Tirol Werbung / Data and Innovation TOURISM FAST FORWARD 2021 1
Open Data als Basis für
Zukunftsprognosen im
Tourismus
Julia Vögele & Christian Klingler, Tirol Werbung

Tirol Werbung / Data and Innovation TOURISM FAST FORWARD 2021 2
Partner
Team Daten & Innovation – ein Beispielprojekt
im Rahmen des Uni-Lehrgangs Digital Tourism Experts
Institut für Informatik
Institut für Wirtschaftsinformatik,
Produktionswirtschaft und Logistik
Destinationen
Unternehmen
Implementierung

Tirol Werbung / Data and Innovation TOURISM FAST FORWARD 2021 3
Fragen & Antworten
? Warum es für Destinationen wichtig ist die Indikatoren “Auslastung” und “Preis” zu
monitoren
? Welche Buchungs- und Preisdaten in den Destinationen bereits vorhanden sind
? Welche Vorteile wir in einem OpenData-Ansatz gegenüber proprietären Systemen
sehen
? Welche Prognosemodelle wir im Pilotprojekt einsetzen
? Welche rechtlichen und technologischen Hindernisse wir überwinden mussten

Tirol Werbung / Data and Innovation TOURISM FAST FORWARD 2021 4
Ziel des Projekts
Langfristige Ziele eines Destinationsmonitors:
 Preise anpassen
– entsprechend der Nachfrage und den tatsächlichen Preisen
Beispiel: stark nachgefragter Zeitraum  Vermieter können Preise anziehen
 Ressourcen anpassen
– entsprechend der kommenden Nachfrage
Beispiel: keine Marketingkampagne für eine voraussichtlich ohnehin ausgebuchte Woche
 Destinationssteuerung
Showcase für einen Destinations-Monitor,
bei dem Preis-, Anfrage- und Buchungsentwicklungen
tagesaktuell und zukunftsgerichtet abgebildet werden.

Tirol Werbung / Data and Innovation TOURISM FAST FORWARD 2021 5
Wir Touristiker:innen haben die Daten.
Buchungs- und Preisdaten sind in den Destinationen vorhanden
aber nicht systematisch genutzt - von Dritten gesammelt.
Booking.com?
OTAs bilden nur die Online-Buchungen ab = nur ein Teil des Marktes
Property Management Systeme (PMS) bilden die echten Preise ab
z.B. easybooking, Casablanca, Feratel, Fidelio, Protel, …
Offene Daten = öffentlich, frei, transparent, nutzbar
 Buchungen
 Stornierunge
n
 Zeitpunkt
 Auslastung
 Preis

Tirol Werbung / Data and Innovation TOURISM FAST FORWARD 2021 6
Herangehensweise
Buchungs-
daten KG Dashboard
Knowledge Graph „Destination Monitor“
Property Management System
zB easybooking
pseudonymisieren
(nur nötige Daten)
Prognosemodell
Data Sourcing
Metriken
Showcase
Datenstruktur
Data Processing
Infochart:
Christian
Klingler,
Tirol
Werbung

Tirol Werbung / Data and Innovation TOURISM FAST FORWARD 2021 7
Domain Specifications für schema.org
Technologischer
Partner STI der
Universität Innsbruck
hat für den KG eine
Domain Specification
für schema.org
entwickelt.
Quelle:
STI
Universität
Innsbruck,
https://semantify.it/ds/_Gb-kXzmk

Tirol Werbung / Data and Innovation TOURISM FAST FORWARD 2021 8
Destinations-Monitor
Prognose für weitere Wintersaison
Buchungsdaten laufende Saison
Beispiel für den Use Case „Buchungsprognose Mayrhofen Winter 2020/21“
Quelle:
Stefan
Häussler,
Institut
für
Wirtschaftsinformatik
der
Universität
Innsbruck

Tirol Werbung / Data and Innovation TOURISM FAST FORWARD 2021 9
Prognosemodell
Institut für Wirtschaftsinformatik der Universität Innsbruck wählt Prognosemodelle
 Klassische Statistikmodelle
 Machine Learning-Methoden
Buchungsmonitor
in R programmiert: historische Buchungsdaten + Prognosemodell visualisiert
Optimierungspotenzial
Weitere buchungsrelevante Inputs
zB Buchungsdaten, Search Index (Google Trends), Website Traffic,
Wetter, Ferienkalender, Buchungsanfragen, …

Tirol Werbung / Data and Innovation TOURISM FAST FORWARD 2021 10
Prognosemodelle
Institut für Wirtschaftsinformatik der Universität Innsbruck
 Klassische Time Series Modelle
 Machine Learning-Methoden
(uni/multivariate AI-Modelle)
Optimierungspotenzial
Weitere buchungsrelevante Inputs
zB Google Trends (GT), Website Traffic (WT),
Wetter, Ferienkalender, Buchungsanfragen, …
Quelle:
Stefan
Häussler,
Institut
für
Wirtschaftsinformatik
der
Universität
Innsbruck

Tirol Werbung / Data and Innovation TOURISM FAST FORWARD 2021 11
Prognosemodelle
Institut für Wirtschaftsinformatik der Universität Innsbruck
 Klassische Time Series Modelle
 Machine Learning-Methoden
(uni/multivariate AI-Modelle)
Optimierungspotenzial
Weitere buchungsrelevante Inputs
zB Google Trends (GT), Website Traffic (WT),
Wetter, Ferienkalender, Buchungsanfragen, …
Quelle:
Stefan
Häussler,
Institut
für
Wirtschaftsinformatik
der
Universität
Innsbruck

Tirol Werbung / Data and Innovation TOURISM FAST FORWARD 2021 13
Learnings & Hindernisse
Abgesehen von Wahl der Ontologien, Datenspeicherung, Mapping der Datenschnittstellen und Prognosemodell
 Sourcing der Datenquellen
kontinuierlicher Datenimport & Automatisierung
 Dubletten
 Skalierung
Weitere Destinationen und Datenquellen, Vereinbarungen mit Regionen, PMS Systeme, …
 Datenschutz
DSGVO-konform (Pseudonymisierung, >1 Betrieb pro Kategorie, …)
Ziel: Freier Datensatz für Buchungen und Preisentwicklung
 Visualisierung

Tirol Werbung / Data and Innovation TOURISM FAST FORWARD 2021 14
Wertschöpfungsorientierter Tourismus
Bisher nur Ankünfte & Nächtigungen als KPIs im Tiroler Tourismus
Neue Tourismusstrategie „Tiroler Weg“: Wertschöpfung als Ziel
Problem: Wertschöpfungsberechnung über Jahre im nachhinein
Für eine aktuelle Wertschöpfungsberechnung benötigen wir aktuelle Buchungs- und Preisdaten.
Wenn Ziel Wertschöpfung, dann Datengrundlage nötig
Nicht aus Bauch heraus – Trend zum datengetriebenen Business
Neue KPIs

Tirol Werbung / Daten & Innovation TOURISM FAST FORWARD 2021 15
Tirol Werbung
Daten & Innovation
julia.voegele@tirolwerbung.at
christian.klingler@tirolwerbung.at
Zum Schluss noch
etwas
Cat content