旅行およびホスピタリティ業界向け21世紀の予測

昨年は、旅行とホスピタリティ業界、旅行者やゲスト、プロバイダーやサプライヤー、従業員やステークホルダーにとって前例のないものでした。混乱の結果、移動平均での予測や、昨年対比を参照していた企業は、舵取りのできない船の舵を取ることになってしまいました。正確な予測ができなければ、旅行とホスピタリティの会社は、旅行者やゲストがいつ、何人到着するかを決定することはできません。彼らは、適切な人員配置、在庫ポジションの調整、プロモーションやイベントが業績に与える影響のモデル化、価格設定と収益管理の最適化、プロジェクトの収益やキャッシュフローの予測方法を知りません。GrubhubのシニアデータサイエンティストであるWilliam Coxは、この業界のジレンマをうまく要約し、「供給過剰は運用コストを増加させ、供給不足は顧客満足度を低下させる」と述べました。 つまり、顧客体験の向上と運用効率の最適化に重点を置いた業界では、正確な予測が不可欠です。しかし、予測不可能な状況により、正確な予測はかつてないほど困難になっています。

私の同僚と私は、予測不能にもかかわらず、予測作業のバランスを見出そうとしている業界のお客様と頻繁に話します。私たちがサポートする顧客の多様性を考えると、私たちは独自の視点で、共通のテーマや解決策を見出すことができます。インサイトを共有するよう求めているお客様も増えています。そこで、“旅行およびホスピタリティ業界向け21世紀の予測”と題した新しいホワイトペーパーにまとめました。 とりわけ、それは以下をカバーしています。

• あなたにインスピレーションを与えるお客様の成功事例
• 成果を加速するパートナー主導のイノベーション
• 組織にとってより回復力のある予測規律を構築するための業界の専門家からのガイダンス

私たちは、このホワイトペーパーが旅行会社やホスピタリティ企業にとって、現在直面している課題や今後発生するであろう課題に対処するための有用なリソースになることを願っています。旅行およびホスピタリティ業界の向け21世紀の予測 をダウンロードできます。

ホワイトペーパーの公開にあたって、私はGrubhub社のチームメンバーであるデータサイエンティストのGayan Seneviratna、エンジニアリングディレクターのSagar Sahasrabudhe、シニアデータサイエンティストのWilliam Coxと（バーチャルに）一緒に座り、この複雑な予測の機会をどのように扱うかを理解しました。

Steven M. Elinson: あなたのビジネスは多くの人に広く知られていますが、簡単に、予測に対する取り組みのユニークな特徴を説明していただけますか？

William Cox: Grubhubは、オンラインおよびモバイル向けのフードオーダリングおよびデリバリーのリーディングマーケットプレイスです。Grubhubは、レストランのオンラインプレゼンスを強化し、地元のレストランや食堂にビジネスを売り込むのを支援し、ドライバーの管理から解放されたい場合はデリバリーを行います。オペレーショナルエクセレンスは、配達を時間通りに完了させる中核であり、円滑に運用するためには、優れた予測の仕組みを持つことが基本です。注文とは、オンラインにおける需要の到達を意味し、短時間での配達所要時間という期待を伴っています。それらを実現するには、適切な数のデリバリードライバーが確実に走行できるようにするために、いくつかの予測を事前にする必要があります。Grubhub での予測ビジネスに関する機会は、複数の側面があります。

Subject Matter Expert: 私たちが話す旅行とホスピタリティ企業の多くは、15分単位で予測したいという願望を共有されます。Grubhubが懸念している時間軸についてもっと教えてもらえますか？

Gayan Seneviratna: 異なる時間軸における需要予測は、さまざまなユースケースを持ち、運用、戦術的、戦略的な意思決定をサポートします。たとえば、日次需要予測を数ヶ月間取得することで、ドライバーの研修チームは、研修に必要な新しいドライバーの人数を予測できます。これは、高成長マーケットで特に重要になります。一方、開始から完成までの配達が40分前後に続くことを考えると、数日前に30分レベルなどの、短い時間枠の需要を得ることが重要です。これにより、運用チームは、効率的なオペレーションをサポートするために、使用可能なプールから必要なドライバーの数を予測できます。さらに、非常に短期的な予測は、よりスマートな実行時の決定を下すのに不可欠です。これらの予測の時間軸は5分程度で発生する傾向があります。時間の経過とともに新しい情報が明らかになり、以前に生成された予測を更新する必要があるため、これは不可欠です。新しい情報は、需要の有機的な増加であったり、悪天候など、以前の予測では考慮されていなかったイベントによって引き起こされる可能性があります。当社の予測システムは、さまざまな時間軸にわたって、これらすべてのユースケースを考慮できる必要があります。

SME: 複数のタイムスパンを同時にカバーする方法が印象的です。事業を行っているすべての地域について、同様の課題がありますか？

Sagar Sahasrabudhe: 予測の世界では、地理全体の予測の分散を空間的な粒度と呼んでいます。Grubhub においての予測では、空間的な考慮が重要です。全国的な需要予測は、特定の戦略的意思決定を支援しますが、効率的な運用のためには、よりきめ細かく行う必要があります。これは、スケールについて疑問を投げかけています。シカゴの全域を予測するか、小さな近所で予測する方が良いのか。それともレストランレベルで予測を集計すべきか。 たとえば、レストランごとに注文が数個しかない場合など、データがまばらになると、予測モデルの精度が低下し、数千のユニットを予測するには時間がかかりすぎることがあります。しかし、広範囲なエリアに対して行われた高精度モデルは、ドライバーをどこに配置すべきかを理解するのに役立ちません。また、どの規模でも、履歴データのない新しい市場の予測は、利用可能なデータが不足しているため、困難です。これらのトレードオフと懸念事項を基に、当社のモデルの選択と予測システムの設計を行っています。

SME: Grubhubでの予測は、レッド・ツェッペリンの曲のように聞こえ始めています。予測は本質的に時間と空間の旅ですか？

WC: 予測は、私たちが期待する有機的な需要のポイント値だけに限定することはできません。代わりに、ビジネスニーズによって形作られるアクションの機能である必要があります。たとえば、プロモーションは、通常見られるものよりも多くの需要を生み出すのに役立ちます。そのような場合、プロモーションの強さに基づいて需要曲線を作成することが重要になります。これは、配送コストやキャンセルを増加させることなく、どれだけの需要をサポートできるかということに対するプロモーション投資の最適化に利用できます。このためには、当社のモデルは、あるマーケットでの過去のプロモーション経験から、または他の市場で実施された類似のプロモーションから学ぶ必要があります。

SME: これは膨大な量の作業であり、激しいスピードで驚異的なスケールで実行されているように思えます。Grubhubはこのすべてをどのように達成していますか？

Collective team: 需要を正確に予測するために、私たちはさまざまな予測モデルを調査し、実装しました。ARMAのような標準的な自己回帰統計を使用するものもあり、最近のトレンドを説明することができます。DeepAR のような他のものは、多くの地域に渡るパターンを同時に学習し、古い地域からの外挿として、新しい地域での予測を可能にします。これらのモデルにより、時間的および空間的粒度のさまざまなニーズに対応できます。当社の各モデルは、予測時に利用可能なすべての注文データについて再トレーニングされます。これら注文の時系列は Amazon Simple Storage Service (Amazon S3) から取得されます。Amazon S3 では、当社のデータレイクが Hive でアクセス可能なparquetディレクトリの形式で格納されます。モデルを再トレーニングし、日常的に予測しています。当社の自社予測ライブラリは、リサーチ（バックテスト）と実装（予測）の両方を可能にする柔軟性があり、それによって両者の違いを排除します。ただし、本番環境に必要なバッチトレーニングは CPU を大量に消費します。これは、多くの配送地域にまたがる多数のモデルが実行されるためです。そのため、当社の本番システムは Amazon Elastic Map Reduce (Amazon EMR) クラスターと Dask コンピューティングを利用して、予測作業を並列化します。完了すると、これらの予測はparquet形式で S3 テーブルに書き戻され、ダウンストリームのスケジューリングシステムがそれらを取り込むことができます。

当社の予測チームは、予測が適切に監視され、制御化であることを確認するために多大な努力を払ってきました。すべてのマーケットの予測が保存される前に、広範な自動データ検証が実行されます。たとえば、予測が昨日の予測と大きく異なるかどうかを検証します。また、より高度なモデルが予測できない場合に備えて、合理的なバックアップモデルも維持しています。これらの間、本番システムはイベントとメッセージを S3 バケットに記録します。最も重要なのは、マーケットマネージャーが、過去の事例に基づかないダイナミックな状況（異常な気象パターン、国家的なイベント、または新しいマーケティングプロモーション）に基づいて予測を調整できるようにする、ヒューマンインザループアプローチを採用しています。これにより、モデル全体の調和と合わせて、需要曲線として予測自体を調整できます。つまり、カスタム予測ソフトウェア、スピード指向の生産システム、および人間が監視する手順の組み合わせにより、Grubhubは適切な予測を行い、お客様に最大限のサービスを提供しています。

—

最終的には、予測のアートとサイエンスには、正しい組織文化とリソース、予測プロセスの継続的な改善をサポートする手順、ノイズを除去しながらデータの真のパターンと関係性を捉えることができるテクノロジーが必要です。

詳細なインサイトとガイダンスについては、AWS Travel and Hospitality Forecastingホワイトペーパーをダウンロードしてください。

著者について

Steven Elinson

Steven M. Elinson は、Amazon Web Services (AWS) のグローバルインダストリープラクティスである AWS Worldwide Business Developmentのレストラン部門を率いており、クラウドの導入を加速するお客様をサポートすることを使命としています。今日のレストランは、最適化された資産、高い利用率、予測分析、品質、安全衛生基準の遵守により、オペレーションの効率を良くしながら、パーソナライズされたシームレスに接続されたゲストエクスペリエンスを提供する必要があります。信頼できるアドバイザーとして、Stevenは幅広い知識と30年の経験を活かし、これらのゲストエクスペリエンス（トップライン）を推進し、オペレーション効率（ボトムライン）を向上させます。 AWS に入社する前は、Steven はレストランやレストランのテクノロジービジネスでさまざまなリーダーシップを発揮しました。彼の経験は、オペレーション、トレーニング、サプライチェーン、テクノロジー、新しいコンセプトの創造など多岐にわたっており、レストランのコンセプトを創造し、販売した経験もあります。パデュー大学でホテル、レストラン、観光マネジメントの理学士号、フロリダ国際大学で経営学修士号を取得しています。

翻訳はソリューションアーキテクトの平井が担当しました。原文はこちらです。