Das Potenzial von Predictive Analytics bei Geschäftsreisen

Wenn eine neue Technologie gerade angesagt ist, kann der Hype darum manchmal ihre wahre Bedeutung und ihr Potenzial verzerren. In Besprechungsräumen überall auf der Welt vermischen Verfechter der Branche die Begriffe Big Data, Business Intelligence, Datenanalyse, künstliche Intelligenz (KI), maschinelles Lernen (ML) und Predictive Analytics. Es ist vielleicht nicht ihre Absicht, die Zuhörer zu verwirren. Dennoch ist es leicht, den Überblick darüber zu verlieren, worum es bei Predictive Analytics wirklich geht.

Predictive Analytics versus KI, ML, Big Data und Datenanalyse 

Die Verbesserungen der Datenmanagement-Technologien in den letzten fünf Jahren haben zu bemerkenswerten Fortschritten bei der Datenanalyse und Predictive Analytics geführt. Es ist kein Wunder, dass mancher angesichts der dadurch entstandenen Begeisterung die verschiedenen Funktionen miteinander verwechselt. Big Data, maschinelles Lernen und KI sind zwar alle miteinander verwandt, sie haben jedoch unterschiedliche Prozesse mit jeweils anderen Zielen und Methoden. Unter Big Data versteht man das Management und die Analyse großer, sehr unterschiedlicher Datensätze. KI-Software analysiert Daten, um zuvor verborgene Erkenntnisse zu ermitteln, z. B. wie Zinssätze den Preis einer bestimmten Aktie beeinflussen können. ML-Software kann aus Daten Neues lernen. Sie könnten einem ML-Tool zum Beispiel eine Million digitale Bilder von Hunden und Füchsen zeigen und es würde sich beibringen, zwischen den beiden zu unterscheiden. Der Begriff Predictive Analytics meint dagegen die Verwendung der Datenanalyse, um Vorhersagen über zukünftige Ereignisse zu treffen. In der Regel umfasst dies die Auswertung von Daten zu vergangenen Ereignissen und die Verwendung von Algorithmen zum Erkennen von Mustern, um dann Prognosen zu treffen. Bis zu einem gewissen Grad sind Predictive Analytics eine spezialisierte Anwendung von Big Data, KI und ML. Stellen Sie sich zum Beispiel vor, Sie betreiben eine Flotte von Lastwagen. Sie haben Daten über Motorausfälle und Reparaturen, die sich über einen längeren Zeitraum erstrecken. Big Data stellt die Informationen zur Motorreparatur zusammen. Die KI erkennt Muster bei den Ausfällen. Durch ML lernt das Tool, potenzielle Ausfälle besser erkennen zu können. Dank Predictive Analytics können Sie anhand dieser Vorleistungen eine wohl begründete Vermutung dazu anstellen, wann ein Motor aussetzen wird – und eine entsprechende Benachrichtigung auslösen. Hier spricht man von Predictive Maintenance.

So werden Predictive Analytics für Geschäftsreisen relevant 

Ein gewisser Hype ist bei neuen Trends wie Predictive Analytics unvermeidlich. Es ist jedoch hilfreich, sich auf die praktischen und relevanten Anwendungen der Technologie zu konzentrieren. Natürlich können Sie eine Software einrichten, die ein vollständiges Profil von einem Reisenden erstellen kann, und ihn dann im Flugzeug neben einen Passagier mit demselben Sternzeichen setzen. Aber was bringt das? Ein nützlicheres Szenario könnte die Verwendung von ML sein, um die Buchungsgewohnheiten in Ihrem Unternehmen kennenzulernen und hilfreiche Schritte vorherzusagen, um Geld zu sparen oder Ihren Reisenden ein besseres Erlebnis zu bieten. Nehmen wir einmal an, Sie möchten geschäftlich nach Paris reisen. Wenn Sie einfach auf einer Geschäftsreisemanagement-Plattform oder Verbraucherseite Hotelempfehlungen anfordern, erhalten Sie Hunderte von Hotelvorschlägen. Sie können diese natürlich alle durchstöbern und sich die Karte ansehen, um verschiedene Standorte und deren Nähe zum Flughafen und zum Büro zu vergleichen.  Aber das kostet ziemlich viel Zeit. Da das Buchungssystem Sie kennt, könnte es Ihnen dank Predictive Analytics Hotels empfehlen, in denen andere Kollegen normalerweise in Paris übernachten. So ermöglicht es Ihnen, Entscheidungen basierend auf der Wahl von Personen zu treffen, denen Sie vertrauen.  Es kann die Vorschläge nach der Entfernung vom Veranstaltungsort Ihres Meetings anordnen. Zudem kann es vorhersagen, zu welchen Tageszeiten die Taxifahrten zu Ihrem Pariser Büro am längsten dauern und am teuersten sind, und Vorschläge für den Zeitpunkt machen, an dem Sie das Hotel verlassen sollten, um pünktlich zu Ihrem Meeting zu gelangen.

Predictive Analytics für Geschäftsreisen in kleinen und mittelständischen Unternehmen

Der Einsatz von Predictive Analytics als Norm für Geschäftsreisen steht kurz bevor. Egencia zum Beispiel hat innovative Wege beschritten, um sowohl große als auch kleine Unternehmen zu unterstützen – und die Möglichkeiten sind aufregend. In einem großen Unternehmen ist die Datenanalyse, die Predictive Analytics untermauert, wahrscheinlich im unternehmensinternen Buchungsverlauf für Geschäftsreisen enthalten. Für kleine und mittelständische Unternehmen werden Predictive Analytics wahrscheinlich stärker Peer-basiert sein, wenn man bedenkt, dass es einen kleineren Datensatz gibt, aus dem Erkenntnisse gewonnen werden können. Dies ist eine großartige Gelegenheit für diese Unternehmen, auf ihre Peers weltweit zu blicken und von Daten aus aller Welt zu profitieren. Stellen Sie sich ein kleines Tech-Unternehmen vor, das Mitarbeiter zu einer großen Messe nach Las Vegas senden möchte. Wenn es mit einem Travel-Management-Unternehmen (TMC) zusammenarbeitet, das Predictive Analytics nutzt, könnte es mittels Benachrichtigungen erfahren, wie es am besten sparen kann, indem es im Voraus für das Event bucht. Außerdem kann es anhand der Plattform zum Geschäftsreisemanagement Reisegewohnheiten der Vergangenheit ablesen, um die kostengünstigste und benutzerfreundlichste Erfahrung für seine Reisenden zu planen.

Herausforderungen für die Entwicklung von aussagekräftigen Predictive Analytics für Geschäftsreisen 

Die Zukunft von Predictive Analytics ist glänzend – traditionelle TMCs müssen jedoch einige Hindernisse überwinden, um Predictive Analytics in Zukunft vollumfänglich nutzen zu können. Zunächst gibt es die Daten selbst. Derzeit sind die für eine effektive Prognose benötigten Daten auf zahlreiche Online-Anbieter und Offline-Dienste verteilt. Probleme mit dezentralen Daten löst ein Modell mit einer einzigen Plattform wie das von Egencia, indem es alle an einem Ort konsolidiert. Dann gibt es die Aspekte des maschinellen Lernens und der Modellierung des Prozesses. Aus globaler Sicht könnte beispielsweise das, was Kunden in einem Land als eine gute Reiseerfahrung – oder ein gutes Angebot – betrachten, erheblich von der Ansicht in einem anderen abweichen. In einigen Regionen wird ein höherpreisiges Luxushotel eher als eine Investition in Marketing und Vertrieb gesehen, die über die Reisekosten hinausgeht. In anderen Fällen ist Luxus gemäß den Reiserichtlinien strikt verboten. Predictive-Analytics-Tools müssen der Tatsache Rechnung tragen, dass es diese Unterschiede gibt, und immer besser lernen, was sie bedeuten. Die größte Herausforderung besteht darin, Predictive Analytics in der Geschäftsreisebranche umsetzbar zu machen. Egencia hat sich mit der Tatsache befasst, dass alles miteinander verbunden sein muss, um die besten Ergebnisse zu erzielen. Das bedeutet, dass es eine Integration von Analysetools, Reiseplattformen und Richtliniendaten geben muss.

Die Zukunft von Predictive Analytics 

Derzeit arbeiten TMCs wie Egencia daran, Predictive Analytics zu einer Funktion mit Mehrwert bei Geschäftsreisen zu machen. Es handelt sich um ein relativ neues Feld voller faszinierender Ideen und potenzieller Innovationen. Die Herausforderung besteht darin, die Anwendung von Predictive Analytics so zu perfektionieren, dass Geld gespart und die Richtlinieneinhaltung erhöht wird sowie Reisende dabei unterstützt werden, ein besseres Gesamterlebnis zu genießen.