客户关系管理（CRM）数据、酒店管理系统（PMS）数据、评价数据、营销分析数据等，这些活动的数据内容并没有针对同一个目标集合在一起，而是随意散在的。要向这些数据施加一定的牵引力，我们就必须使其“去复杂化”。随着我们走进2017年，与酒店业和酒店业技术相关的所有趋势，其核心也将是让数据更具可获得性、能够整合且发挥更大的用处。业内人士认为，2017年大数据会出现以下五种演变，由此更好地服务于酒店业，从而让酒店业更好地服务于客户。

1、从数据竖井(data silo)到充分的整合

让数据更有用的第一步就是实施整合。然而，尽管市面上有大量不同功能的软件，酒店业却仍无法摆脱数据竖井。这让酒店业者管理数据变得极为艰难，让数据具有意义就更无从提起了。

以客户获得成本为例，Tnooz的肖恩·奥尼尔作了一个比喻来说明什么是客户获得成本，他表示，“你可能任何时候都不知道自己在某地居住需要承担的税务成本是多少。通常你必须要收集来自多个源头的信息，才能计算这一成本。”市面上有着大量收取可变费用的分销点，但酒店业者仍然很可能不具备确定真实成本的完备系统。无法获得真实的成本数据，明智的决策就无从谈起。

这一观点适用于所有数据。酒店业内多数从业者都在设法让数据竖井具有实际意义。若能够正确地将数据竖井整合进动态仪表盘、App等工具内，其立即就会展示出更强大的用途。此类技术是存在的，并会日益智能化（即用途更大），从而能够更广泛地被采纳。采纳这些技术的人士会发现自己在分析速度和准确性以及决策方面都获得了优势。

2、预测性情报

科林·纳吉在其批判大数据的文章中如是写道，“数据应服务于人类情感，并且要让一线员工能够具备超出预期的服务水平。实现这一点所用的活动数据越少，效果就越好。其中的原因，也是我们要直面的一个问题，那就是复杂化往往意味着被采纳度不高，而有时候大费周章地让一个假想的轮子转动起来，结果只会是失败（并且还会浪费金钱）。”

对此很多业内人士完全同意。整合是降低复杂性的第一步，但之后就需要采取服务于客人的策略。为此，预测性情报方面的跨越将使得我们能够采集地理位置、年龄、出行模式等方面的信息，并让我们能够在正确的时间将专门设计的通讯内容发送给正确的客人。最佳的数据利用效果，是数据能够有效地帮助你了解客人。幸运的是，这也以各种方式为客人谋得了福利，因为“选项更少，但有关联性的选项却更多，从而提升了购物者的体验”。

3、大型收入管理

唯一与客户服务同等重要的是要确保此服务能够带来经济效益。尽管今年预计旅客量不会有增长，但出行人员的出行花费预计将有所增长。这其中蕴含着一个巨大的机会。随着行业从基于单个房间的收入模式转向基于客人价值的收入模式，有关客人的数据和天气、社会事件、竞争商价格等酒店业者无法掌控的其他因素的数据，也必须整合在一起，以实现收入管理机会的大化。

目前为止，酒店业一直“只依赖于酒店管理系统（PMS）和中央预订系统（CRS）来设定商业准则。然而，此类技术平台没能利用其所必需的、数量日渐增长的数据源来管理多数酒店市场上日益反复多变的需求”。认识到这一事实，是处理这个问题的第一步。目前，大数据将与各项工具一道，帮助酒店整合内外部数据，从而实现更有效的收入管理。

4、聊天、机器人与更优质的通讯

2016年酒店业忽视了聊天与机器人这一趋势。2017年，此趋势将出现演变，不再只是一种面向消费者的、在预订过程中向出行者给予帮助的机器人。内部通讯、文件与数据共享等将通过聊天完成，从而改进酒店业通讯与运营业务的方式。其实，这种通讯方式将成为一种胶粘剂，将所有酒店软件粘结在一起，从而急剧提升内部通讯性能与数据的可获得性。

除了此类聊天工具外，还有各类机器人。目前我们不确定其听上去是否真的属于机器人，抑或只是一个时髦的说法，但机器人这一（极为有用的）理念已让酒店业内大量人士行动起来。如果你正好属于此类人士，那么你应该看看Slack推出的一系列贴心但分类模糊的机器人。这些机器人让简单请求执行起来轻松得多。

目前，机器人主要是用于提升内部通讯性能或帮助通过脸书Messenger和WhatsApp执行一些基本的客户服务请求。预计明年业界将更广泛地采纳机器人，用其促进与客人和员工的通讯，这将极大提升客户的体验。

5、使用移动技术

今年移动技术成为了重中之重。到现在我们已经明白，不仅消费者花在移动设备上的时间比花在台式电脑上的时间更多，其还在通过移动设备进行搜索和预订。在路上，在家里，在餐馆用餐时，在酒吧里，消费者无时无刻不随身携带着自己的移动设备。无论你喜欢与否，从运行的角度来看，移动通讯在许多方面都更快速、更有效。为确保酒店内复数工作人员都能够为了提供优质的客户服务和拥有强战略性思维而在同一时间以同等方式访问同样高级别数据，实现实时性和采用移动技术是关键。

结论

今年我们终于将看到数据更具可管理性。因此，我们也将看到业内人士有更强大的能力来针对特定目的定制数据，而下一步，就是要着手利用数据做有价值的事。随着行业相关人士努力在2017年使大数据去复杂化，“做有价值的事”也将变得更加容易。