Hur kan hög datakvalitet avsevärt öka hotellets lönsamhet?

Hotellmänniskor är mästare i problemlösning. Det är fantastiskt i sig och god problemlösningsförmåga är avgörande i alla företag. Så hur kommer det sig att personer som arbetar i hotellbranschen är bättre på att lösa problem än människor i andra branscher? En förklaring är att det finns fler problem att lösa på hotell och därför tränas alla i att lösa problem. Utan problemlösningsförmåga är det svårt att överleva när man jobbar på hotell. En annan förklaring är att hotell saknar struktur och organisation samt väldefinierade processer för att minimera risken att problem uppstår överhuvudtaget. Hotell är inte som Toyota, där fokus ligger på att designa metoder för att förebygga problem istället för att tvingas lösa problem. Visst har vissa hotell gedigna processer för vissa delar av sin verksamhet, men många andra hotell har för få välfungerande rutiner och litar enbart på sina anställdas problemlösningsförmåga.

Högsta ledningen på hotell skulle se på problemlösning på ett nytt sätt om de bättre förstår kostnadsskillnaderna när det gäller att förebygga och lösa problem. Många problem uppstår på grund av otillräckliga data, till exempel en dubblettbokning, ett felstavat namn och en felaktig rapport. Ofullständig data leder till fel åtgärder och kan till och med förvärra problemet. Regeln 1-10-100 som utvecklades av George Labovitz och Yu Sang Chang 1992 är enkel för alla företag att följa för att bedöma effekten av dålig datakvalitet. Regeln 1-10-100 hänvisar till de dolda kostnaderna för förluster i samband med dålig kvalitet och drar slutsatsen att förebyggande är bättre än problemlösning. Kostnaden för att förhindra att ett problem uppstår är $1, kostnaden att korrigera problemet under vägen är $10, och kostnaden för att misslyckas är $100. Kostnaden för att kontrollera att bokning inte blir dubbel när du lägger in bokningen i bokningssystemet är försumbar. Kostnaden blir tio gånger så hög när någon ska hitta en dubblettbokning vid verifiering av bokningar någon gång innan ankomst. Felet till följd av dubbelbokningen inträffar när gäster ringer för att göra en bokning och hotellet svarar "fullbokat". Resultatet är att hotellet kommer att stå med ett osålt rum. Denna kostnad är minst 100 gånger kostnaden för att göra allt rätt från början, men varken registreras eller följs upp av hotellen.

Att rätta fel är en dold kostnad och den är tio gånger så hög som att göra något rätt från början. Misslyckanden inträffar också ofta på hotell till en kostnad som är minst hundra gånger kostnaden för att göra det rätt. Inom hotellbranschen har vi till och med vårt eget namn för misslyckanden. På hotell kallar vi ett misslyckande för en "service recovery" på engelska motsvarande att "vända gästen" som resulterar i att medarbetaren gör gästen glad igen. Många fel upptäcks dock inte av hotellet förrän en dålig recension dyker upp på Tripadvisor, Booking eller Google.

Regeln 1-10-100 visar tydligt varför kvalitetsdata är en av de mest värdefulla tillgångarna på ett hotell. Så varför är det så att så många hotell struntar i eller misslyckas med att hålla en hög kvalitet? Låg datakvalitet leder till att leveransen av gästupplevelsen missas, dålig kommunikation med gästerna, missade intäktsmöjligheter och bristande efterlevnad av regelverk som t.ex. GDPR, är det viktigt att hotell börjar arbeta med kvaliteten på sin data.

 

Hotell investerar mycket tid i att implementera och hantera hotellets PMS och andra system. Alla dessa ansträngningar blir värdelösa om hotell lägger in felaktiga uppgifter i dessa system, vilket leder till lägre produktivitet, onödiga utgifter och dåligt beslutsfattande.

Hotell kan enkelt förhindra dålig datakvalitet. Här är några enkla sätt till förbättring.

Att ha en överenskommen uppsättning riktlinjer för att lägga till data i ett PMS, CRM eller andra system är en viktig utgångspunkt för alla hotell att förbättra datakvaliteten.

Tid är avgörande för medarbetare i en kundinriktad roll, t.ex. de som tar emot bokningar eller möter gästen i receptionen. Fastställ därför vilken data som minst behöver läggas in i systemen och ta bort all bra att ha, men ovidkommande data. De lämpliga fälten bör vara obligatoriska för att säkerställa att denna väsentliga information samlas in (och matas in).

Om det finns dubbletter i systemen, vidta åtgärder för att rensa bort dessa. I en idealisk värld ska hotellet förhindra att dubbletter kommer in i systemen. Vissa system kan hjälpa till genom att automatiskt söka efter dubbletter, men alla dubbletter kommer fortfarande att ta mycket tid att hantera.

Hotell har flera fristående system med data lagrad på många ställen. Data läggs in manuellt i många olika system (Vilket slöseri med tid!), vilket ökar risken för misstag. Integrera alla system och samla all data i ett centralt system för att lättare övervaka datakvaliteten och få tillgång till bättre beslutsunderlag.

Personalomsättningen är hög på hotell, så för att hålla en hög datakvalitet behöver hotellen utbilda och träna alla anställda om vikten av datakvalitet och visa på fördelarna med ökad datakvalitet ur ett personligt och företagsperspektiv. Dessutom måste hotell se till att införda regler och riktlinjer är giltiga och används.