El resultado fue que este seor no tom la oferta y lo ms probable es que se fue a
algn hotel de la competencia.

Ya en este momento el lector atento se dar cuenta de que hay una inconsistencia
importante en el tarifario de este hotel. no es razonable que a alguien que toma una
reserva por 7 noches seguidas se le ofrezca un descuento del 10% cuando esa misma
persona podra tomar una reserva por las 3 noches de fin de semana, con 30% de
descuento y otra por las restantes 4 noches, sin descuento, resultando un descuento
promedio del 12,9%, verdad?

Adems quiero agregar algo de informacin para que vean que el error era an ms
grueso: este es un hotel orientado al trfico corporativo, en un barrio con muy
poco atractivo turstico, en que las mejores noches de la semana (en ocupacin) eran
las del mircoles y jueves. este evento ocurri durante el 2009, en que la ocupacin
de la plaza era muy baja. pero adems, este seor quera venir una semana en que el
jueves era feriado, por lo que la ocupacin esa semana iba a estar por el suelo.

Yo le habra dado el 30% para las 7 noches, uds no?

El Valor del Pronstico

En un automvil, el parabrisas es mucho ms grande que el espejo retrovisor, sin
embargo la mayora de los ejecutivosdedican ms tiempo a revisar el pasado que a
proyectar el futuro. Una de las gracias de los sistemas de revenue management (rm)
es que nos entregan un parabrisas, a diferencia de los dems sistemas de informacin
para la administracin, que no son ms que espejos retrovisores.

Y cmo hacen los sistemas de rm para proyectar con exactitud demandas tan
desagregadas (no por mes, sino que por da)? voy a usar una cita que aprend de mi
profesor de statistical forecasting (inferencia estadstica) de duke, robert nau: "i have
seen the future and it is very much like the present, only longer." (He visto el futuro y es
muy parecido al presente, slo que ms largo) la cita pertenece a kehlog albran, del
libro the profit. Esta cita describe lo que hace cualquier sistema de pronsticos
estadstico: buscar en el pasado patrones que se repiten e identificar las condiciones
en las cuales estos patrones se inician.

Los sistemas de pronsticos para rm se basan en datos histricos de reservas para

identificar patrones y pronosticar cmo van a seguir entrando reservas en el futuro.
Tpicamente un sistema de pronsticos para rm hace proyecciones desagregadas para
fechas hasta un ao hacia adelante. Desagregadas quiere decir que pronostican no
slo cuntas habitaciones van a ser vendidas en un hotel para el mes de noviembre
del prximo ao, por ejemplo, y a qu tarifa media, sino que cuntas habitaciones se
van a vender para huspedes que van a llegar al hotel dentro de 365 das en una tarifa
especfica, para quedarse en el hotel un nmero especfico de noches. o sea, si hoy
es 12 de noviembre de 2009, el sistema de rm pronostica el nmero de habitaciones
que se van a reservar para huspedes que llegan el 12 de noviembre de 2010, que se
van a quedar dos noches y van a pagar tarifa rack. Adems de esto, el sistema
predice cundo van a reservar esas habitaciones (fecha de reserva).

Se imaginarn que hacer ese pronstico no es fcil. De hecho el sistema no va a

atinar al nmero exacto siempre. Entonces, por qu es necesario hacer este tipo de
pronsticos? No tomamos decisiones erradas al basarnos en pronsticos que tienen
altos errores?

La respuesta a la primera pregunta es que los algoritmos de optimizacin requieren de

un pronstico desagregado porque la regla de littlewood necesita una estimacin de la
probabilidad de vender al menos n habitaciones a la tarifa x.

La respuesta a la segunda pregunta no es tan simple. Lo que pasa es que al optimizar

un hotel para llegadas dentro de un ao, las decisiones que tomamos hoy no tendrn
mucho efecto. Esto porque un ao antes es probable que no hayamos recibido
reservas an. De modo que si el sistema slo autoriza un 10% de la capacidad del
hotel para la tarifa ms barata, esa tarifa va a estar disponible a la venta por ahora.
Una vez que haya vendido el 10% de la capacidad a esa tarifa es probable que el
sistema tenga buena informacin de cmo va a ser la demanda del 12 de noviembre
de 2010, de modo que si las reservas han ido entrando ms lento que lo que el
sistema esperaba, entonces ste va a haber bajado su pronstico para esa noche,
aumentando la autorizacin para la tarifa ms reducida. Es por esto que es tan
importante que el sistema de rm proyecte demanda muy frecuentemente, para ir
corrigiendo sus proyecciones (y sus decisiones) antes de que se produzca una prdida
de ventas. Tambin es por esto que los sistemas automatizados suelen tomar mejores
decisiones que las personas, por inteligentes y expertas que sean.

Una advertencia acerca de los sistemas de pronsticos para la gestin: es bien difcil
evaluar el desempeo de estos sistemas. Esto porque el hecho de conocer el
pronstico hace que los ejecutivos de la empresa tomen decisiones y acciones que
invalidan el pronstico. Por ejemplo, si el sistema nos dice que la demanda va a estar
muy floja para febrero del prximo ao, vamos a lanzar promociones o algo para
mejorar el resultado en ese perodo.