Data ที่โรงแรมไทยมีไม่ขาด — แต่ขาด “เจ้าของ” ที่รับผิดชอบให้มันถูกต้อง
Data ที่ไม่มีเจ้าของไม่มีวันสะอาด บทความนี้อธิบาย data governance โรงแรม ตั้งแต่ data ownership, SOP, ไปจนถึง audit routine ที่ทำได้จริง
โดย BoydWee
Data Governance คือ discipline ที่กำหนดว่าใครรับผิดชอบ data point ไหน ตามมาตรฐานอะไร และมีใครตรวจสม่ำเสมอ ไม่ใช่ IT project และไม่ต้องรอซื้อระบบใหม่ โรงแรมที่เริ่ม assign ownership + เขียน SOP แค่ 3 ข้อแรกจะเห็นความแตกต่างในคุณภาพ report ภายใน 4-6 สัปดาห์ (ตัวอย่างประกอบ)
โรงแรมส่วนใหญ่มี PMS, มี Channel Manager, มี OTA reports ครบ แต่ถามว่า Segment ใน PMS ตอนนี้ถูกต้องกี่เปอร์เซ็นต์? Rate Plan ที่ Revenue Manager ใช้ทำ forecast ล่าสุดนั้น mapping กับ Market Code จริงๆ ไหม? หลายครั้งคำตอบที่ได้คือ “น่าจะ” หรือ “ไม่แน่ใจ” — และนั่นคือจุดเริ่มต้นของ revenue decision ที่นั่งอยู่บน assumption ผิด
Data Governance ในบริบทโรงแรมคืออะไร
Data Governance ในที่นี้ไม่ได้หมายถึงการติดตั้ง data lake หรือ hire data engineer — หมายถึงการตอบคำถาม 3 ข้อให้ได้ชัดเจนสำหรับทุก data point ที่สำคัญในโรงแรม:
- ใครเป็น Owner? — คนที่รับผิดชอบให้ data นั้นถูกต้องและครบถ้วน
- Input ตามมาตรฐานอะไร? — SOP ที่ทุกคนเข้าใจตรงกันและทำซ้ำได้
- ใครตรวจ และตรวจบ่อยแค่ไหน? — Audit routine ที่มีกำหนดชัดเจน
เมื่อไม่มีคำตอบให้ทั้ง 3 ข้อนี้ data ก็จะค่อยๆ drift ออกจากความจริงโดยที่ไม่มีใครสังเกต จนกว่าจะถึงเวลาทำ annual review แล้วพบว่า Segment ใน PMS มี category ที่ไม่มีใครรู้ว่าหมายความว่าอะไร
3 เสาหลักของ Data Governance สำหรับโรงแรม
1. Data Ownership — ทุก Data Point ต้องมีชื่อ
กฎง่ายๆ: ถ้า data point ไม่มีชื่อคนรับผิดชอบ แปลว่าไม่มีใครรับผิดชอบ
ตัวอย่างที่ใช้ได้จริงในโรงแรมขนาดกลาง:
- Segment Code → Front Office Manager (FOM) เป็น Owner — ทุก booking ต้องถูก tag ก่อน check-in
- Rate Plan → Revenue Manager เป็น Owner — mapping กับ Market Code ต้องตรงกัน ไม่มี Rate Plan ที่ “orphan” ไม่สังกัด Segment ใด
- Market Code → Revenue Manager ร่วมกับ Sales Manager — review ทุกไตรมาส
- Guest Profile / Company Code → Reservations Manager — ไม่ให้มี duplicate profile เกิน X รายต่อเดือน (ตัวอย่างประกอบ)
Ownership ไม่ได้แปลว่าคน ๆ นั้น input ทุกอย่างเอง — แปลว่าเขาต้องการให้ตัวเลขนั้นถูกต้อง และมีอำนาจตัดสินใจเมื่อเกิด error
2. SOP — มาตรฐาน Input ที่ทำซ้ำได้
PMS data hygiene ที่ดีไม่ได้เกิดจากความระมัดระวังส่วนตัวของพนักงาน — มันเกิดจาก SOP ที่เขียนชัดว่าทำอะไร ตอนไหน และอย่างไร
ตัวอย่าง SOP ที่ควรมี:
- Segment Tagging: ต้องทำตอน check-in ไม่ใช่ check-out หรือ post-stay audit เพราะถ้าทำทีหลัง accuracy จะต่ำกว่า 70% (ตัวอย่างประกอบ) — อ่านเรื่อง Segment tagging discipline เพิ่มเติม
- Rate Plan Creation: Rate Plan ใหม่ทุก plan ต้องผ่าน Revenue Manager approve ก่อน activate — ห้าม Front Desk สร้างเองโดยไม่ผ่านกระบวนการ
- OTA Booking Source: ทุก OTA booking ต้องระบุ Market Code ที่ตรงกับ channel — ไม่ให้ default เป็น “Other” หรือ “Walk-in” โดยไม่มีเหตุผล
- Cancellation Tracking: เหตุผล cancellation ต้องถูก log ใน PMS ทุกครั้ง ไม่ใช่แค่ update status
SOP ไม่จำเป็นต้องยาว — ถ้าเขียนออกมาแล้ว 5 หน้า แปลว่ายังไม่ได้ตกผลึกว่า critical step คืออะไร
3. Audit Routine — ตรวจก่อนที่จะสาย
Audit ไม่ใช่การลงโทษ — เป็น feedback loop ที่ทำให้ระบบรู้ตัวเองว่า drift ไปมากแค่ไหน
| ความถี่ | สิ่งที่ตรวจ | ผู้ตรวจ |
|---|---|---|
| รายสัปดาห์ | Segment ที่ยัง blank / Rate Plan ที่ไม่ match | Front Office Manager |
| รายเดือน | Market Code accuracy vs. actual channel mix จาก OTA | Revenue Manager |
| รายไตรมาส | Rate Plan taxonomy review — plan ที่ไม่ได้ใช้, duplicate, naming ไม่ consistent | Revenue Manager + Reservations |
| รายปี | Full data structure review — Segment tree, Market Code list, Source Code | GM + Revenue Manager |
ผลการ audit ต้องมี escalation path: ถ้าพบ error เกินกว่า threshold ที่กำหนด ใครต้องรู้ และต้องแก้ภายในกี่วัน?
Data Governance Checklist — เริ่มจากตรงนี้
| Data Point | Owner | SOP หลัก | ความถี่ Audit |
|---|---|---|---|
| Segment Code | Front Office Manager | Tag ตอน check-in | รายสัปดาห์ |
| Rate Plan | Revenue Manager | ต้องผ่าน RM approve ก่อน activate | รายเดือน |
| Market Code | Revenue Manager + Sales | Review mapping ทุกไตรมาส | รายไตรมาส |
| Booking Source / Channel | Reservations Manager | ไม่ให้ default เป็น “Other” | รายสัปดาห์ |
| Company / Agent Profile | Reservations Manager | ตรวจ duplicate ทุกเดือน | รายเดือน |
| Cancellation Reason | Front Office | Log ทุก cancellation ใน PMS | รายสัปดาห์ |
ทำไม Data Governance ถึงสำคัญยิ่งกว่าเดิมในยุค AI
โรงแรมหลายแห่งกำลังพิจารณาใช้ BI tool หรือ AI ช่วย forecast — แต่ทุก tool เหล่านั้นทำงานบนหลักการเดียวกัน: garbage in, garbage out
AI ที่ฉลาดแค่ไหนก็ไม่สามารถแยกแยะ Segment ที่ถูก tag ผิดออกจาก Segment ที่ถูกต้องได้ ถ้า 30% ของ bookings ใน PMS มี Segment Code ผิดหรือ blank (ตัวอย่างประกอบ) — model ก็จะ learn pattern ที่ผิดและ predict ผิดตาม อ่านเรื่องนี้เพิ่มเติมได้ที่ data clean AI smart
Data Governance จึงไม่ใช่ pre-condition ของ AI adoption เท่านั้น — มันคือ pre-condition ของ Revenue Management ที่ดีทุกรูปแบบ ตั้งแต่ Excel ธรรมดาจนถึง RMS ระดับ enterprise
