ภาพประกอบบทความ จัดบ้านข้อมูลใน PMS ทำได้เลยวันนี้ ไม่ต้องรอ AI · Gusornhai

GUSORNHAI
Data Foundation
Data Foundation

ข้อมูลใน PMS โรงแรมคุณพร้อมสอน AI หรือยัง? (ถ้ายัง ทำ 4 ขั้นนี้ก่อน)

ก่อนจะไปถึง AI pricing หรือ Demand Forecast — มีคำถามพื้นฐานกว่านั้นที่ต้องถามตัวเอง: ข้อมูลใน PMS ของคุณ “อ่านได้” หรือเปล่า? บทความนี้คือ checklist ลงมือทำวันนี้ — 4 ขั้น ไม่ต้องซื้อ software เพิ่ม

โดย BoydWee

คำตอบสั้นๆ

Data hygiene ใน PMS เริ่มจาก 4 ขั้น: (1) ตั้ง Tagging Convention ให้ครบทุก field สำคัญ, (2) กำหนด Weekly Data Audit 20 นาที ทุกวันจันทร์, (3) ปิดช่อง Free-Text แทนด้วย dropdown หรือ predefined list, (4) สอนทีม Front Desk และ Reservation ด้วย Context ว่าทำไมถึงสำคัญ — ไม่ใช่แค่บอก rule ภายใน 30 วัน ข้อมูลใน PMS จะเริ่มสะอาดพอที่จะนำไปใช้ใน Demand Forecast ได้

Data Hygiene คืออะไร และทำไมโรงแรมถึงต้องสนใจ

Data hygiene คือการทำให้ข้อมูลในระบบมีความสะอาด สม่ำเสมอ และอ่านได้ถูกต้อง — หมายความว่า booking เดียวกัน ไม่ว่าใคร (front desk, reservation, หรือ revenue manager) จะดูข้อมูลนั้น ก็เห็นความหมายตรงกัน

ใน PMS โรงแรม data hygiene หมายถึง: Segment codes ถูก, rate codes ถูก, booking source ถูก, ไม่มี free-text ที่กรอกมั่วๆ และ tagging ที่ใช้วันนี้ยังใช้ความหมายเดิมในอีก 3 เดือนข้างหน้า

ถ้าขาดสิ่งนี้ Demand Forecast แม่นยำไม่ได้ dynamic pricing ทำงานบน assumption ผิดๆ และ AI ที่ลงทุนซื้อมาก็ฉลาดได้แค่ระดับที่ข้อมูลป้อนให้ ดูข้อมูล series นี้เพิ่มเติมที่ ข้อมูลสะอาด AI ฉลาด

4 ขั้นตอน SOP ที่ทำได้เลยวันนี้

1

ตั้ง Tagging Convention ก่อนเป็นอันดับแรก

Tagging convention คือ “ภาษากลาง” ของ PMS — ทุกคนในทีมต้องกรอกข้อมูลด้วยชุดคำเดิม ไม่ใช่แต่ละคนเรียกสิ่งเดียวกันคนละชื่อ

สิ่งที่ต้องกำหนดให้ครบ:

  • Market Segment codes — เช่น FIT, GRP, MICE, CORP, PKG ห้ามมี Individual, Group, group, Grp ปนกัน Segment เดียวต้องมีชื่อเดียว
  • Rate codes — ชื่อ rate ต้องบอก: ช่วงเวลา + channel + เงื่อนไข เช่น BAR-WEB-2026, CORP-ABC-Q1 ไม่ใช่ RATE001 หรือ “ราคาพิเศษ”
  • Source of business — แยกชัดระหว่าง OTA ไหน (Booking.com, Agoda, Expedia) vs direct web vs Walk-in vs GDS ไม่ใช่ใส่ “online” ไว้หมด
  • Booking channel vs distribution channel — สองอย่างนี้ต่างกัน ต้องกำหนดว่าแต่ละ field ใช้เก็บอะไร

ตัวอย่างประกอบ: โรงแรมบูทีค 60 ห้อง พบว่า Segment “MICE” ถูกกรอกเป็น 7 รูปแบบต่างกันใน PMS ผลคือ report MICE revenue ต่ำกว่าความเป็นจริง 23% เพราะระบบนับไม่ครบ

2

Audit รายสัปดาห์ — สั้น แต่สม่ำเสมอ

Tagging convention จะไม่มีความหมาย ถ้าไม่มีใครตรวจว่าทีมทำตามหรือเปล่า กำหนด Weekly Data Audit เป็น routine: ทุกวันจันทร์ เช้า ไม่เกิน 20 นาที

เช็ค 5 จุดนี้ทุกสัปดาห์:

  • Bookings ที่เข้ามาสัปดาห์ก่อน — มี Segment code ว่างหรือไม่?
  • Rate codes ที่ใช้ — ตรงกับ master list หรือมี code ใหม่โผล่มาโดยไม่ได้รับอนุมัติ?
  • Source of business — มี “OTHER”, “UNKNOWN”, หรือช่องว่างมากกว่า 5% ของ bookings?
  • Group bookings — มี booking ที่ควรอยู่ใน GRP แต่ถูก tag เป็น FIT?
  • Cancellations — Reason Code ถูกกรอก หรือปล่อยว่างทุกครั้ง?

audit log ที่บันทึกนาน 8 สัปดาห์จะบอกได้ว่า error มาจากกะเช้าหรือกะดึก จาก front desk หรือ reservation ซึ่งเป็นข้อมูลที่ training program ต้องการ ไม่ใช่แค่บอกว่า “ทุกคนต้องระวัง”

3

ปิดช่อง Free-Text — จุดเล็กที่ทำลายข้อมูลมากที่สุด

Free-text field ใน PMS คือสิ่งที่ดูเหมือนสะดวก แต่เป็น enemy ของ data hygiene ที่ร้ายแรงที่สุด

เหตุผลที่ต้องปิด: มนุษย์กรอก free-text ต่างกันทุกครั้ง แม้จะหมายถึงสิ่งเดิม — “Honeymoon”, “honeymoon couple”, “ฮันนีมูน”, “คู่รัก”, “HM” ทั้งหมดนี้คือ Segment เดียวกัน แต่ระบบอ่านว่าเป็น 5 สิ่ง

Fields ที่ห้ามปล่อยเป็น free-text โดยเด็ดขาด:

  • Market Segment
  • Rate code
  • Source of business / channel
  • Cancellation reason
  • Group name (ถ้าไม่มี standardized naming)
4

สอนทีม Front Desk และ Reservation — ด้วย Context ไม่ใช่แค่ Rule

นี่คือขั้นที่หลายโรงแรมทำผิด: แจก SOP ให้อ่าน แต่ไม่บอก “ทำไม”

ทีม front desk และ reservation ที่เข้าใจว่า Segment code ที่พวกเขากรอกส่งผลต่อ pricing decision และ Demand Forecast — จะกรอกข้อมูลด้วยความระมัดระวังมากกว่าคนที่รู้แค่ว่า “ต้องกรอก”

Training ที่ได้ผล:

  • อธิบาย business impact (15 นาที) — “ถ้า Segment MICE ถูก tag ผิด revenue ส่วนนั้นหายออกจาก report” “ถ้า source of business ว่าง — เราไม่รู้ว่า Agoda vs. direct web ทำรายได้ต่างกันแค่ไหน”
  • Role-play scenario จริง — จำลองสถานการณ์ที่เกิดขึ้นบ่อยและให้ทีมฝึกกรอก
  • Quick reference card — A5 laminate ติดที่ counter front desk และ reservation desk
  • ไม่มี “ถามทีหลัง” — ถ้าไม่แน่ใจ field ไหน ให้ถามทันทีขณะ check-in ก่อน close booking

ข้อมูลที่ดีไม่ได้เกิดจากการซื้อ software ใหม่ — มันเกิดจาก discipline ที่ทำซ้ำทุกสัปดาห์

ถ้า PMS ตอนนี้ยัง untouched: Week 1 — ทำ master tagging list ให้เสร็จ, Week 2 — สอนทีม + ตั้ง weekly audit, Week 3 เป็นต้นไป — run weekly audit สม่ำเสมอ และปิด free-text field ทีละตัว

ภายใน 30 วัน ข้อมูลใน PMS จะเริ่มสะอาดพอที่จะนำไปใช้ใน Demand Forecast ดูต่อได้ที่ Hotel Demand Forecast คืออะไร และทำงานยังไง

คำถามที่พบบ่อย

ถ้า PMS เก่าและปรับ field ไม่ได้ — ยังทำ data hygiene ได้ไหม?
ได้ แต่ต้องทำ workaround: สร้าง convention สำหรับ Notes/Comments field แทน และทำ reconciliation report รายสัปดาห์ด้วย Excel ที่ pull ข้อมูลออกมา map กับ standard codes เอง ไม่ ideal แต่ดีกว่าไม่ทำ นอกจากนี้ PMS ส่วนใหญ่มี config ที่ผู้ดูแลระบบปรับได้มากกว่าที่ทีม operation รู้ — ลองติดต่อ vendor support ดูก่อน
Data hygiene แตกต่างจากการซื้อ RMS ยังไง?
RMS (Revenue Management System) คือ tool ที่ใช้ข้อมูลที่สะอาดแล้วไปวิเคราะห์และ suggest pricing — มันไม่ได้ทำความสะอาดข้อมูลให้ Data hygiene คือสิ่งที่ต้องทำก่อน ไม่ใช่หลังจากซื้อ RMS ถ้า feed ข้อมูลมั่วๆ เข้า RMS ก็จะได้ recommendation มั่วๆ กลับมา ดู AI Pricing ทำงานยังไงใน Hotel Revenue Management
ควร prioritize field ไหนก่อนถ้าทรัพยากรจำกัด?
เรียงตามผลกระทบต่อ revenue decision: (1) Market Segment — มีผลต่อ pricing strategy และ Demand analysis โดยตรง (2) Source of business / booking channel — มีผลต่อ channel cost calculation และ net revenue (3) Rate code — มีผลต่อ ADR tracking และ rate integrity (4) อื่นๆ — สำคัญแต่ fix ทีหลังได้ ถ้าสามแรกสะอาด foundation ส่วนใหญ่ก็พร้อม
Spread the love
Scroll to Top
English ↗