Quando se fala em Business Intelligence e gestão orientada a dados no setor de hotelaria, pouco se pensa no que está por trás dos dashboards bonitos de ocupação, ADR, RevPAR e faturamento.
O pressuposto de uma gestão orientada a dados é que o dado certo chegue no momento certo para a pessoa certa.
É aí que a engenharia de dados entra em cena.
A engenharia de dados é a área responsável por construir as pipelines (os scripts de extração, transformação e carregamento) que irão alimentar automaticamente os dashboards, bem como por gerenciar a infraestrutura necessária para que essas pipelines rodem sem problemas.
Sem engenharia de dados, a sua equipe continuará perdendo horas valiosas cruzando planilhas no Excel.
Por isso, neste post compartilho algumas formas utilizadas por engenheiros de dados para extrair dados de forma automatizada.
1. Extração de dados via API
Quando se pensa em extração de dados, a primeira coisa que vem à mente é a extração por meio de API.
API significa Application Programming Interface (Interface de Programação de Aplicações): é o “conector” que simplifica e uniformiza a obtenção de dados entre sistemas — conceito descrito, por exemplo, na documentação da MDN Web Docs.
A maioria das aplicações modernas possui APIs que permitem extrair dados de modo seguro, sem precisar acessar diretamente o banco de dados transacional utilizado pelo sistema, protegendo o ambiente onde as operações em tempo real do hotel acontecem. Isso vale especialmente para o PMS e para integrações com Channel Manager, motor de reservas e outros sistemas do stack hoteleiro.
Em resumo, e em linguagem um pouco mais técnica: encaminhar uma requisição HTTP (usualmente pelo método GET), realizar algum tipo de autenticação (por meio de chave de API ou tokens OAuth, por exemplo), receber e salvar os dados.
Nem tudo são flores: do lado de cá, podemos topar com APIs mal documentadas (ou com nenhuma documentação) — e as coisas ficam bem mais complicadas quando isso acontece.
2. Recebimento de dados via API
Mas e quando estamos trabalhando com sistemas que não possuem API? PMS mais antigos, que rodam no desktop (não na web), podem não ter uma API disponível — e, nesse caso, ainda precisamos dar um jeito de extrair esses dados.
Considerando que a maioria dos sistemas possui acesso à internet (isso se deve, sobretudo, à complexidade tributária do Brasil, que obrigou os sistemas a se conectarem ao mundo externo para emissão de notas fiscais, por exemplo), podemos nos valer disso e inverter um pouco a lógica.
Se antes extraíamos os dados por meio de uma API preexistente, agora teremos de construir uma API para receber os dados desse sistema.
Assim, a cada evento ocorrido no PMS — registro de uma nova reserva, um novo check-in —, o PMS envia esses dados para a API, e ela os recebe e salva em um lugar disponível para tratamento e utilização: o famoso data lake.
O único ponto de atenção nesse modelo é o histórico. Como a API passará a capturar apenas os dados daqui para a frente, precisamos realizar uma carga histórica inicial (via relatórios exportados ou leitura direta do banco). Concluída essa etapa, a automação assume o fluxo contínuo.
3. Extração direta em bancos de dados
Em último caso, poderíamos tentar um acesso direto a um banco de dados.
Como a principal preocupação seria o acesso a esses dados, os acessos devem ser estritamente limitados à leitura, garantindo a governança de dados e a segurança da operação.
Aqui, devemos tomar cuidado com o volume de dados extraído em relação à capacidade computacional do banco: ele é utilizado para realizar as transações do sistema e não pode ser sobrecarregado pelo script de extração. Você não iria querer seu PMS travando ao registrar uma nova reserva porque estamos extraindo dados nele.
4. Web scraping
E quando a informação que você precisa não está no seu sistema, mas sim no mercado? O web scraping é a técnica na qual programamos robôs para ler sites.
Na hotelaria, isso é usado para monitorar diariamente as tarifas cobradas pelos concorrentes diretos nas OTAs (Booking, Expedia) ou para raspar calendários de eventos locais. O robô faz o que um estagiário faria abrindo site por site — mas em questão de segundos.
Para transformar esse monitoramento em rotina de Revenue Management, vale ler também Monitoramento de tarifas: do dado à decisão de RM. Ferramentas como o OctoRev nascem exatamente dessa necessidade de acompanhar o compset com método.
Aqui vale o alerta: web scraping é mais frágil do que extrair dados via API. Qualquer mudança no site quebra o robô e o código precisa ser refatorado. Assim, vale a pena conferir antes se há uma API disponível no site em que se pretende extrair os dados.
Conclusão
Independente da técnica escolhida, vale lembrar: construir dashboards bonitos é apenas a ponta do iceberg.
A verdadeira maturidade analítica de um hotel está na fundação: como esses dados são extraídos, limpos e integrados em um banco de dados analítico.
Um painel alimentado por dados manuais é apenas um Excel com gráficos mais bonitos.
Ao enviar, você concorda com nossa política de cookies e a política de privacidade.