Ivan, kannst Du dich kurz vorstellen? Wie verlief eigentlich Dein beruflicher Werdegang?
Ich bin Lead Data Scientist bei HQ Revenue, wo ich mich darauf konzentriere, die besten Forschungspraktiken, modernstes maschinelles Lernen und High-Performance Computing einzusetzen, um Einblicke in die Hospitality zu gewinnen. Ich habe ursprünglich Physik studiert und mich dabei auf Geophysik spezialisiert. Während meines Studiums hatte ich das Glück, an mehreren Forschungsprojekten bei Shell mitzuarbeiten und dabei mit einigen der besten Köpfe der Branche zusammenzuarbeiten.
Physiker und Datenwissenschaftler, ist Leiter eines Data Science-Teams bei HQ Revenue, wo er fortschrittliche Analysen durchführt und Beratungen zu maschinellem Lernen und Digitalisierung anbietet. Ivan Abakumovs Fachwissen hilft HQ Revenue dabei, bedeutende Durchbrüche zu erzielen, einsychließlich täglicher Prognosen für die Nachfrage in der Stadt, Belegungsprognosen in Echtzeit und die Analyse von Millionen von Raten pro Tag.
Woher rührt Dein Interesse an Data Science?
Im Jahr 2016, kurz vor der Verteidigung meiner Doktorarbeit, las ich einen Artikel von Brendon Hall, in dem Konzepte des maschinellen Lernens für die Klassifizierung von Gesteinsschichten vorgestellt wurden. Diese Arbeit war ein entscheidender Moment für mich, und ich wusste damals, dass ich in meiner zukünftigen Arbeit maschinelles Lernen einsetzen wollte. Zu dieser Zeit war es schwierig, eine Postdoc-Stelle mit dem Schwerpunkt maschinelles Lernen zu finden, aber ich hatte das Glück, eine Stelle an der FU Berlin zu bekommen. In dieser Funktion konnte ich Kurse über maschinelles Lernen und Deep Learning sowohl für Masterstudenten als auch für Doktoranden der Geophysik halten. Außerdem habe ich an einem Bildungsprojekt mit der DGMK mitgearbeitet, um Fachleuten aus der Industrie Schulungen zum maschinellen Lernen anzubieten. Trotz meines theoretischen Wissens war ich ziemlich heiß darauf, meine Fähigkeiten auf reale Geschäftsprobleme anzuwenden. Das führte mich zu meiner jetzigen Position bei HQ Revenue.
.jpg?width=1200&height=900&name=GRANT3_City-Cluster-Demand_BlogHeader_M%20(1).jpg)
City Demand vs. Cluster Demand
Was liefert die besseren Ergebnisse? HQ revenue bietet umfangreiche Konfigurationsoptionen ...
Was genau ist Deine Aufgabe bei HQ revenue?
Bei HQ revenue ist es meine Aufgabe, Techniken des maschinellen Lernens zu nutzen, um Einblicke in die Hotelbranche zu gewinnen. Konkret arbeiten wir mit einer großen Menge an historischen und zukunftsorientierten Daten, um Nachfrage- und Belegungsprognosen für unsere Kunden zu erstellen. Außerdem überwachen wir täglich Tausende von Märkten und stellen unseren Kunden Analysen und Trends zur Verfügung.
Zu den neuen Widgets in der HQ revenue-App zählen die Anomalie-Feed und die Anomalie-Heatmap. Kannst Du uns etwas mehr darüber erzählen?
Das Anomalie-Projekt ist eine natürliche Erweiterung unserer Arbeit. Da unsere Kunden eine beträchtliche Menge an Informationen von uns erhalten, kann es für sie eine Herausforderung sein, den Überblick über Preis-, Nachfrage- und Belegungsentwicklungen auf täglicher Basis zu behalten.
Das Anomalieprojekt hilft uns, die wichtigsten Tage für unsere Kunden hervorzuheben, so dass sie leichter über Veränderungen auf dem Laufenden bleiben und fundierte Entscheidungen treffen können.
Anomalien? Alarm!
Marktanomalien im Voraus erkennen – und nutzen! Zwei neue Widgets in HQ revenue sehen Markt-Anomalien mit einem Jahr Vorlauf. Sie weisen Revenue Management-Teams und Hoteliers auf diese hin und geben Handlungsempfehlungen. Denn Marktturbulenzen gibt es immer wieder. Wer sie nicht im Blick hat, kann einen teuren Preis bezahlen.
Kannst Du ein bisschen elaborieren? Was waren da die Herausforderungen?
Eine der größten Herausforderungen bei der Arbeit am Anomalie-Projekt war die Erstellung individueller Modelle für jeden Kunden. Es ist erstaunlich zu sehen, wie sich Hotels weltweit unterscheiden und welche unterschiedlichen Verhaltensweisen wir in verschiedenen Märkten beobachten. Ich bin stolz darauf, dass es uns gelungen ist, alle unsere Algorithmen so zu entwickeln, dass es keine vorgegebenen Parameter gibt - jeder Kunde erhält ein Modell, das ausschließlich auf der Grundlage seiner eigenen, einzigartigen historischen Daten abgestimmt ist.
Derzeit bieten wir unseren Kunden sechs grundlegende Anomalien an, die die wichtigsten KPIs abdecken, wie z. B. Veränderungen der Nachfrage, der Occupancy und wichtige Preisveränderungen.
Ich bin auch davon überzeugt, dass es noch weitere Anomalien geben kann, die unseren Kunden helfen, noch tiefere Einblicke in ihr Geschäft zu gewinnen. Ich würde mich freuen, von unseren Kunden zu hören, welche Arten von Anomalien sie gerne sehen würden.
Forecasting in einer post-pandemischen Welt
Weil historische Daten ungeeignet erscheinen, werden zukunftsorientierte Marktdaten wertvoller denn je! Umfassende, zukunftsorientierte Marktdaten können aus verschiedenen Quellen gewonnen werden, beispielsweise ...
Gibt es für Dich ein Motivations-Zitat oder sowas? Etwas, was Deine Arbeit inspiriert?
Ich wiederhole sehr gerne die folgende Frage aus Terry Pratchetts "Night Watch": "Ist jeder Unfall nur ein Design höherer Macht?" Als Data Scientists sind wir oft in der Lage, Muster in den Daten zu erkennen, die scheinbar zufällige Schwankungen auf dem Markt erklären – für manche Designs höherer Macht.
Was hat Deine frühere Karriere in der Öl- und Gasindustrie eigentlich mit dem Hotelgewerbe zu tun? Gibt es da eine Verbindung?
Es ist mittlerweile allgemein anerkannt, dass Daten das neue Öl sind. Auch wenn meine frühere Karriere in der Öl- und Gasindustrie nicht mit meiner jetzigen Arbeit in der Hotelbranche in Verbindung zu stehen scheint, kann ich wertvolle Fähigkeiten in jedem Bereich anwenden. Mein Hintergrund in der Forschung hat mich mit Fähigkeiten wie Datenanalyse, Problemlösung und Liebe zum Detail ausgestattet. Darüber hinaus habe ich durch meine umfangreichen Reiseerfahrungen einen recht guten Blick dafür, was ein außergewöhnliches Hotelerlebnis für Gäste ausmacht. Diese Fähigkeiten und Erfahrungen haben sich bei meiner täglichen Arbeit als unglaublich nützlich erwiesen.
Share this
Die Daten nutzen, die schon da sind: Die Anomalie-Widgets erklärt
Marktsegmente für Hotels: Welche Segmente generieren die meisten Einnahmen?
