Det är ett enkelt faktum, alla företag i världen kan dra nytta av att samla in och analysera kunddata. Ingenstans kan effekterna av datautnyttjande spela en större roll eller ha en mer positiv inverkan än i parkeringsbranschen. Time in, time out, priser, vistelsens längd, händelser, väderförhållanden etc. spelar alla en roll i den dagliga parkeringsverksamheten och följaktligen för att lyfta fram anläggningsanvändning och parkeringsmönster.

Även om det kan vara lite av en utmaning att samla in data, börjar det verkliga arbetet när du har samlat in det. Att veta att 86 fordon passerade genom dina grindar mellan 08:00 och 09:00 är bra, men hur kan du tjäna pengar på den här typen av data? Det är där dataanalys kommer in i bilden; hjälpa till att förvandla rådata till pengar och förbättra beslutsprocessen. Här är mina tankar om den nya trenden med dataanalys inom parkeringsbranschen och hur du säkerställer att din operatör förvandlar rådata till rå framgång.

"Data är den nya oljan"

Det stora surret för företag nuförtiden är att "data är den nya oljan". Tyvärr har det inte kommit en "gejser" av information från parkeringsoperatörer eller parkeringsbranschen än. Nästan alla parkeringsoperatörer i världen förespråkar att ha någon form av "Data Analytics" eller "Business Intelligence"-lösning för sina kunder, men sanningen är att de flesta operatörer har mycket primitiva metoder för datainsamling och har dedikerat mycket lite kapital för att växa denna nya teknologiska resurs. De flesta operatörer har valt att skjuta upp den framtida tillväxten av dataanalys till tredjepartsleverantörer som Smarking. Alternativt har leverantörer av parkeringsutrustning äntligen börjat lägga fram en mycket mer uthållig ansträngning för att odla dataanalys som en produkt/tjänst. Med tanke på att deras utrustning vanligtvis samlar in parkerdata ändå, varför inte integrera en dataplattform och analysverktyg för kunder också? Vettigt, eller hur?

Men vad kan eller bör parkeringsoperatörer göra med den data de får? Hur kan de använda denna information för att förbättra parkeringsintäkterna och verksamheten för sina kunder?

Här är mina fem (5) bästa rekommendationer när du överväger en Data Analytics- eller Business Intelligence-lösning med din parkeringsoperatör:

1. Verifierbar

Operatörer måste intyga att insamlingen av rådata (t.ex. för en månad) från parkeringsutrustning kan verifieras mot rapporterade intäkter för att säkerställa att det inte finns några avvikelser eller luckor i basdata (t.ex. saknade transaktioner, betalningar, grindhändelser, etc.) före som används i alla Business Intelligence-plattformar eller applikationer.

2. Pilot

Operatörer måste tydligt visa de beprövade kapaciteterna eller resurserna hos sina föreslagna Business Intelligence-lösningar. Att visa en PowerPoint-presentation med olika datorskärmdumpar är inte tillräckligt bra. Du bör kunna se produkten fungera i realtid i en verklig anläggning.

3. Anpassningsbar

Operatörerna måste se till att parkeringsdata kommer att vara tillgänglig i flera format för varje parkeringsanläggning och att den överensstämmer med platsspecifika driftsegenskaper (t.ex. ytor utomhus kontra vädermönster, vistelsens varaktighet när anläggningarna är bemannade kontra obemannade, motsvarande transaktionsvolymer , uppdelat på priser, per dag/månad/år, etc.) Ju mer detaljerad information du får desto bättre!

4. Rapportering

Operatörer måste visa hur de planerar att använda parkeringsdata för att ge dig användbara rapporter. Till exempel, om 48% av parkerare som går in på en flygplatsparkeringsanläggning mellan kl. 06.00 och 10.00 parkerar i garaget närmast terminalens ingång/utgång och är ansvariga för att generera 70% av de totala intäkterna från parkeringsanläggningen, vad betyder det? Varför är det viktigt? Om parkeringsoperatören i det här exemplet kan presentera data för att markera en högre procentandel av resenärer som lämnar/hämtas eller korttidsparkerare i denna anläggning (främst på grund av närheten till terminalen) kan kunden överväga (eller motivera ) möjliga prishöjningar eller rörliga prisstrukturer (baserat på efterfrågan och tid på dygnet). Fråga din operatör hur de planerar att dra nytta av den data de samlar in.

5. Prognoser

Parkeringsoperatörer måste kunna tillhandahålla verkliga fallstudier om hur deras Business Intelligence-lösningar har använt historiska parkeringsdata för att förutsäga framtida behov av beläggning i en parkeringsanläggning eller låg beläggning vid andra tillfällen. Deras Business Intelligence-lösningar måste kunna analysera data och förutsäga (med rimlig säkerhet) mönster för parkerare per dag, vecka eller månad etc. Detta skulle vara särskilt viktigt för alla som vill implementera en strategi för variabel eller "dynamisk" prissättning.

Parkeringsdata är bara användbar om den används på rätt sätt och maximalt. Att samla in data är bara det första steget mot ett framgångsrikt genomförande och implementering av en analyslösning så leta efter en beprövad produkt- och tjänsteleverantör. Först då kommer du att kunna omvandla rådata till rå framgång på din parkeringsanläggning.

ÖVRIGA bil- och parkeringsRESURSER

Referera till Bil- och parkeringskategori för checklistor, instruktioner och bästa praxis för bil- och parkeringsindustrin.

Om författaren:

Ross Frangos är ordförande och grundare av AuditPark Services Inc., ett parkeringskonsultföretag baserat i Toronto ON. Han är specialiserad på förfrågningar om förslag, parkeringsdokument och att hjälpa sina kunder med upphandling av parkeringshanteringstjänster.

Bästa detaljhandels- och hotellvarumärken i USA använder Bindy för att köra webbplatsprogram och standarder.