De nos jours, les nouveaux entrants sont formatés Big Data. On veut absolument inclure dans les algo de prévision de la data dès lors qu’elle est disponible : météo (comme si le Yield n’était qu’opportuniste et se jouait dans les 4 derniers jours), concurrence (comme si elle avait toujours raison), dernières notes tripadvisor (satisfaction client), visites web (qui reflète le niveau d’activité), la situation géopolitique (ben, ça compte), et j’en passe…
Beaucoup de « bruit » pour rien ? Ce que l’on pense gagner en précision, on le perd en robustesse et en confusion. Ce que l’on gagne en profondeur d’analyse, on le perd dans le labyrinthe intellectuel des réseaux de neurones ou du deep learning. C’est regrettable de ne pas comprendre sa prévision quand on fait du RM, non ?
Trouver le juste équilibre entre les maths et le bon sens n’est pas chose aisée. C’est pourtant nécessaire. Soyons ouverts aux nouvelles possibilités techniques, mais gardons en tête que le RM de nos prédécesseurs a fait ses preuves. Qui trop embrasse mal étreint…
DANS LES ANNÉES 2000, LE RM ÉTAIT EN PLEIN ESSOR MAIS DÉJÀ TRÈS ABOUTI DANS L’AÉRIEN.
Les historiques étaient exploités de façon habile, avec des algorithmes puissants mais intuitifs, compréhensibles et explicables.
CELA POURRAIT VOUS INTÉRESSER…
Le mariage du CRM et du RMS à l’hôtel
Le 15 mars avait lieu la conférence « Le mariage du CRM et du RMS à l’hôtel ». Romain Charié, cofondateur de […]
revbell s’associe au rate shopper HQ Revenue
Parfois, pour un hôtelier, il peut être judicieux de jeter un œil à la concurrence. Pas pour les suivre à […]
Le futur de l’hôtellerie avec Gian Franco et Albert
Qui êtes-vous ? Gian Franco (GF) est un entrepreneur né au Pérou et basé en Espagne. Il est passionné par […]