Det er en simpel kendsgerning, at enhver virksomhed i verden kan drage fordel af at indsamle og analysere kundedata. Ingen steder kan effekterne af dataudnyttelse spille en større rolle eller have en mere positiv effekt end i parkeringsbranchen. Time in, time out, takster, opholdets længde, begivenheder, vejrforhold osv. spiller alle en rolle i den daglige parkeringsdrift og dermed i at fremhæve faciliteternes brug og parkeringsmønstre.
Selvom det kan være lidt af en udfordring at indsamle data, starter det rigtige arbejde, når du har indsamlet dem. At vide, at 86 køretøjer passerede gennem dine porte mellem 8.00 og 9.00 er fantastisk, men hvordan kan du tjene penge på denne form for data? Det er her, dataanalyse kommer ind i billedet; hjælpe med at omsætte rådata til penge og forbedre beslutningsprocessen. Her er mine tanker om den nye trend inden for dataanalyse i parkeringsbranchen, og hvordan du sikrer, at din operatør forvandler rå data til rå succes.
"Data er den nye olie"
Den store buzz for virksomheder i dag er, at "data er den nye olie". Desværre har der ikke været en "gejser" af information, der strømmer fra parkeringsoperatører eller parkeringsindustrien endnu. Næsten alle parkeringsoperatører i verden forlanger at have en form for "Data Analytics" eller "Business Intelligence" løsning til deres kunder, men sandheden er, at de fleste operatører besidder meget primitive metoder til dataindsamling og har dedikeret meget lidt kapital til at dyrke denne nye teknologiske ressource. De fleste operatører har valgt at udskyde den fremtidige vækst af dataanalyse til tredjepartsudbydere som f.eks Smarking. Alternativt er leverandørerne af parkeringsudstyr endelig begyndt at gøre en meget mere vedvarende indsats for at dyrke dataanalyse som et produkt/service. I betragtning af at deres udstyr normalt alligevel indsamler parker-data, hvorfor så ikke også integrere en dataplatform og analyseværktøjer til klienter? Giver mening, ikke?
Men hvad kan eller bør parkeringsoperatører gøre med de data, de får? Hvordan kan de bruge disse oplysninger til at forbedre parkeringsindtægter og -drift for deres kunder?
Her er mine top fem (5) anbefalinger, når du overvejer en Data Analytics- eller Business Intelligence-løsning med din parkeringsoperatør:
1. Verificerbar
Operatører skal attestere, at indsamlingen af rådata (f.eks. for en måned) fra parkeringsudstyr kan verificeres i forhold til rapporterede indtægter for at sikre, at der ikke er nogen uoverensstemmelser eller huller i basisdataene (f.eks. manglende transaktioner, betalinger, gatehændelser osv.) før bliver brugt i enhver Business Intelligence-platform eller -applikation(er).
2. Pilot
Operatører skal tydeligt demonstrere de dokumenterede evner eller ressourcer i deres foreslåede Business Intelligence-løsning(er). Det er ikke godt nok at vise en PowerPoint-præsentation med forskellige computerskærmbilleder. Du bør være i stand til at se produktet arbejde i realtid i en faktisk facilitet.
3. Kan tilpasses
Operatørerne skal sikre, at parkeringsdata vil være tilgængelige i flere formater for hver parkeringsfacilitet, og at de stemmer overens med stedspecifikke driftskarakteristika (f.eks. udendørs arealer vs. vejrmønstre, opholdets varighed, når faciliteterne er bemandede kontra ubemandede, tilsvarende transaktionsmængder , opdelt efter satser, pr. dag/måned/år osv.) Jo mere detaljerede data du modtager, jo bedre!
4. Indberetning
Operatører skal demonstrere, hvordan de planlægger at bruge parkeringsdata til at give dig nyttige rapporter. For eksempel, hvis 48% af parkere, der kommer ind i en lufthavnsparkeringsfacilitet mellem kl. 06.00-10.00, parkerer i garagen tættest på terminalens indgang/udgang og er ansvarlige for at generere 70% af den samlede parkeringsindtægt, hvad betyder det så? Hvorfor er det vigtigt? Hvis parkeringsoperatøren i dette eksempel er i stand til at præsentere dataene for at fremhæve en højere procentdel af afgange/afhentninger af rejsende eller korttidsparkerende i denne facilitet (hovedsageligt på grund af nærheden til terminalen), så kunne klienten overveje (eller begrunde ) mulige prisstigninger eller variable prisstrukturer (baseret på efterspørgsel og efter tidspunkt på dagen). Spørg din operatør, hvordan de planlægger at udnytte de data, de indsamler.
5. Forecasting
Parkeringsoperatører skal være i stand til at levere reelle casestudier af, hvordan deres Business Intelligence-løsninger har brugt historiske parkeringsdata til at forudsige fremtidige krav om belægning i en parkeringsfacilitet eller lav belægning på andre tidspunkter. Deres Business Intelligence-løsninger skal være i stand til at analysere data og forudsige (med rimelig sikkerhed) parkers mønstre efter dag, uge eller måned osv. Dette ville være særligt vigtigt for alle, der ønsker at implementere en strategi for variabel eller "dynamisk" prissætning.
Parkeringsdata er kun nyttige, hvis de udnyttes korrekt og til deres maksimale potentiale. Indsamling af data er kun det første skridt mod en vellykket eksekvering og implementering af en analyseløsning, så søg efter en gennemprøvet produkt- og serviceudbyder. Først da vil du være i stand til at omsætte rå data til rå succes på din parkeringsplads.
ANDRE automotive og parkeringsRESOURCER
Der henvises til Bil- og parkeringskategori for tjeklister, how-tos og bedste praksis for bil- og parkeringsindustrien.
Om forfatteren:
Ross Frangos er formand og grundlægger af AuditPark Services Inc., et parkeringskonsulentfirma med base i Toronto ON. Han har specialiseret sig i anmodninger om forslag, parkeringsdokumenter og at bistå sine kunder med indkøb af parkeringsstyringstjenester.
