Framework Hospitality Intelligence · ROS Documentation

Forecast Intelligence

Anticipar no es adivinar. Es detectar antes qué parte del resultado empieza a desviarse.

Ver frameworkExplorar evidencia
Definición

Qué es Forecast Intelligence

Forecast Intelligence es la capa de Hospitality Intelligence que convierte reservas confirmadas, ritmo de entrada, lead time, cancelaciones, ADR y señales de mercado en una lectura prospectiva. Su función no es producir una cifra estática, sino explicar qué resultado es probable, qué hipótesis sostiene esa proyección y qué tendría que cambiar para modificarla.

El problema que resuelve

Un forecast aislado puede indicar cuánto se espera facturar, pero no explica por qué. ROS lo trata como un sistema de hipótesis: compara comportamiento real, histórico, mercado y decisiones aplicadas para distinguir una desviación temporal de un problema estructural.

La pregunta central

¿Qué está intentando enseñarnos el sistema antes de que tomemos una decisión?

Criterio operativo

Preguntas que debe responder

01

¿El activo está adelantado o retrasado respecto a su curva esperada?

02

¿La falta de pickup es una señal real o una consecuencia del lead time?

03

¿Qué parte del forecast depende de demanda todavía no materializada?

04

¿Conviene proteger ADR, acelerar ocupación o no intervenir?

05

¿Qué canal debe aportar el siguiente tramo de producción?

06

¿Qué escenario cambia si aumenta la cancelación?

Señales

Variables que interpreta

Ninguna variable se utiliza de forma aislada. Su valor aparece cuando se contrasta con el contexto, el momento comercial y el comportamiento del activo.

OTB
Pickup
Pacing
Lead Time
ADR OTB
Ocupación futura
Cancelaciones
Wash
Compresión
Price Position
Estancia media
Forecast Accuracy
Framework ROS

De los datos a una decisión reproducible

1. BaselineDefinir la fotografía inicial del activo, mercado e histórico.
2. SeñalesObservar OTB, pickup, pacing, lead time y cancelaciones.
3. HipótesisExplicar por qué el resultado esperado se está formando así.
4. EscenariosConstruir escenario base, protección y corrección.
5. DecisiónIntervenir solo cuando una señal cambia la lectura.
6. AprendizajeComparar forecast y resultado para mejorar el sistema.
Evidence Collection

Casos que construyen el criterio

Cada caso conecta contexto, señal, hipótesis, intervención y aprendizaje. La evidencia no adorna la metodología: la modifica.

CS-016

Chipiona · protección temprana del ADR

Una reserva de siete noches para septiembre, el posicionamiento por debajo del mercado y el lead time disponible indicaron que el objetivo debía pasar de captar demanda a proteger valor. Se aplicó +25 % en fechas de agosto y +15 % en septiembre. Estado: en observación.

CS-014

Toledo · ajuste táctico sin cambiar estrategia

La Habitación 1 mostró pickup inexistente, pero Booking mantenía buenos indicadores estructurales. Se redujo temporalmente el precio base y mínimo solo para julio y agosto. El forecast distingue una corrección localizada de un cambio de posicionamiento.

CS-016

Chipiona · doble corrección tras cancelaciones

PriceLabs ya había reaccionado a la pérdida de ocupación. Los overrides manuales duplicaron la bajada y deterioraron el ADR OTB. El aprendizaje fue observar primero la respuesta del RMS antes de corregir el forecast con otra intervención.

Revenue Notes

Observaciones operativas

RN-01 · Una reserva no cierra el forecast: aporta nueva información sobre la disposición a pagar.
RN-02 · La ocupación visible puede ser baja y, aun así, existir escasez futura suficiente para proteger ADR.
RN-03 · Una desaceleración de pickup no exige automáticamente una bajada; primero debe contrastarse con lead time y reacción del RMS.
RN-04 · El Early Booker puede gestionar pacing cuando responde a una ventana temporal concreta.
RN-05 · El forecast debe mostrar qué parte del resultado está confirmada y qué parte depende de hipótesis.
RN-06 · La precisión del forecast mejora cuando cada desviación se documenta y vuelve al sistema.
ROS Learnings

Aprendizajes conectados

RL-01 · La compresión comienza antes de la ocupación visible.
RL-02 · No modificar precios sin validar lead time y pickup.
RL-03 · La mejor decisión puede ser no intervenir.
RL-04 · Una reserva valida una hipótesis, no únicamente una tarifa.
RL-05 · Las cancelaciones cambian el inventario, pero no siempre cambian la demanda estructural.
RL-06 · El histórico demuestra capacidad; el mercado aporta contexto.
Principio ROS

El criterio que permanece

El forecast no es una promesa sobre el futuro. Es una hipótesis operativa que debe explicar qué señales la sostienen y qué decisión corresponde en cada escenario.

Estado metodológico: principio consolidado a partir de observaciones, conversaciones y casos documentados. Su aplicación concreta debe validarse en el contexto de cada activo.

Knowledge Graph

Cómo circula el conocimiento

Operator Conversation Case Study Revenue Note ROS Learning Principio Regla ROS
Preguntas frecuentes

Forecast Intelligence en la práctica

¿Qué diferencia a Forecast Intelligence de un análisis tradicional?

No se limita a mostrar métricas. Relaciona señales, formula hipótesis, propone decisiones y registra el resultado para que el sistema aprenda.

¿Necesita muchos datos para empezar?

Necesita una baseline suficiente y criterios explícitos. La calidad de la interpretación importa más que acumular métricas sin una pregunta concreta.

¿Sustituye al software de revenue?

No. Los sistemas calculan y automatizan. ROS interpreta el contexto, define límites y decide cuándo intervenir.

¿Cómo se valida una decisión?

Se registra la hipótesis, el cambio aplicado, el periodo de observación, las señales posteriores y el aprendizaje generado.

¿Puede aplicarse a un único alojamiento?

Sí. La arquitectura es escalable, pero también permite analizar un activo individual con mayor trazabilidad y disciplina.

Aplicación

¿Quieres aplicar Forecast Intelligence a tu activo?

Analizaremos el problema dominante antes de proponer una intervención. El objetivo no es añadir herramientas, sino mejorar la calidad de las decisiones.