21.02.2019

Forecast para hotéis: colocando a mão na massa!

Você já leu aqui no blog sobre os primeiros passos para fazer a previsão de demanda futura (forecast) no seu hotel e, certamente, percebeu os benefícios dessa ferramenta de gestão.

Afinal, profissionais de RM (Revenue Management) sabem que quanto maior sua capacidade de prever a demanda, melhor será seu planejamento e mais eficiente será sua tomada de decisão.

No post de hoje, vamos aprofundar o tema e você vai conhecer mais sobre:

• Métodos de forecast para hotéis
• Como medir a margem de erro
• Dicas práticas para fazer um bom forecast

Vamos lá!

# Métodos de forecast para hotéis

Seja no modelo manual ou no automatizado, existem 3 formas de avaliar os números e fazer o forecast do seu hotel. Confira:

• MÉTODO HISTÓRICO

Neste método para prever a demanda futura, o RM vai usar a média diária histórica de total de apartamentos ocupados ou check-ins realizados versus tempo de permanência.

É importante que esse levantamento de dados históricos seja feito de forma segmentada, ou seja, fazendo uma distinção entre demanda com características diferentes, por exemplo:

• Dia de semana normal versus feriados versus dias de grandes eventos, ou
• Segmentos diferentes como: demanda de acordos versus demanda de tarifa pública versus demanda promocional.

Normalmente usa-se 1 ou 2 anos de histórico. Para “limpar” os números e ter um valor confiável para análise, o Revenue Manager deve aplicar aos dados históricos os conceitos de média móvel e regressão linear:

• Na média móvel descarta-se a data mais antiga e soma-se a data mais recente. Esse processo é útil para manter o forecast alinhado com o comportamento da demanda ao longo do tempo.

• Já na regressão linear, o objetivo é identificar e excluir os desvios e as variáveis que podem alterar a média de ocupação em determinada data.

 

• MÉTODO BOOKING PACE/PICK UP

Para ilustrar este método na prática, vamos supor que você está fazendo a previsão de demanda para uma sexta-feira daqui 15 dias.

Assim, é preciso identificar qual é a média histórica de pick-up das sexta-feiras com 15 dias de antecedência. Ou seja, quantos room nights líquidos (reservas que entraram, menos as reservas canceladas) acontecem com a antecedência de 15 dias em relação às sextas-feiras.

Imaginando que encontrou na média de pick-up o valor de 40 room nights, você já pode acrescentar esse valor ao seu OTB (On The Books) atual e considerar que essa é a sua previsão de demanda futura para a data em questão.

• MÉTODO COMBINADO

A forma mais comum de se preparar o forecast na hotelaria, principalmente quando é feito de forma manual (alimentando planilhas), é mesclando os dois métodos apresentados acima.

Ainda usando como exemplo a sexta-feira com os 15 dias de antecedência: é possível olhar para o OTB atual e comparar com o OTB médio. Então, se você tem hoje 10 apartamentos reservados (e este número é bastante parecido com a média de OTB histórica) e sabe que seu pick-up para o período é de 40, a previsão é que você terá nesta sexta feira 50 aptos vendidos.

Além do método é importante: Definir o que se quer prever: room nights ou chegadas Nível de agrupamento: total (individual versus grupo) por segmento, rate code ou LOS (Length of Stay). Tipos de demanda: restrita ou irrestrita Quais/quantos períodos incluir Medir precisão do forecast (margem de erro)

# Como medir a margem de erro

Antes de qualquer coisa, é importante destacar que o primeiro ponto que leva ao erro de forecast na hotelaria é quando o RM não “limpa” a base histórica e acaba considerando na média dados discrepantes (também conhecidos como outliers).

Feita essa revisão nos números, você já pode aplicar as técnicas de MAPE (Média Absoluta Percentual de Erro) ou MAD (Desvio Médio Absoluto em Unidades) para medir a margem de erro do forecast, conforme abaixo:

• MAPE

Para identificar a diferença entre os valores previstos e realizados deve-se utilizar a fórmula: Diferença = (realizado – previsto) / Realizado.

Se calcularmos a MPE (Média Percentual de Erro), veja esta informação na linha “Diferença” na planilha abaixo, observamos 1,1% de erro que é quase nada, certo? Porém se olharmos separadamente veremos um dia em que a margem de erro foi de 27,4% como terça feira ou -26,1% no sábado, então como explicar uma média da semana tão baixa?
Isto ocorre justamente porque os valores negativos acabam compensando os positivos. Para eliminar este efeito, ao invés de usarmos a MPE, calculamos a MAPE (Média Absoluta Percentual de Erro), ou seja, a média dos percentuais de diferença sem considerar o sinal negativo, obtendo então a margem de erro média desta semana de 12,7%.

• MAD (Desvio Médio Absoluto em Unidades)

Trata-se da mesma dinâmica de cálculo, mas ao invés de considerar porcentagem de erro, considera-se a diferença de apartamentos errados. Veja:

Vale lembrar que o nível de precisão do forecast depende de fatores como: Elaboração correta / dados históricos e futuros consistentes (reservas OTB sem erros e sem reservas técnicas); Conhecimento da dinâmica da demanda do hotel; Repetição de padrões (hotéis novos têm muitas mudanças até que se encontre um padrão); Mudanças estratégicas que podem alterar o padrão (novas estratégias que visam mudar a demanda padrão, por exemplo, promoções agressivas para elevar a demanda em finais de semana).

A margem aceitável de erro para um forecast na hotelaria pode mudar de acordo com o tipo de hotel, praça ou fatores externos. Em pesquisa realizada durante recente webinar realizado pela Mark Up Consult  foi constatado que 48% dos participantes que afirmaram medir sua margem de erro, o nível aceitável nos seus hotéis estava entre 0% e 5%.

E no seu hotel, como está?

No mercado em geral, o entendimento sobre a margem de erro no forecast hoteleiro é o seguinte:

• Entre 0 e 5% de erro seu forecast pode ser considerado consistente.
• Entre 5 e 10%: seu forecast está maduro, mas alguns picos de erro ou mudanças de padrão podem estar impactando seu desempenho.
• Acima de 10% de erro: é possível assumir que seu forecast não é confiável para ser utilizado como base na tomada de decisão.

# Dicas práticas para fazer um bom forecast

Confira nosso check-list de boas práticas para otimizar a produção do seu forecast na hotelaria:

1. Registre diariamente OTB ao menos 1 ano à frente e estude o comportamento padrão de demanda.
2. Separe os registros em “individuais” e “grupos”.
3. Escolha bem o período base (referência histórica) para prever a demanda futura.
4. Identifique e exclua da base histórica os números fora do padrão de fechamento e de Pace (os outliers).
5. Confira se grupos/eventos OTB do mês de forecast estão com receita/DM corretas.
6. Quando a demanda total prevista superar a capacidade de inventário do hotel, registrar à parte o excedente para efeito de revisão posterior.
7. Acompanhe sempre a margem de erro do seu forecast.
8. Após o fechamento do mês, meça a precisão do seu forecast em 3 pontos de tempo, por meio do cálculo MAPE/MAD:
   1. Forecast feito aproximadamente 30 dias antes do mês começar;
   2. Forecast feito aproximadamente 15 dias antes do mês começar;
   3. Forecast feito aproximadamente 1-5 dias antes do mês começar.
9. Identifique os dias de maior erro (para mais ou para menos) e analise os motivos possíveis, como: erro de previsão, mudança de comportamento da demanda, dia atípico, entre outros.

Se você ainda não iniciou um processo formal de forecast no seu hotel ou está buscando melhorias para todo o Revenue Management, saiba que já existe um curso focado em RM e 100% online para você fazer quando e onde puder.

As aulas trazem exercícios que simulam situações reais de mercado e você pode interagir com uma instrutora especializada, trocar experiências com outros participantes e aplicar o conhecimento rapidamente no seu dia a dia.

Conheça os detalhes do curso online de Revenue Management!

Continue acompanhando nosso conteúdo e fique à vontade para sugerir temas do seu interesse aqui nos comentários.

Até o próximo post!

demanda, forecast, futura, revenue management