Het is een simpel feit, elk bedrijf ter wereld kan profiteren van het verzamelen en analyseren van klantgegevens. Nergens kunnen de effecten van datagebruik een grotere rol spelen of een positievere impact hebben dan in de parkeerbranche. Time-in, time-out, tarieven, verblijfsduur, evenementen, weersomstandigheden, enz. spelen allemaal een rol bij de dagelijkse parkeeractiviteiten en bijgevolg bij het onder de aandacht brengen van het gebruik van de faciliteiten en parkeerpatronen.

Hoewel het verzamelen van gegevens een beetje een uitdaging kan zijn, begint het echte werk als je het eenmaal hebt verzameld. Het is geweldig om te weten dat 86 voertuigen tussen 08.00 en 09.00 uur door uw poorten zijn gereden, maar hoe kunt u geld verdienen met dit soort gegevens? Dat is waar data-analyse om de hoek komt kijken; helpen om ruwe data in geld om te zetten en het besluitvormingsproces te verbeteren. Hier zijn mijn gedachten over de nieuwe trend van data-analyse in de parkeerindustrie en hoe u ervoor kunt zorgen dat uw operator onbewerkte gegevens omzet in onbewerkt succes.

“Data is de nieuwe olie”

De grote buzz voor bedrijven tegenwoordig is dat "data de nieuwe olie is". Helaas is er nog geen "geiser" van informatie van parkeerexploitanten of de parkeerindustrie. Bijna elke parkeerexploitant ter wereld prijst het hebben van een of andere vorm van "Data Analytics" of "Business Intelligence" -oplossing voor hun klanten, maar de waarheid is dat de meeste operators zeer primitieve middelen voor gegevensverzameling hebben en heel weinig kapitaal hebben besteed aan de groei van deze nieuwe technologische bron. De meeste operators hebben ervoor gekozen om de toekomstige groei van data-analyse uit te stellen aan externe providers zoals Smarking. Als alternatief zijn leveranciers van parkeerapparatuur eindelijk begonnen met een veel meer volgehouden inspanning om data-analyse als een product/dienst te cultiveren. Aangezien hun apparatuur meestal toch parkergegevens verzamelt, waarom zou u dan niet ook een gegevensplatform en analysetools voor klanten integreren? Logisch, toch?

Maar wat kunnen of moeten parkeerexploitanten doen met de data die ze wel krijgen? Hoe kunnen ze deze informatie gebruiken om de parkeeropbrengsten en -activiteiten voor hun klanten te verbeteren?

Hier zijn mijn top vijf (5) aanbevelingen bij het overwegen van een Data Analytics- of Business Intelligence-oplossing bij uw parkeerexploitant:

1. Verifieerbaar

Exploitanten moeten certificeren dat de verzameling van onbewerkte gegevens (bijv. voor één maand) van parkeerapparatuur kan worden geverifieerd aan de hand van gerapporteerde inkomsten om ervoor te zorgen dat er geen discrepanties of hiaten in de basisgegevens zijn (bijv. ontbrekende transacties, betalingen, poortgebeurtenissen, enz.) voordat wordt gebruikt in elk Business Intelligence-platform of -applicatie(s).

2. Piloot

Operators moeten de bewezen capaciteiten of middelen van hun voorgestelde Business Intelligence-oplossing(en) duidelijk aantonen. Het tonen van een PowerPoint-presentatie met verschillende computerschermafbeeldingen is niet goed genoeg. U zou het product in realtime in een echte faciliteit moeten kunnen zien.

3. Aanpasbaar

Exploitanten moeten ervoor zorgen dat parkeergegevens voor elke parkeerfaciliteit in meerdere formaten toegankelijk zijn en dat deze overeenkomen met locatiespecifieke operationele kenmerken (bijv. kavels buitenoppervlak versus weerpatronen, verblijfsduur wanneer faciliteiten bemand zijn versus onbemand, overeenkomstige transactievolumes , uitgesplitst naar tarieven; per dag/maand/jaar, etc.) Hoe meer gedetailleerde gegevens u ontvangt, hoe beter!

4. Rapportage

Operators moeten aantonen hoe ze parkeergegevens willen gebruiken om u nuttige rapporten te kunnen verstrekken. Als bijvoorbeeld 48% van de parkeerders die tussen 06.00 en 10.00 uur een parkeerplaats op een luchthaven betreden, parkeren in de garage die het dichtst bij de ingang/uitgang van de terminal ligt en verantwoordelijk zijn voor het genereren van 70% van de totale omzet van de parkeerfaciliteit, wat betekent dat dan? Waarom is dat belangrijk? Als in dit voorbeeld de parkeerexploitant de gegevens kan presenteren om een hoger percentage reizigers die worden afgezet/opgehaald of kortparkeerders in deze faciliteit te benadrukken (voornamelijk vanwege de nabijheid van de terminal), kan de klant overwegen (of rechtvaardigen ) eventuele tariefverhogingen of variabele prijsstructuren (op basis van vraag en tijdstip). Vraag uw operator hoe hij van plan is te profiteren van de gegevens die hij verzamelt.

5. Prognose

Parkeerexploitanten moeten echte casestudy's kunnen leveren over hoe hun Business Intelligence-oplossingen historische parkeergegevens hebben gebruikt om toekomstige bezettingseisen in een parkeerfaciliteit of lage bezettingsgraden op andere momenten te voorspellen. Hun Business Intelligence-oplossingen moeten in staat zijn om gegevens te analyseren en (met redelijke zekerheid) de patronen van parkeerders per dag, week of maand enz. te voorspellen. Dit zou met name belangrijk zijn voor iedereen die een strategie voor variabele of "dynamische" prijsstelling wil implementeren.

Parkeergegevens zijn alleen nuttig als ze correct en maximaal worden benut. Het verzamelen van gegevens is slechts de eerste stap naar een succesvolle uitvoering en implementatie van een analyseoplossing, dus zoek naar een bewezen product- en serviceprovider. Alleen dan kunt u ruwe data omzetten in rauw succes in uw parkeervoorziening.

ANDERE auto- en parkeerhulpbronnen

Verwijs naar de Auto- en parkeercategorie voor checklists, how-to's en best practices voor de auto- en parkeerindustrie.

Over de auteur:

Ross Frangos is de voorzitter en oprichter van AuditPark Services Inc., een parkeeradviesbureau gevestigd in Toronto ON. Hij is gespecialiseerd in offerteaanvragen, parkeerdocumenten en het assisteren van zijn klanten bij de aanschaf van parkeerbeheerdiensten.

Topmerken in de detailhandel en horeca in de Verenigde Staten gebruiken Bindy om siteprogramma's en -standaarden uit te voeren.