Det er vanskelig å vite nøyaktig hvor langt vi har kommet innen prediktive analyser for forretningsreiser. Med så mye oppmerksomhet og forskjellig informasjon er det lett å bli usikker på hva konseptet egentlig innebærer. Prediktive analyser blandes ofte sammen med stordata, kunstig intelligens (AI) og maskinlæring (ML). Prediktive analyser er imidlertid noe helt annet, og det beste er å fokusere på hvordan slik statistikk kan være nyttig for forretningsreisebransjen.

Forskjellene mellom prediktive analyser, AI, ML og stordata

Med mindre du er dataekspert, er det ikke så rart hvis du blander sammen begrepene stordata, AI, ML og prediktive analyser. Alt handler om å gjøre noe innovativt med svært store volumer og variasjoner av data. Vi får bare mer og mer data, og feltet dataanalyse har utviklet seg drastisk de siste årene. Noen av de viktigste endringene har skjedd innen databehandling og lagring samt forenkling av standarder for dataintegrering. Men stordata, AI, ML og prediktive analyser fungerer på forskjellige måter og har ulike oppgaver. Stordata innebærer innsamling og analysering av store og svært varierte datasett. AI bruker programvare til å analysere data og gjøre vurderinger på en menneskelignende måte, som å se på en pasientjournal og bestemme om en pasient trenger en annen medisin, og ML involverer programvare som kan lære fra data. Et ML-program kan for eksempel studere en million digitale bilder av planter og trær og lære seg å se forskjell på dem. Prediktive analyser handler om å bruke AI og ML til å gjøre antakelser om fremtidige hendelser. Dette innebærer å se på tidligere data og bruke algoritmer til å finne relevante mønstre som kan indikere fremtidige hendelser – og selvfølgelig varsle om hva som kommer. Se for deg at bedriften din drifter oljepumper over store deler av Texas. Du har eksterne sensorer som overvåker den mekaniske funksjonen og sender masse data til en sentral motor for prediktive analyser. Programvaren kan da tolke dataene og se hvilken oljepumpe som trenger vedlikehold, før pumpen slutter å fungere. Dette er kjent som prediktivt vedlikehold.

Praktiske scenarioer for prediktive analyser innen forretningsreisebransjen

Hva kan forretningsreisebransjen bruke prediktive analyser til? Det er fristende å tenke stort. Du kan se for deg scenarioer der programvare analyserer sykehistorikken din og forutser at du kommer til å havne på legevakten på grunn av en allergisk reaksjon. En mer realistisk idé er å bruke ML til å lære om bedriftens bestillingsrutiner og finne ut hvordan du kan spare penger eller gjøre de reisende mer fornøyde. Se for deg at du skal på forretningsreise til Paris. Hvis du søker etter hoteller på et vanlig reisenettsted, får du flere hundre treff. Det kan være svært tidkrevende å se gjennom alle hotellene. Bruker du prediktive analyser, kjenner bestillingssystemet deg og bedriften din. Systemet kan da anbefale hoteller som andre kolleger bruker å bo på, og vise deg hotellene som ligger nærmest bedriftens kontor i Paris, først. Verktøyet kan til og med bruke trafikkanalyser for å anbefale når på dagen det best å reise, slik at du kan unngå dyre taxiturer.

Prediktive analyser og multinasjonale selskaper

Bruken av prediktive analyser for forretningsreiser er fortsatt i utprøvingsfasen, men store gjennombrudd er like rundt hjørnet, og fremtiden ser lys ut. Dette gjelder for både multinasjonale selskaper og mindre bedrifter. Det som virker sannsynlig, er at prediktive analyser for store selskaper kommer til å baseres på en stor samling av eksisterende reisehistorikk fra selskapets ansatte, mens mindre bedrifter kommer til å måtte bruke reisedata fra lignende bedrifter. Eksempel: Hvert år sender et internasjonalt teknologiselskap tusenvis av ansatte til store teknologikonferanser rundt om i verden. Hvis forretningsreisebyrået bruker prediktive analyser, kan selskapet få varsler om hvordan hvert team eller hver region kan spare penger på konferansereiser ved å forhåndsbestille. Systemet kan for eksempel informere kontorsjefene i EU om at det på en viss tid av året forventes en økning i reisekostnadene for konferanser i APAC-regionen. Anbefalingen kan da være å sende færre ansatte til enkelte konferanser.

Utfordringer med bruk av prediktive analyser innen reisebransjen

Det er flere ting som kan gjøre innføringen av prediktive analyser for forretningsreiser vanskelig. Den første utfordringen er selve dataene. Dataene som trengs for en effektiv, prediktiv modellering, er spredt blant flere nettleverandører og andre tjenesteleverandører. Hvis det ikke er mulig å samle alle de relevante dataene for analyse, er det ikke verdt det. Dette er et problem Egencia jobber aktivt med på plattformen for reiseadministrasjon. Det er også enkelt å undervurdere utfordringen med å utvikle prediktive modeller for forretningsreiser. Akkurat som våre globale kunder er vi også et internasjonalt selskap. Det ett av bedriftslandene ser på som en god og rimelig reiseopplevelse, kan bli oppfattet på en helt annen måte i et annet land. Erfaring viser at forretningsreisende i Asia foretrekker luksushoteller fremfor gode tilbud. Dette kommer av at den asiatiske bedriftskulturen ofte belønner folk som utstråler suksess. I slike tilfeller blir luksushotellet sett på som en investering i markedsføring og salg fremfor en reiseutgift. Det kan også hende at amerikanske reisende har lyst til å bo på et luksushotell, men at det ikke er tillatt i henhold til bedriftens reisepolicy. For at de prediktive analysene skal blir riktige, er det viktig å ta hensyn til slike nyanser og lære hva de betyr. Den største utfordringen er imidlertid å generere gjennomførbare prediktive analyser. Analyser er et godt verktøy, men de er ikke særlig nyttige med mindre de kan gjøres om til konkrete handlinger og tiltak. La oss si at verktøyet anbefaler en bestemt flyreise. Denne anbefalingen er kun nyttig hvis verktøyet er integrert med reiseplattformen din og reisepolicyen. Da vet du nemlig at bestillingen er i henhold til bedriftens reisepolicy.

Bruke prediktive analyser i forretningsreisebransjen

Forretningsreisebyråer som Egencia jobber med at prediktive analyser skal kunne brukes som en nyttig funksjon i forretningsreiseprogrammene til multinasjonale selskaper. Dette er et nytt felt med mange spennende muligheter og potensielle innovasjoner. Utfordringen er å forstå fordelene med prediktive analyser fra en global organisasjons perspektiv. Vår jobb er å fokusere på bruksområder som bidrar til å spare penger, forbedre etterlevelsen av reisepolicyer og øke tilfredsheten blant de reisende.