universidade federal de santa catarina departamento … · de viagem e turismo e contribuem de...
TRANSCRIPT
UNIVERSIDADE FEDERAL DE SANTA CATARINA
DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO E
SISTEMAS
Eduardo Antônio Marçal
ANÁLISE DE VIABILIDADE DE OVERBOOKING
PARA RESERVAS DE HOTEL UTILIZANDO O
NEWSVENDOR MODEL
Trabalho de Conclusão de Curso
apresentado ao Departamento de
Engenharia de Produção e Sistemas da
Universidade Federal de Santa Catarina,
como requisito parcial para obtenção do
título em Engenharia área Mecânica,
habilitação Produção Mecânica.
Orientador: Prof. Carlos Ernani Fries,
Dr.
Florianópolis
2018
Ficha de identificação da obra elaborada pelo autor através do Programa
de Geração Automática da Biblioteca Universitária da UFSC.
Eduardo Antônio Marçal
ANÁLISE DE VIABILIDADE DE OVERBOOKING
PARA RESERVAS DE HOTEL UTILIZANDO O
NEWSVENDOR MODEL
Este Trabalho de Conclusão de Curso foi julgado
adequado e aprovado, em sua forma final, pelo Curso de
Graduação em Engenharia de Produção Mecânica, da
Universidade Federal de Santa Catarina.
Florianópolis, 28 de maio de 2018.
________________________
Prof. ª Marina Bouzon, Dra.
Coordenadora dos Cursos de
Graduação em Engenharia de Produção
Banca Examinadora:
________________________
Prof. Carlos Ernani Fries, Dr.
Orientador
Universidade Federal de Santa Catarina
________________________
Prof.
Universidade Federal de Santa Catarina
________________________
Prof.
Universidade Federal de Santa Catarina
À minha família e aos meus amigos,
pelo apoio recebido durante a
elaboração deste trabalho.
AGRADECIMENTOS
À minha família, em especial a meus pais, Paula Brill Antônio e
Roberto Caparelli Marçal, pelo incondicional apoio e incansável
dedicação durante toda minha trajetória acadêmica.
Ao meu avô Amin Antônio, cuja perseverança e coragem
serviram de exemplos para que eu pudesse chegar até aqui.
Ao meu orientador Carlos Ernani Fries, pela constante atenção e
paciência e por contribuir com a expansão dos meus conhecimentos.
Aos meus amigos, em especial, a Bruno Fontoura de Carvalho
Malvezzi, por suas contribuições ao trabalho e pelos longos anos de
parceria.
A Osmar Horta Junior, pela paciência e presteza durante a
elaboração e execução do trabalho.
A todas as pessoas que contribuíram direta e indiretamente para
a realização desta pesquisa.
À UFSC, pela oportunidade de transformação e de
autoconhecimento.
One does not discover new lands without
consenting to lose sight of the shore for a
very long time.
(André Gidé,1925)
RESUMO
O setor viagens e turismo é grande representatividade suma para países e
é responsável por impulsionar a economia e gerar contribuições sociais,
como renda e emprego para os cidadãos. Serviços de hospedagem,
representados pelas atividades de hotelaria, são integrantes da indústria
de viagem e turismo e contribuem de forma direta com o setor. De
maneira geral, as margens de lucro de hotéis sofreram impactos negativos
advindos da crise econômica do país. No entanto, em momento de futura
retomada econômica do país, é ideal que empresas do setor hoteleiro
reexaminem suas práticas de gestão, na forma de garantir a eficiência de
alocação de recursos no momento de transição, buscando alternativas para
aumentar a rentabilidade dos negócios e posicionar-se de maneira
competitiva no mercado. Uma das maneiras conhecidas de aumentar as
receitas para o segmento hoteleiro é a realização de overbooking, em
português, sobrevenda. A prática se justifica na medida em que o hotel se
protege de episódios de no-shows e cancelamentos, frequentes no setor.
A prática necessita ser minuciosamente planejada, com conhecimento dos
custos envolvidos na decisão, bem como no perfil histórico de no-shows
da empresa. A pesquisa visa realizar um estudo de caso que avalie a
viabilidade de realização de overbooking para um hotel localizado em São
Paulo-SP através da aplicação do Newsvendor Model. Como resultado, o
trabalho conclui que não há viabilidade de realização de overbooking pelo
histórico pouco frequente de no-shows e, neste contexto, não sugere a sua
aplicação, pelo fato da gestão da empresa já se antecipar aos fenômenos
de no-shows e cancelamentos sem que haja sobrevenda.
Palavras-chave: Overbooking, Quartos de Hotel, Newsvendor Model
ABSTRACT
The travel and tourism sector is highly representative for countries and is
responsible for boosting the economy and generating social contributions
such as income and employment for its citizens. Hosting services,
represented by hotel activities, composes the travel and tourism industry
and contribute directly to the industry. In general, hotel profit margins
have suffered negative impacts from the country's economic crisis.
However, in case of the country's future economic recovery, it is essential
for companies in the sector to reexamine their management practices, in
order to guarantee efficient allocation of resources at the time of transition,
seeking alternatives to increase business profitability and position
themselves in a competitive manner in the market. One of the known
ways to increase revenues for hotels is the overbooking, in Portuguese,
oversold. The practice is justified as the hotel protects itself from no-
shows and cancellation episodes, which occasionally happens in the
sector. The practice needs to be thoroughly planned, with knowledge of
the costs involved in the decision, as well as the historical company's no-
shows profile. The research aims to carry out a case study that evaluates
the feasibility of performing overbooking for a hotel located in São Paulo-
SP through the application of Newsvendor Model. As a result, the work
concludes there is no feasibility of overbooking due to the infrequent
history of no-shows and, in this context, does not suggest its application,
due to the fact that company already anticipates the phenomena of no-
shows and cancellations without there being an oversold room.
Keywords: Overbooking, Hotel Rooms, Newsvendor Model
LISTA DE FIGURAS
Figura 1 - Contribuição do setor de viagens e turismo no PIB global em
2016 ....................................................................................................... 27 Figura 2 - Contribuição do setor de viagens e turismo na empregabilidade
global em 2016 ...................................................................................... 28 Figura 3 - Contribuições do setor de viagens e turismo para o PIB
brasileiro ................................................................................................ 29 Figura 4 - Contribuições do setor para a empregabilidade brasileira .... 30 Figura 5 - Composição da indústria de Viagens e Turismo .................. 31 Figura 6 - Evolução de indicadores econômicos de hotéis e flats
no Brasil ................................................................................................ 35 Figura 7 - Gráfico de Pareto .................................................................. 43 Figura 8 - Quantidade percentual de ocorrência de queixas de
overbooking ........................................................................................... 58 Figura 9 - Árvore de decisão e elementos constituintes ........................ 64 Figura 10 - Imediações do hotel ............................................................ 69 Figura 11 - Outros hotéis nas imediações da empresa........................... 70 Figura 12 - Contribuição percentual de pernoites por agência .............. 73 Figura 13 - Contribuição percentual com receitas extras, por agência .. 75 Figura 14 - Porcentagem de ocorrências de no-shows por tipo de quarto ................................................................................. 77 Figura 15 - Porcentagem de ocorrências de no-show
por dia da semana .................................................................................. 77 Figura 16 - Ocorrências de no-shows por ano e por dia da semana ...... 78 Figura 17 - Porcentagem de ocorrências de no-shows por mês ............. 78 Figura 18 - Ocorrências de no-shows por mês e por ano ...................... 79 Figura 19 - Porcentagem de no-shows por agência ............................... 80 Figura 20 - Porcentagem de cancelamentos por agência ....................... 82 Figura 21 - Árvore de decisão para total no-show, pernoites e ano ....... 84 Figura 22 - Árvore de decisão para total no-show, ano e meses do ano 85 Figura 23 - Distribuição Poisson de no-shows para segunda-feira ........ 88 Figura 24 - Distribuição Poisson de no-shows para terça-feira ............. 90 Figura 25 - Distribuição Poisson de no-shows para quarta-feira ........... 92 Figura 26 - Distribuição Poisson de no-shows para quinta-feira ........... 94 Figura 27 - Distribuição Poisson de no-shows para sexta-feira ............ 96 Figura 28 - Distribuição Poisson de no-shows para sábado .................. 98 Figura 29 - Distribuição Poisson de no-shows para domingo ............. 100
LISTA DE QUADROS
Quadro 1 - Requisitos de enquadramento em hotel 4 estrelas ............... 33 Quadro 2 - Pesquisa bibliométrica na base Scopus ............................... 44 Quadro 3 - Pesquisa bibliométrica na base Science Direct ................... 45 Quadro 4 - Portfólio de leitura .............................................................. 46 Quadro 5 - Etapas metodológicas utilizadas ......................................... 65
LISTA DE TABELAS
Tabela 1 - Acomodações do hotel ......................................................... 68 Tabela 2 - Comparativo anual de clientes, pernoites e diária média ..... 72 Tabela 3 - Comparativo anual de gastos extras, pernoites
e ticket-médio ........................................................................................ 74 Tabela 4 - Impacto financeiro advindo pelo no-show ........................... 76 Tabela 5 - Estimativa de ganhos com cancelamento ............................. 81 Tabela 6 - Distribuição Poisson de no-shows para segunda-feira ......... 89 Tabela 7 - Distribuição Poisson de no-shows para terça-feira ............... 91 Tabela 8 - Distribuição Poisson de no-shows para quarta-feira ............ 93 Tabela 9 - Distribuição Poisson de no-shows para quinta-feira ............ 95 Tabela 10 - Distribuição Poisson de no-shows para sexta-feira ............ 97 Tabela 11 - Distribuição Poisson de no-shows para sábado .................. 99 Tabela 12 - Distribuição Poisson de no-shows para domingo ............. 101
LISTA DE ABREVIATURAS E SIGLAS
UH Unidades habitacionais
RM Revenue Management
OTA Online Travel Agency
PSP Product and service package
CDC Código de defesa do consumidor
ANAC Agência Nacional de Aviação Civil
RP Revealed price
HP Hidden price
FOHB Fórum dos operadores hoteleiros do Brasil
MTur Ministério do Turismo
PIB Produto interno bruto
INMETRO Instituto Nacional de Metrologia, Qualidade e
Tecnologia
Embratur Instituto brasileiro de turismo
Fungetur Fundo geral de turismo
WTTC World Travel and Tourism Council
CART Classification and Regression Trees
CHAID Chi-squared Automatic Interaction Detector
EDC Executivo Double Clean
ETC Executivo Twin Clean
ESC Executivo Single Clean
TPS Executivo Triplo Twin Clean
TPC Executivo Triplo Clean
SUMÁRIO
1. INTRODUÇÃO ............................................................................... 27 1.1 JUSTIFICATIVA DO TEMA ......................................................... 36
1.2 OBJETIVOS ................................................................................... 38
1.2.1 Objetivo Geral ............................................................................ 38
1.2.2 Objetivos Específicos .................................................................. 38 1.3 DELIMITAÇÃO DO TRABALHO ................................................ 38
1.4 ESTRUTURA DO TRABALHO .................................................... 39
2. REVISÃO BIBLIOGRÁFICA ....................................................... 41 2.1 PESQUISA BIBLIOMÉTRICA...................................................... 41
2.2 FUNDAMENTAÇÃO TEÓRICA .................................................. 52
2.2.1 Revenue Management ................................................................. 52
2.2.2 Newsvendor Model .................................................................... 59
2.2.3 Árvores de Decisão ..................................................................... 63
3. PROCEDIMENTOS METODOLÓGICOS ................................. 65
4. RESULTADOS ................................................................................ 67 4.1 A EMPRESA .................................................................................. 67
4.2 ANÁLISE PANORÂMICA DOS DADOS .................................... 71
4.2.1 Reservas........................................................................................71
4.2.2 No-Shows e cancelamentos ........................................................ 76 4.3 ANÁLISE DA INTERELAÇÃO DAS VARIÁVEIS ..................... 83
4.4 CÁLCULO DO NÚMERO ÓTIMO DE OVERBOOKING PARA
CADA CIRCUNSTÂNCIA AVALIADA ............................................ 86
4.4.1 Variável de decisão Q ................................................................. 87
4.4.2 Demanda D ................................................................................. 87
4.4.3 Custo unitário de excesso: (𝑪𝒆) ............................................... 102
4.4.3 Custo unitário de falta: (𝑪𝒇) .................................................... 102
4.5 ALTERNATIVAS DE DECISÃO FRENTE AO
OVERBOOKING ................................................................................. 103
4.5.1 Realocação do cliente em quarto de hotel parceiro ............... 103
4.5.2 Realocação do cliente no mesmo hotel .................................... 104
4.5.3 Pagamento de multa por não honrar a diária ao cliente ....... 105 4.6 APLICAÇÃO DO MODELO ....................................................... 105
4.7 INTERPRETAÇÃO DOS RESULTADOS .................................. 107
5. CONCLUSÃO ............................................................................... 109
REFERÊNCIAS ................................................................................ 111
27
1. INTRODUÇÃO
O turismo é uma atividade de suma importância para os países e é
responsável por impulsionar a economia e por gerar importantes
contribuições sociais, como o emprego e renda para os cidadãos.
De acordo com o World Travel and Tourism Council (WTTC), em
2016, o setor de viagens e turismo contribuiu com 10,2% do PIB mundial,
não superando apenas as indústrias de construção civil, de serviços
financeiros e de varejo. A Figura 1 compara a contribuição do setor de
viagens e turismo no PIB mundial com outros setores da economia. A
contribuição direta é representada em azul e a indireta, em verde. O ícone
circular, em verde, representa o setor de viagens e turismo.
Figura 1 - Contribuição do setor de viagens e turismo no PIB global em 2016
Fonte: WTTC (2016)
Em termos de empregabilidade, o setor empregou, diretamente e
indiretamente, 9,6% de mão de obra global e figura entre segmentos que
mais empregaram mão de obra na economia (WTTC, 2016). A Figura 2
compara a empregabilidade do setor frente outros setores da economia.
27
28
Figura 2 - Contribuição do setor de viagens e turismo na empregabilidade global
em 2016
Fonte: WTTC (2016)
No Brasil, o setor de viagens e turismo do país é beneficiado pela
sua conhecida riqueza natural e pela atual posição de importância no
cenário econômico mundial.
Em 2016, a atividade econômica contribuiu em 8,5% do PIB e
contribuirá, segundo a WTTC, cerca de 9,1% em 2027. Em azul, a
contribuição direta, em verde, indireta e cinza, contribuição induzida pelo
setor. A Figura 3 ilustra as contribuições do setor para o PIB brasileiro
em três anos.
28
29
Figura 3 - Contribuições do setor de viagens e turismo para o PIB brasileiro
Fonte: WTTC (2017)
Além disso, o setor empregou 7,8% da mão de obra brasileira em
2017, com previsões de alcançar 8,6% em 2027 (WTTC, 2017). A Figura
4 ilustra as contribuições do setor para a empregabilidade do país.
29
30
Figura 4 - Contribuições do setor para a empregabilidade brasileira
Fonte: WTTC (2017)
A Figura 5 ilustra as possíveis maneiras de contribuição - direta,
indireta e induzida - de atores econômicos com o setor de viagens e
turismo. Dentre as diferentes maneiras de contribuição, destacam-se os
serviços de hospedagem, ou Accomodation Services, que representam
contribuição direta com o setor.
30
31
Figura 5 - Composição da indústria de Viagens e Turismo
Fonte: WTTC (2017)
31
32
De acordo com a Lei 11.771/2008 – Art.23, os meios de
hospedagem são:
“Consideram-se meios de hospedagem os
empreendimentos ou estabelecimentos,
independentemente de sua forma de constituição,
destinados a prestar serviços de alojamento
temporário, ofertados em unidades de frequência
individual e de uso exclusivo do hóspede, bem
como outros serviços necessários aos usuários,
denominados de serviços de hospedagem,
mediante adoção de instrumento contratual, tácito
ou expresso, e cobrança de diária. ”
Segundo a mesma Lei, os componentes dos meios de
hospedagem, por sua vez, se classificam em: hotel, resort, hotel fazenda,
cama e café, hotel histórico, pousada, flat/apart-hotel. Os
estabelecimentos se diferem, dentre seus aspectos, pelo número de leitos,
gama de serviços ofertada e infraestrutura.
O hotel, por sua vez, é classificado, de acordo com a mesma Lei
11.771/2008 – Art.23:
“HOTEL: estabelecimento com serviço de
recepção, alojamento temporário, com ou sem
alimentação, ofertados em unidades individuais e
de uso exclusivo dos hóspedes, mediante cobrança
de diária”
Referente ao histórico do setor, a indústria hoteleira remete-se
aos tempos das grandes civilizações da Grécia e também da Roma antiga.
O marco inicial da hospedagem coincide com os Jogos Olímpicos, em
que os primeiros hotéis abrigariam os frequentadores do evento, que
durava dias (SYLLOS, 2017, p.12). No entanto, apenas na Idade Média
da Europa surgiram os primeiros estabelecimentos com propósito
comercial, que eram as tabernas e pousadas.
No Brasil, registros assinalam o século XVII como início da
atividade hoteleira em São Paulo, com Marcos Lopes como pioneiro no
setor. A atividade era ofertada em conjunta com outras, como barbeiros e
alfaiates, não possuindo finalidade específica. Outras cidades como o Rio
de Janeiro começaram a atrair investimentos, com a criação do Hotel
Glória e Copacabana Palace. Em 1966, é criada a EMBRATUR –
Instituto Brasileiro de Turismo e, com ela, a FUNGETUR, que exerceram
32
33
importância fundamental na atração de investimentos externos e
incentivos fiscais, marcando uma nova fase para a hotelaria do país.
Desde então, o setor se expandiu através das grandes cidades e
em locais de apelo paisagístico, figurando-se como um setor de grande
relevância para a economia brasileira. Até junho de 2017, o setor alcançou
a marca de 10.314 hotéis, flats e resorts que somam 537.474 quartos no
país (HOTELARIA EM NÚMEROS, p.8, 2017).
Atualmente, o setor é regulamentado pelo Ministério do Turismo
(MTur), que tem a função de fomentar a atividade de turismo na economia.
Dentre as suas responsabilidades, tem a função de realizar a classificação
dos hotéis entre 1 e 5 estrelas. A classificação é realizada através do
Sistema Brasileiro de Classificação de meios de hospedagem (SBClass)
com apoio do INMETRO.
Por exemplo, para que um hotel receba a classificação de 4
estrelas, este deve conter uma série de atributos ilustrados no Quadro 1.
Quadro 1 - Requisitos de enquadramento em hotel 4 estrelas
Serviço de recepção aberto por 24 horas
Serviços de mensageiro no período de 24 horas
Serviço de cofre em 100% das UH para guarda dos valores dos hóspedes
Área útil da UH, exceto banheiro, com 15 m² (mínimo 90%)
Banheiros nas UH com 3 m² (mínimo 90%)
Berço para bebês, a pedido
Facilidades para bebês (cadeiras altas no restaurante, facilidades para
aquecimento de mamadeiras e comidas, etc.)
Café da manhã na UH
Serviço de refeições leves e bebidas nas UH (room service) no período de 24
horas
Troca de roupas de cama e banho diariamente
Secador de cabelo à disposição sob pedido
Serviço de lavanderia
Televisão em 100% das UH
Canais de TV por assinatura em 100% das UH
Acesso à internet nas áreas sociais e nas UH
Mesa de trabalho, com cadeira, iluminação própria, e ponto de energia e
telefone, nas UH, possibilitando o uso de aparelhos eletrônicos pessoais
Sala de ginástica/musculação com equipamentos
33
34
Serviço de facilidades de escritório virtual
Mini-refrigerador em 100% das UH
Climatização (refrigeração/calefação) adequada em 100% das UH
Restaurante
Serviço de alimentação disponível para café da manhã, almoço e jantar
Serviço à la carte no restaurante
Bar
Área de estacionamento com serviço de manobrista
Mínimo de três serviços acessórios oferecidos em instalações no próprio
hotel (por exemplo: salão de beleza, baby-sitter, venda de jornais e revistas,
farmácia, loja de conveniência, locação de automóveis, reserva em
espetáculos, agência de turismo, transporte especial, etc.)
Medidas permanentes para redução do consumo de energia elétrica e de água
Medidas permanentes para o gerenciamento de resíduos sólidos, com foco na
redução, reuso e reciclagem
Monitoramento das expectativas e impressões do hóspede em relação aos
serviços ofertados, incluindo meios para pesquisar opiniões, reclamações e
solucioná-las Programa de treinamento para empregados
Medidas permanentes de seleção de fornecedores (critérios ambientais,
socioculturais e econômicos) para promover a sustentabilidade. Medidas
permanentes de sensibilização para os hóspedes em relação à
sustentabilidade
Pagamento com cartão de crédito ou de débito
Fonte: Ministério do Turismo (2018)
Além da classificação do número de estrelas, hotéis também
podem ser classificados perante a classificação americana STR – Smith
Travel Research, que segmenta hotéis de acordo com o valor de suas
diárias. Hotéis se enquadram nas categorias: Econômico, Midscale, Luxo
e Superluxo.
Na atualidade, o segmento brasileiro de hotelaria sofreu impactos
negativos da recessão econômica. A taxa de ocupação de hotéis e flats
apresentou em 2016 uma queda de mais de 7,0% em relação a 2015,
atingindo uma média de 55% no ano. As margens de lucro dos hotéis
foram impactadas negativamente em 2016, dentre outros fatores, pela alta
inflação. O Lucro Operacional Bruto em 2016 caiu quase quatro pontos
percentuais em relação a 2015, atingindo o nível de 25% em relação à
receita total. (HOTELARIA EM NÚMEROS, p.5, 2017).
34
35
A Figura 6 ilustra a evolução de indicadores econômicos de
hotéis e flats no Brasil nos últimos anos. As barras em cinza ilustram a
diária média cobrada por hotéis e flats no país e a curva ilustra a ocupação
percentual desses estabelecimentos.
Figura 6 - Evolução de indicadores econômicos de hotéis e flats no Brasil
Fonte: JLL (2017)
No entanto, em estudo elaborado pelo Fórum de Operadores
Hoteleiros do Brasil (FOHB), divulgado em outubro de 2017, os
indicadores de taxa de ocupação e diária média apresentariam sinais de
recuperação em 2018 e 2019, acompanhando a retomada econômica do
país.
O estudo ainda mostra que, em 2020, hotéis serão responsáveis
por 100 mil empregos diretos, antes os atuais 64 mil; 408 novos
empreendimentos e o número de quartos disponíveis passará para 164 mil.
35
36
1.1 JUSTIFICATIVA DO TEMA
Hotéis, diferente de empresas de outros segmentos, como de
varejo, possuem características peculiares. Entre elas, a perecibilidade de
seus produtos ofertados.
Produtos e serviços perecíveis, quando não são plenamente
consumidos, diferem de commodities por possuírem valor residual igual
a zero, no fim da sua vida (GUO et al. 2016). Em outras palavras,
produtos e serviços perecíveis não podem ser mantidos em estoque para
uso futuro, o que pode gerar consequências econômicas negativas para
empresas que os comercializam.
Quartos de hotel que não são reservados na baixa temporada não
podem ser estocados até o período de alta temporada para, assim, serem
vendidos. Desta maneira, em face da incerteza da demanda pelas
acomodações oferecidas, é possível que parcela desses quartos não sejam
consumidos seja por cancelamentos, no-shows ou demanda insuficiente,
o que gera perdas econômicas para os empreendimentos hoteleiros.
Somada a complexidade inerente à natureza do negócio, o
cenário atual de transição entre recessão e possível retomada econômica
requer que empresas do setor hoteleiro repensem constantemente suas
práticas de gestão, na forma de garantir a eficiência de alocação de
recursos no momento de transição, buscando alternativas para aumentar
a rentabilidade dos negócios e posicionar-se de maneira competitiva no
mercado.
As estratégias e ferramentas analíticas que normalmente são
utilizadas pelas empresas do setor são conhecidas e generalizadas na
literatura sob o nome de Yield Management, em português, gestão de
rendimentos.
Yield Management refere-se às práticas dos negócios de vender
quantidades fixas de estoque com o objetivo de oferecer aos clientes um
mix de produto que seja o mais lucrativo para a empresa. (CHOI e
MATILLA, 2003). Em outras palavras, o Yield Management tem o
objetivo de alocar recursos limitados, de forma a otimizar a receita total,
ou o “yield”. No setor hoteleiro, o termo de Yield Management, por ora,
muitas vezes é conhecido como Revenue Management, ou gestão de
receita. A fronteira entre os termos ainda é considerada ambígua pela
literatura (NETESSINE e SHUMSKY, 2002).
Uma das práticas que fazem parte do Revenue Management é a
de overbooking. O overbooking trata-se de vender algum serviço além da
capacidade ou quantidade que ele está disponível. É utilizado de modo a
utilizar com eficiência a capacidade finita dos hotéis, dada pelo número
36
37
de quartos disponível e maximizar, assim, sua taxa de ocupação (GUO et
al. 2016).
A prática, historicamente consagrada e utilizada na venda de
assentos na indústria de aviação, tem o objetivo de realizar proteção frente
aos cancelamentos e no-shows, que normalmente ocorrem na indústria
hoteleira (CHEN, HAO, 2013).
No entanto, a estratégia de overbooking deve ser modelada com
cautela pelos gestores hoteleiros, já que esta pode ocasionar efeitos
nocivos tanto para a empresa, como quanto para o consumidor.
Num primeiro caso de overbooking, é possível que uma parcela
destes clientes não seja capaz de consumir o serviço, a priori já garantido
pela empresa, uma vez que a capacidade do hotel já se esgotou. O
empreendimento, assim, terá que arcar com multas e também com custos
de remanejamento – em um outro quarto do mesmo hotel ou em um quarto
de hotel parceiro – e corre alto risco de insatisfazer o cliente ou até de
perdê-lo. De maneira inversa, é possível deparar-se com uma demanda
que não venha a preencher todos os quartos ofertados em overbooking.
Neste caso, incorrerão custos de oportunidade, já que a empresa poderia
ter decidido por ofertar mais quartos em overbooking e então, absorver
suficientemente sua demanda.
Deste modo, a decisão de overbooking é tida como um trade-off
e busca-se, por fim, um nível ótimo de quantas acomodações serão
anunciadas a overbooking.
O nível ótimo de overbooking pode ser calculado através do
Newsvendor Model que se busca equilibrar: a receita potencial perdida ao
anunciar quartos inferiores à sua capacidade e as penalidades que
envolvem uma demanda pelo serviço superior à capacidade ofertada.
Nesse contexto, o problema de pesquisa irá avaliar os impactos
de uma estratégia de overbooking e comparar com as estratégias atuais de
Revenue Management de um empreendimento hoteleiro.
37
38
1.2 OBJETIVOS
1.2.1 Objetivo Geral
O objetivo do trabalho é o de avaliar a viabilidade de uma política
de overbooking para reservas de hotel e compará-la com as atuais
políticas de amenização de efeitos de no-show e cancelamentos.
1.2.2 Objetivos Específicos
Para atingir o objetivo geral, o trabalho deve atingir os objetivos
específicos a seguir:
coletar informações sobre o perfil de demanda por hospedagens
dos quartos, no-shows e cancelamentos;
identificar modelos teóricos de Newsvendor Model que aplicam
a reservas de hotel;
avaliar as variáveis que exercem influência na tomada de decisão
da taxa de ocupação do hotel;
propor e analisar impactos de um modelo de overbooking.
1.3 DELIMITAÇÃO DO TRABALHO
É relevante citar algumas delimitações referentes ao método de
pesquisa e de trabalho escolhidos, descritas a seguir.
Atualmente, o hotel não pratica overbooking, com justificativa
de não haver demanda e por não ser um hotel de rede. Nesse sentido, o
objetivo do trabalho é de analisar uma estratégia que contemplaria essa
prática e comparar com as estratégias atuais de amenizar efeitos de no-shows e cancelamentos.
Vale ressaltar que não foram encontrados trabalhos na literatura
que façam a comparação direta entre as práticas de overbooking e de
estratégias de amenização de no-show e cancelamentos na indústria
hoteleira, apenas tratando as práticas de maneira isolada.
Os dados utilizados no estudo se referem aos anos de 2015, 2016
e 2017 e tanto a proposição quanto a análise da estratégia de overbooking
contempla dados coletados nestes três anos.
38
39
1.4 ESTRUTURA DO TRABALHO
Este trabalho é dividido em cinco capítulos. O primeiro trata de
breve cenário da indústria que pertence a empresa e contextualiza o
problema. É seguido da justificativa da pesquisa do trabalho, bem como
dos objetivos, da delimitação do estudo e da estrutura do trabalho.
O segundo capítulo é composto da revisão bibliográfica. O
capítulo, por sua vez, é dividido entre pesquisa bibliométrica e
fundamentação teórica sobre termos relacionados a este trabalho. O
capítulo inicia-se com a pesquisa bibliométrica, com objetivo de
selecionar as referências de maior relevância para leitura, seguida da
fundamentação teórica, que detalha das ferramentas e conceitos utilizados
na gestão hoteleira, do modelo utilizado e de breve contextualização de
ferramenta utilizada na classificação dos dados utilizados na pesquisa.No
terceiro capítulo é apresentada a metodologia utilizada, contendo os
procedimentos que foram utilizados na pesquisa. O quarto capítulo
apresenta a avaliação de modelo de overbooking, seguido de análises
comparativas com as atuais políticas do hotel, no sentido de testar a
viabilidade de aplicação deste modelo. Por fim, no quinto capítulo,
encontram-se as conclusões do trabalho.
39
40
40
41
2. REVISÃO BIBLIOGRÁFICA
2.1 PESQUISA BIBLIOMÉTRICA
Com objetivo de levantamento de um portfólio das referências
que seriam mais relevantes para o trabalho, utilizou-se procedimentos
advindos da pesquisa bibliométrica, ou Bibliometria. A Bibliometria
desenvolve-se inicialmente a partir da elaboração de leis empíricas sobre
o comportamento da literatura, ou seja, estuda a evolução do
conhecimento no tempo (ARAÚJO, 2006).
A metodologia utilizada foi adaptada da proposta de revisão
bibliométrica do Laboratório de Metodologias Multicritério em Apoio à
Decisão da UFSC (LAbMCDA) para formação de portfólio de artigos,
que são compostas por oito etapas, elucidadas abaixo:
1. definição das bases de dados;
2. definição das palavras-chave;
3. busca e filtragem na base de dados;
4. seleção por alinhamento de título e por reconhecimento
científico;
5. leitura de resumos;
6. repescagem de referências excluídas;
7. seleção final dos artigos para portfólio de leitura.
Conforme a metodologia, identificou-se duas bases de dados
internacionais e reconhecidas de trabalhos científicos: Scopus e Science Direct. As bases contêm uma diversidade de trabalhos em vários campos
do conhecimento e contém publicações de fácil acesso, livres para o
download. Para identificação das linhas de pesquisa, definiu-se,
inicialmente, que as palavras-chave de maior relevância para o trabalho,
são:
hotel;
overbooking; newsvendor ou Newsboy.
É de importância destacar as variações de nomenclatura que
Newsvendor Model pode ser encontrado na literatura. O termo
Newsvendor pode ser encontrado como Newsboy e Model pode ser
encontrado como Problem ou como Game. Assim, tem-se as variações:
41
42
Newsvendor Model, Newsvendor Problem, Newsvendor Game. O mesmo
ocorre para Newsboy e todos os termos possuem o mesmo significado.
Definida as palavras-chave para a pesquisa, estas foram buscadas
nas bases de pesquisa e, em seguida, aplicou-se filtros nas plataformas
para seleção dos trabalhos.
Na plataforma Scopus, foram aplicados os seguintes filtros à
busca: subáreas de pesquisa (engineering; computer science; decision
sciences; business and management and accounting; mathematics; economics, econometrics and finance), língua (inglês), tipo de fonte
(periódico, conference paper, capítulos de livros e review). Como
resultado dessa etapa foram encontrados 16 artigos.
O número relativamente baixo de referências encontradas deve-
se, em grande parte, pela particularidade das palavras-chave buscadas.
Por mais que haja um número expressivo de produções acadêmicas
referenciando as palavras-chave Overbooking e Hotel (484 publicações
encontradas na base Scopus), a utilização da palavra-chave Newsvendor Model em conjunto com Overbooking e Hotel resultou em uma pequena
parcela de produções acadêmicas encontradas, reforçando a originalidade
do trabalho.
Referente a seleção por alinhamento de título, há apenas 3 artigos
do total de 15 encontrados que possuem a palavra-chave Overbooking no
título. Estes artigos foram selecionados para incorporar o porfólio.
No sentido de verificar a relevância dos trabalhos acadêmicos
pesquisados, a base Scopus permite o ranqueamento das produções
científicas de acordo com o número de vezes em que estas foram citadas
na literatura. Neste sentido, foi utilizado a Regra de Pareto na
identificação das produções cujas citações correspondem a 80% do total
de citações de buscadas.
A seguir, a aplicação do Gráfico de Pareto nos 15 artigos
encontrados na Scopus é exibida na Figura 7.
42
43
Figura 7 - Gráfico de Pareto
Fonte: O Autor
A partir do gráfico, constatou-se que há 6 artigos cujo número de
citações corresponde, acumulado, a 80% do número de citações de todos
os 15 artigos pesquisados. Os artigos selecionados tiveram seus títulos e
resumos analisados. A análise procurou identificar as produções que
possuíssem relação direta com overbooking e hotéis, desconsiderando
artigos que focassem, por exemplo, em Pricing e em outros setores, como
o setor aéreo. Resultou-se, então, em 3 artigos a serem incorporados ao
portfólio.
Na etapa de repescagem de referências por título buscou-se
produções de menor relevância em número de citações, mas que
possuíssem no título palavras similares a overbooking, como overselling.
Resultou-se em 1 artigo a ser inserido ao portfólio.
Assim, totalizou-se 4 artigos para serem lidos. Todas as etapas da
pesquisa bibliométrica na base de dados Scopus estão apresentadas no
Quadro 2.
43
44
Quadro 2 - Pesquisa bibliométrica na base Scopus
Plataforma: SCOPUS
Busca e filtragem
Palavras-chave:
Hotel,
Overbooking,
Newsvendor Model
Filtros:
- Subárea de pesquisa: Business, management and
accounting, decision sciences, social sciences,
economics, econometrics and finance, engineering,
mathematics
- Língua: Inglês;
- Tipo de fonte: Periódico, Conference Paper,
Capítulo de livro e review;
Resultado: 15 artigos.
Seleção de artigos
por alinhamento do
título
Título que contenha palavras relacionadas ao tema,
como: Overbooking, Hotel, Newsvendor Model,
Revenue Management e Operations Management
Resultado: 15 artigos encontrados
Seleção por
reconhecimento
científico
Regra de Pareto: 80% das citações, pela Busca e
Filtragem,
Resultado: 6 artigos.
Leitura de resumos
e fichamento
Seleção por título de interesse: artigos que possuam
temáticas relacionadas a Overbooking e hotéis
Resultado: 3 artigos.
Repescagem de
referências por
título
Título que contém: Overselling, Overbooking,
Newsboy
Resultado: 1 artigos
Seleção dos artigos
para compor o
portfólio de leitura
Resultado: 4 artigos a serem lidos.
Fonte: O Autor
Para a base de dados Science Direct, foram realizadas as mesmas
etapas utilizadas na Scopus. No entanto, ressalta-se diferenças no que
tange às diferenças nas escolhas dos filtros da base. A Science Direct, ao
contrário da Scopus, não disponibiliza o número de citações para um
grupo de artigos. Por este motivo, não foi feita a seleção por
reconhecimento científico.
As etapas da pesquisa bibliométrica na base Science Direct podem
ser encontradas no Quadro 3, a seguir.
44
45
Quadro 3 - Pesquisa bibliométrica na base Science Direct
Plataforma: Science Direct
Busca e Filtragem
Palavras-chave: Newsboy
Filtro: Hotel
Língua: inglês;
Tipo de fonte: Artigos de revisão e
artigos científicos
Resultado: 2 artigos
Seleção de artigos por alinhamento
do título
Título que contém: hotel
Resultado: 1 artigo.
Leitura de resumos e fichamento
Seleção por título de interesse:
artigos que possuam temáticas
relacionadas a overbooking e hotéis
Resultado: 1 artigo.
Repescagem de referências por título
Título que contém: Hotel
Resultado: 1 artigo.
Seleção dos artigos para compor o
portfólio de leitura Resultado: 1 artigo a ser lido.
Fonte: O Autor
Assim, somando-se a quantidade de artigos das duas bases, o
portfólio de leitura foi formado a partir de 5 artigos.
O resultado da pesquisa bibliométrica é ilustrado no Quadro 4,
contendo todas as referências escolhidas para integrar o portfólio de
leitura, ordenadas pelo ano de publicação.
45
46
Quadro 4 - Portfólio de leitura
Fonte: Autor, European Journal of Operations Research, IIE Transactions,
INFORMS®, Journal of the operational research society, Transportation Science.
Após a seleção dos artigos para o portfólio de leitura, foi
realizada uma análise crítica do conteúdo de cada publicação para um
entendimento mais amplo do estado da arte atual relacionado ao tema do
trabalho.
O artigo de Baldinelli (1998) traz a formulação de um modelo
matemático dinâmico de reservas de hotel com o objetivo de maximizar
o lucro e que pode ser aplicado através de métodos computacionais. O
problema abordado pelo autor permite que também seja possível englobar
restrições de preço e diferentes tipos de quartos. Baldinelli (1998) destaca
a importância da segmentação de clientes para oferecer produtos e
serviços mais adequados àqueles segmentos de clientes escolhidos. Assim,
o autor inicialmente traz a distinção entre dois tipos diferentes de reservas:
Tipo Revealed-Price (RP) e Hidden-Price (HP)
Para as reservas RP, o cliente demonstra suas opções de compra
antes mesmo de realizá-la, fazendo com que a empresa tanto rejeite ou
aceite a oferta proposta do cliente, cabendo à empresa o conhecimento
dos ganhos e prejuízos financeiros que a proposta do cliente pode gerar.
Autor Ano Título Publicação
Baldinelli, R.D 1998 An optimal,
dynamic policy for
hotel yield
management
European Journal of
Operations Research
Şen, A.
Zhang, A
2007
The newsboy
problem with
multiple demand
classes
IIE Transactions
Lim, W. S. 2009 Overselling in a
Competitive
Environment: Boon
or Bane?
INFORMS®
Xiong, H,
Xie, J
Deng, X
2010
Risk-averse
decision making in
overbooking
problem
Journal of the
operational research
society
McGill, J. I
Ryzin ,G. J.
2017
Revenue
Management:
Research Overview
and Prospects
Transportation
Science
46
47
As reservas HP ocorrem quando os clientes não revelam a
intenção de preço a pagar pelos serviços do hotel, fazendo com que a
transação entre cliente e empresa seja um evento probabilístico. O modelo
matemático é construído para atender a realidade das reservas tipo HP.
O autor também comenta sobre pontos fundamentais na gestão
hoteleira. Custos operacionais de um hotel são predominantemente custos
fixos - referentes as instalações físicas do empreendimento e, comparado
a custos variáveis, são custos com menor potencial de redução a curto
prazo. Consequentemente, uma maneira mais natural de maximizar o
lucro de um hotel é equivalente a maximizar a receita. Desta forma, a
gestão hoteleira deve-se preocupar em extrair o máximo de receita
obedecendo sua capacidade física limitada.
Assim, além de procurar manter um nível suficiente de ocupação,
hotéis necessitam ser eficientes em ofertar, além do serviço de estada,
uma gama de produtos e serviços que oportunizem a compra pelos seus
clientes durante o período de estada.
É desta maneira que Baldinelli (1998) incorpora em seu modelo
a ideia de que a maximização dos lucros do hotel advém da maximização
do PSP – Product and Service Package, que é a coleção de produtos e
serviços que clientes consomem durante a estada. Por exemplo, PSP pode
ser uma reserva de sexta-feira a domingo à noite, com 3 cafés da manhã
e dois vouchers de utilização do spa do hotel.
A respeito da política de overbooking, Baldinelli (1998) a inclui
como outras políticas que suportam a maximização de receita e é uma
variável incorporada em seu modelo matemático na forma de penalidade
financeira por realocar um cliente. Baldinelli (1998) também descreve
que o problema de overbooking pode ser modelado através do Newsboy Model, que é o modelo utilizado no trabalho. No entanto, mesmo que a
política traga retornos positivos na receita, o autor argumenta que o
overbooking só é adequado caso o hotel tenha mecanismos
compensatórios claros para os clientes, seja realocando-os em outros
hotéis, ou realocando-os em quartos de outras categorias do hotel.
Em adicional, o autor alerta sobre as consequências da política
como certos danos na imagem do hotel, que pode ofuscar o rendimento
adicional que a política pode trazer. No entanto, não foi detalhada a
maneira de mensurar esses custos de possíveis danos à imagem do hotel,
chamados na literatura de goodwill costs. O artigo de Şen et al. (2007) analisa outra aplicação do Newsboy
Problem - de forma mais ampla e não direcionada somente para o
segmento hoteleiro, o que explicita a flexibilidade de aplicações do
modelo.
47
48
O estudo conduzido pelos autores tem o objetivo de determinar a
quantidade ótima de reposição de estoques - variável de decisão para o
problema - para produtos com preços crescentes e para produtos com
preços decrescentes no tempo. Como exemplo, produtos horti-fruti
podem ser enquadrados como produtos com preços decrescentes no
tempo e podem ter seu valor residual próximo de zero quando se
aproximam do fim de sua vida útil.
Vale ainda ressaltar que a reposição de estoques considerada
pelos autores é feita tão somente em um único momento anterior à
disponibilização do produto para a venda. Em outras palavras, caso a não
seja possível atender à demanda por falta de produtos, não há a opção de
realizar um pedido de compras de emergência. Essa premissa é tida como
condição básica para aplicação do modelo e é encontrada em várias
publicações na literatura.
Para chegar em modelos matemáticos que representem a
quantidade ótima de reposição de estoques, Şen et al. (2007) constrói duas
heurísticas:
a primeira, com preços decrescentes dos produtos e
examina o efeito de aplicar um único modelo Newsboy
Model para demandas múltiplas, utilizando um preço
médio para os produtos;
a segunda, com preços crescentes dos produtos e
examina o efeito de aplicar modelos sucessivos para
demandas múltiplas, sem considerar um preço médio
para os produtos.
O autor conclui que, em ambas heurísticas, seu modelo
matemático proposto nunca excede o valor ótimo de reposição de
estoques para o caso original de aplicação do Newsvendor Model, com
demanda única e preços constantes.
O artigo de Lim (2009), o autor questiona se a política de
overbooking ou overselling são políticas “ganha-ganha”, ou seja, positiva
tanto para a empresa, quanto para o consumidor.
Neste sentido, Lim (2009) analisa o cenário em que há uma
demanda incerta de clientes, que podem chegar a qualquer horário no
hotel. Assim, o autor comenta sobre dois tipos de clientes de quartos de
hotel: Aqueles que chegam mais cedo no hotel e que pagam o valor
normal da estada e aqueles que chegam mais tarde, que pagam mais caro
pela diária e possuem menor sensibilidade a variações de preços. Desta
48
49
maneira, o autor considera que os clientes que chegam mais tarde são
clientes com maior valor para o hotel.
Assim, com esses dois tipos de clientes, o hotel depara-se com o
seguinte trade-off: garantir a venda para os clientes que chegam mais
cedo, ou reservar, a certo risco, uma parcela dos quartos para os clientes
que devem chegar mais tarde e estariam dispostos a pagar a mais pelas
diárias.
Desta forma, Lim (2009) enxerga que a política de overbooking
pode ser uma alternativa para o hotel, caso haja muitos clientes que
cheguem tarde. Desta maneira, o hotel iria ofertar quartos já ocupados por
clientes que chegaram mais cedo, com a condição de oferecer aos clientes
realocados algum tipo de compensação.
No entanto, segundo o autor, para ser uma política “ganha-
ganha”, há duas premissas que devem ser cumpridas:
a capacidade da empresa necessita ser relativamente
mais baixa do que a demanda de seus clientes de maior
valor. Em outras palavras, o hotel deverá disponibilizar
quartos já ofertados para clientes que chegam mais tarde;
a margem de lucro de uma revenda de quarto já ocupado
deve ser suficientemente alta, já considerando os
possíveis gastos advindos da reacomodação de clientes.
Em outras palavras, a decisão de revenda deve trazer
resultado econômico positivo.
O autor também traz pontos não mencionados nos outros artigos
do portfólio, como as implicações da prática de overbooking em um
mercado onde há monopólio e também em um mercado onde há um
duopólio de empresas, que é o objeto de estudo do autor. Em um mercado
caracterizado pelo monopólio, como caracteriza-se por um mercado em
que clientes não possuem condições alternativas de compra, à medida em
que a margem bruta para realizar overselling é positiva, a empresa terá
impacto positivo ao realizá-la.
Lim (2009) ainda propõe que a prática traz maior eficiência de
alocação de recursos em um mercado. Por exemplo, produtos que não
sejam quartos de hotel que não seriam usados ou descartados, poderiam
ser direcionados para consumidores que o valorizem. Em outras palavras,
caso o número de produtos adquiridos seja superior à demanda,
acarretando em sobras de produtos, a empresa pode ganhar receita na
venda desses produtos, caso esses produtos possuam valor residual
diferente de zero.
49
50
Lim (2009) ainda relata das consequências nos preços do
mercado com a prática. Overbooking, inevitavelmente, insere mais
produtos no mercado, o que pode, potencialmente, gerar uma queda de
preços no mercado, comprometendo a rentabilidade das empresas
concorrentes.
O quarto artigo da lista, de Xiong et al. (2010) realiza um estudo
em que incorpora o perfil do decisor na decisão de realizar o overbooking.
A contribuição do artigo no porfólio está no fato de que a
literatura de overbooking considera, em sua grande maioria, do perfil do
decisor sendo neutro ao risco. Xiong et al. (2010), diferentemente, avalia
o perfil de um decisor averso ao risco. Segundo o autor, nem todos os
decisores são neutros ao risco, já que muitos têm o desejo de evitar
possíveis perdas financeiras.
O autor propõe um modelo matemático de overbooking multi-
período, ou seja, a análise é realizada em mais de um período, com decisor
averso ao risco que possui função exponencial de utilidade.
No último artigo do porfólio, McGill et al. (2017) traz uma visão
mais generalista e com aplicações em diversas áreas da economia sobre
as práticas de Revenue Management. Entre elas, o overbooking. Das
passagens mais relevantes, o autor relata que a prática de overbooking tem
histórico de pesquisa mais longo que todas outras práticas e ferramentas
empregadas em Revenue Management. A prática também tem
importância acadêmica relevante por já ter sido abordada em estudos do
antigo Prêmio Nobel em Economia em 1961, William Vickery, em que
bens anunciados em condições de overselling podem ser feitas através de
leilões.
O estudo de McGill et al. (2017) também realiza uma completa
revisão bibliográfica sobre a temática de overbooking e aborda as
diferentes maneiras em que a prática é encontrada na literatura. Por
exemplo, o problema de overbooking pode incorporar: demandas
advindas de múltiplos segmentos por um mesmo produto, período único
ou mais de um período de análise, incorporar ou não cancelamentos
durante a estada entre outros.
De maneira geral, infere-se que a prática de overbooking é bem
difundida na literatura, cujas buscas totalizam em 2.116 referências
encontradas na base Scopus e 1.247 na Science Direct. Como prática
alternativa de geração de receitas, o overbooking é mais frequentemente
encontrada na literatura em aplicações como assentos de avião do que em
quartos de hotel ou em tickets de eventos.
Para o setor hoteleiro, a segundo McGill et al. (2017),
overbooking tem sido uma das práticas mais estudadas de um conceito
50
51
mais amplo, chamado de Revenue Management, que engloba outras
práticas além do overbooking, como a prática de precificação.
No entanto, quando se relaciona a prática de overbooking com
Newsvendor Model, o número de referências encontradas reduz-se
consideravelmente por ser algo pouco explorado na literatura. O número
reduzido de publicações é explicado pelo fato de que utilizar o
Newsvendor Model para abordar o problema de overbooking é uma tratar
o problema de maneira particular. O modelo, por sua vez, é comumente
difundido na literatura de gestão de cadeia de suprimentos, cujas
aplicações estendem-se à determinação de estoques de produtos
perecíveis.
Consequentemente, a utilização do Newsvendor Model para
problemas de overbooking trata-se de uma abstração de uma aplicação
originalmente já concebida para produtos físicos perecíveis, só que
adaptada a quartos de hotel.
Os artigos componentes do portfólio possuem ponto de
convergência na proposição de um modelo matemático de otimização,
seja por maximização de receitas, seja por minimização de custos. Os
artigos utilizam a decisão de overbooking como uma das variáveis que
integram um problema de otimização.
Em adicional, como outro ponto de convergência entre os autores,
há o relato que a prática tem potencial de geração de retornos positivos
quando é cuidadosamente elaborada, em que se conhecem os custos de
não honrar a oferta de um produto ou serviço para o cliente, mesmo que
este já o tenha reservado ou pago ou de reacomodá-lo.
Como ponto de divergência, os artigos se diferenciam da
abrangência de variáveis que são incorporadas no problema, como as
anteriormente citadas por McGill et al. (2017) e também abordadas por
Şen et al. (2007), que estuda a maneira em que variação de preços dos
produtos influencia na quantidade ótima de reposição de estoques.
Dentre as referências que compõem o portfólio e de outras
também analisadas, mas que não foram escolhidas para a sua composição,
percebe-se a breve evolução do tema para áreas de estudo que exploram
fatores como o comportamento do decisor, conforme ilustrado por Xiong
et al. (2010). Em adicional, também foi verificado que o overbooking
mostra tendência de ser analisado de maneira integrada com outras
ferramentas de Revenue Management e pode servir de insumos para
definição de políticas diferenciadas precificação e para outras tomadas de
decisão na gestão hoteleira.
51
52
2.2 FUNDAMENTAÇÃO TEÓRICA
Nesta seção, são discutidos três tópicos. O primeiro trata de
Revenue Management, suas práticas e ferramentas. Dentre elas, o
overbooking. Em seguida, é abordado o Newsvendor Model, discorrendo
sobre suas origens e diferentes aplicações. Por último, é realizada breve
contextualização sobre modelos de árvore de decisão.
2.2.1 Revenue Management
De acordo com Bayoumi (2017), Revenue Management (RM) é
vista como a ciência que tem como objetivo gerir uma quantidade
limitada de um suprimento no sentido de maximizar a receita.
Primeiramente desenvolvida pela indústria aérea, as práticas de RM se
expandiram para uma variedade de setores.
Kimes (2011) e Wirtz (2003) citam que as práticas de RM têm
grandes contribuições para setores que compartilhem das seguintes
características:
produto perecível;
capacidade limitada;
demanda incerta;
mercado altamente segmentado;
possibilidade de reservar produtos ou serviços ofertados com
antecedência ao consumo;
razão custo variável por custo fixo baixa.
O segmento hoteleiro, atualmente, utiliza-se de uma abrangência
de ferramentas advindas do RM, grande parte devido a aderência às
características apontadas acima. O RM tem papel essencial de sincronizar
a oferta de quartos com a demanda do mercado, por alocar a capacidade
limitada dos hotéis de uma maneira em que se maximize a receita do
empreendimento.
Assim, Kimes (2011) e Wirtz (2003) definem Revenue Management como a aplicação de ferramentas que fazem a alocação da
capacidade de hotéis para o consumidor certo, na hora certa e pelo preço
certo.
Dentre as ferramentas existentes em RM, Ivanov e Zhechev
(2017) as segmenta em 2 grupos distintos: pricing e non-princing. No
primeiro grupo, as ferramentas de pricing tem foco nas decisões que
52
53
influenciam diretamente o preço mais adequado a ser ofertado pelo hotel
para que se maximize a receita. Por exemplo, a discriminação de preços
e a precificação dinâmica. Já as ferramentas non-pricing são aquelas cujos
efeitos não contribuem diretamente na modificação do preço dos quartos
ofertados à clientela, mas relacionam-se diretamente com o controle da
capacidade do hotel. Dentre elas, a gestão de capacidade, o controle de
duração de estada e o overbooking.
Das ferramentas de categoria pricing, a discriminação de preços
é considerada por Hanks (2002) como ferramenta-chave no RM. A prática
consiste em oferecer, para os mesmos quartos, preços diferenciados de
diárias para clientes. A decisão baseia-se no fato de que clientes podem
ter diferentes sensibilidades aos preços ofertados, o que é explicado nas
diferentes elasticidades aos preços que clientes de lazer podem ter
comparados a clientes a negócios, por exemplo. A discriminação de
preços ofertados também pode ser em função de, por exemplo dias da
semana da estada do cliente ou se o cliente faz parte de um programa de
descontos.
A precificação dinâmica consiste em definir um preço flutuante
de diária, na medida em que ajusta os preços à demanda e à taxa de
ocupação do hotel. Assim, regula seus preços de acordo com a lei da
oferta e da demanda do mercado, de forma a maximizar os retornos
obtidos pelas diárias cobradas. Desta forma, clientes normalmente podem
pagar preços diferentes mesmo que tenham reservado quartos de mesma
categoria, de mesma duração de estada e nos mesmos dias da semana. Os
preços, assim, variam de acordo com, por exemplo, o momento em que
foi reservado, o canal de venda utilizado (internet, reserva no balcão ou
via agência de turismo).
Não obstante, a precificação dinâmica, segundo Ivanov e
Zhechev (2017), deve ser utilizada com cautela, já que, para fornecer o
retorno em receita esperado, deve gerir ampla gama de informações
advindas de vários canais diferentes de vendas e relacionamento que o
hotel utiliza.
Referente às ferramentas da categoria non-pricing, a gestão de
capacidade de um empreendimento hoteleiro compreende ao conjunto de
atividades que são dedicadas ao controle de capacidade do hotel. Ivanov
e Zhechev (2017) distinguem entre decisões estratégicas e de curto prazo
(táticas) de gerenciamento de capacidade.
A primeira, refere-se às decisões como expandir ou não o número
de quartos, à definição de taxas ótimas de ocupação e a flexibilidade que
o hotel tem em responder às flutuações de demanda, alterando sua
capacidade. Já as decisões de curto prazo, referem-se às decisões de
53
54
gestão de capacidade diárias que o hotel precisa tomar, como: horários de
chegada e saída de hóspedes, aplicação de ferramentas de teoria das filas
e programação linear nos processos de serviço etc.
De uma maneira mais ampla, a gestão de capacidade pode não
somente referir-se aos quartos de hotel, mas também, caso aplicável ao
empreendimento, para instalações como restaurantes, salas de reuniões,
auditórios e outras instalações presentes na infraestrutura, utilizando
ferramentas específicas de gestão de capacidade para cada finalidade.
O controle de duração de estada refere-se ao grupo de atividades
que um empreendimento hoteleiro realiza para definir limites de mínimo
e, em menor ocorrência, de máximo número de diárias que clientes podem
reservar. Essas decisões ocorrem como forma de hotéis se protegerem
frente à possíveis perdas de receita, quando, por exemplo, clientes fazem
reservas de poucos dias em períodos de alta demanda (como é o caso do
hotel sediar algum evento).
Além do mais, hotéis podem gerar receitas adicionais ao
oferecerem diárias extras em períodos de baixa demanda, o que pode
ocorrer, por exemplo, com hotéis de público-alvo business oferecerem
estada compulsória aos sábados para todas as reservas que incluem uma
sexta-feira à noite. Assim, os empreendimentos podem gerar receitas
adicionais com serviços como serviços de quarto, refeições etc. por
estenderem por mais um dia a estada de seu cliente.
O overbooking, por sua vez, é uma prática que consiste em
oferecer produtos ou serviços além da capacidade disponível em um
período. A prática foi primeiramente concebida no setor de aviação, em
que permitia que empresas do setor obtivessem maior controle sobre
cancelamentos de última hora e no-shows, optando por reservar assentos
a limite da capacidade das aeronaves. O conceito foi herdado pelo setor
hoteleiro, para a reserva de quartos.
No entanto, a prática tem-se mostrado controversa já que, ao
decidir realizar overbooking, tomadores de decisão devem balancear as
consequências negativas e positivas que poderão ocorrer tanto para
clientes, quanto para as empresas que o praticam.
Poon e Tse (2016) argumentam que o overbooking aprimora as
eficiências operacionais, fazendo o bom uso de quartos de hotel ou de
assentos de avião, que, de outra forma, poderiam ser desperdiçados. Para
a realidade do setor hoteleiro, estudos empíricos e relatórios de grandes
redes têm dado credibilidade ao papel da prática no controle de perdas
potenciais de receita, solidificando-a como um dos componentes de maior
importância dentro do Revenue Management.
54
55
Weatherford (1995) estima a possibilidade de ganhos na ordem
de US$ 200 milhões anuais na rede Marriott advindos diretamente das
práticas de overbooking e de ferramentas que auxiliam o controle de
capacidade. Já Vinod (2004) atribui que, dentre as técnicas de Revenue
Management, 20% do total de receitas em potencial vem de práticas de
overbooking.
No entanto, por mais que a prática contribua positivamente para
a receita de hotéis e maximize a utilização da capacidade instalada, a
estratégia pode ser prejudicial (Guo, 2015). Quando um hotel decide
praticá-la, deve estar preparado para as consequências negativas de
desagradar clientes ou até mandá-los embora do estabelecimento após
descobrirem que o quarto reservado não está mais disponível. Desta
maneira, para lidar com a situação, cabe ao hotel tomar medidas cabíveis
que possam, assim, evitar causar danos morais e materiais nos clientes.
Como exemplo entre as alternativas disponíveis: reacomodar
hóspedes em quartos superiores àqueles previamente reservados no
mesmo hotel ou em hotéis de redes parceiras, buscando oferecer cobertura
aos mesmos serviços também previamente contratados; emitir um
voucher com valor igual ou superior ao valor pago pelas diárias etc.
Desta maneira, ao optar-se pela prática, deve-se buscar um
equilíbrio entre os custos advindos de negar um serviço previamente
contratado pelos clientes com a receita potencial que o overbooking pode
trazer. Desta forma, a prática justifica-se na medida em que supera os
possíveis inconvenientes que podem ser gerados para os clientes.
Ao contrário do setor aéreo brasileiro, que possui diretrizes claras
sobre overbooking propostas pela ANAC, não há leis ou diretrizes
específicas que regulamentem a prática no setor hoteleiro, nem que a
proíba. No entanto, caso a prática acarrete em algum dano aos clientes, a
empresa praticante pode responder por infração do Código de Defesa do
Consumidor, que exige o pagamento de indenização ou alguma
compensação a clientes que sofreram algum tipo de dano, seja ele moral
ou material. Mais precisamente, de acordo com o Código de Defesa do
Consumidor, Lei 8.078/1990, art.14:
CDC - Lei nº 8.078 de 11 de setembro de
1990 Dispõe sobre a proteção do consumidor e dá outras
providências.
Art. 14. O fornecedor de serviços responde,
independentemente da existência de culpa, pela
reparação dos danos causados aos consumidores
55
56
por defeitos relativos à prestação dos serviços, bem
como por informações insuficientes ou
inadequadas sobre sua fruição e riscos.
§ 1º O serviço é defeituoso quando não fornece a
segurança que o consumidor dele pode esperar,
levando-se em consideração as circunstâncias
relevantes, entre as quais:
I – O modo de seu fornecimento;
II – O resultado e os riscos que
razoavelmente dele se esperam;
III – A época em que foi fornecido.
§ 2º O serviço não é considerado defeituoso pela
adoção de novas técnicas.
§ 3º O fornecedor de serviços só não será
responsabilizado quando provar:
I – que, tendo prestado o serviço, o defeito
inexiste;
II – a culpa exclusiva do consumidor ou de
terceiros.
§ 4º A responsabilidade pessoal dos profissionais
liberais será apurada mediante a verificação de
culpa.
Da mesma maneira, caso a empresa não providenciar as
compensações necessárias que anulem ou amenizem o dano aos clientes,
esta estaria cometendo uma infração das normas do Código, que são
melhor detalhadas no art.56 abaixo:
Art. 56. As infrações das normas de defesa do
consumidor ficam sujeitas, conforme o caso, às
seguintes sanções administrativas, sem prejuízo
das de natureza civil, penal e das definidas em
normas específicas:
I - multa;
II - apreensão do produto;
III - inutilização do produto;
IV - cassação do registro do produto junto ao órgão
competente;
V - proibição de fabricação do produto;
VI - suspensão de fornecimento de produtos ou
serviço;
VII - suspensão temporária de atividade;
VIII - revogação de concessão ou permissão de uso;
56
57
IX - cassação de licença do estabelecimento ou de
atividade;
X - interdição, total ou parcial, de estabelecimento,
de obra ou de atividade;
XI - intervenção administrativa;
XII - imposição de contrapropaganda.
Parágrafo único. As sanções previstas neste artigo
serão aplicadas pela autoridade administrativa, no
âmbito de sua atribuição, podendo ser aplicadas
cumulativamente, inclusive por medida cautelar,
antecedente ou incidente de procedimento
administrativo.
Para avaliar as diferentes frequências de ocorrência de queixas
de clientes frente a prática de overbooking, o volume de reclamações no
site reclameaqui.com.br foi analisado. A plataforma é reconhecida por
em registrar feedbacks de consumidores brasileiros frente a serviços ou
produtos consumidos.
Em pesquisa realizada no dia 14 de março de 2018, foram
pesquisadas as palavras-chave: overbooking voo e overbooking hotel. A
plataforma registrou o número de 2.540 ocorrências da palavra
overbooking no site. No entanto, mais da metade das ocorrências foram
feitas por práticas da aviação civil, quando pesquisada a palavra-chave
“overbooking voo”, conforme pode ser visualizado na Figura 8.
57
58
Figura 8 - Quantidade percentual de ocorrência de queixas de overbooking
Fonte: reclameaqui.com.br
A respeito da categoria “overbooking outros” enquadram-se
casos de reclamações com compras de varejo anunciadas e não
disponíveis, provedores e serviços de internet, empresas de ônibus,
ingressos de shows e de cinema.
46%
27%
27%
Overbooking voo Overbooking hotel Overbooking outros
58
59
2.2.2 Newsvendor Model
Nessa seção, é revisado o referencial teórico do Newsvendor Model ou também chamado de Newsboy Model ou, ainda, Problema do
Jornaleiro, como é conhecido em português.
Segundo Porteus (2008), os primeiros estudos do que se conhece
hoje como o Newsvendor Model datam de 1888, em que Edgeworth em
1888 no contexto bancário, deparava-se com o problema de decidir o
nível de reservas monetárias que cobririam as demandas de seus clientes.
Somente em 1951, com Morse e Kimball, que o termo Newsboy foi
utilizado pela primeira vez. O problema começou a ser conhecido como
“Problema da Árvore de Natal” e Problema do Jornaleiro nos anos de
1960 e 1970. Porém, somente em 1980, Matt Sobel sugeriu o nome de
Newsvendor Problem, que hoje é o mais utilizado.
Conforme descrito por Porteus (2008), o modelo tem aderência
nas situações em que, quando um recurso limitado é requisitado de
maneira aleatória e uma decisão necessita ser feita, considerando a
disponibilidade dos recursos, antes de descobrir a quantidade requisitada.
O modelo também considera que as consequências econômicas de “ter
muito” ou “ter pouco” devem ser conhecidas. Em outras palavras, o
pedido é feito e recebido pelo vendedor em um momento anterior à
demanda, o que leva a possíveis excessos ou faltas que, por sua vez,
geram perdas econômicas.
O modelo leva o nome de Problema do Jornaleiro pois, segundo
Hill (2017), a cada manhã, o vendedor de jornais necessita fazer pedidos
para o dia de entregas. Se o jornaleiro fizer um pedido muito grande em
relação a demanda, alguns jornais poderão ser jogados fora ou vendidos
como jornais velhos no final do dia. Se o jornaleiro fizer um pedido muito
pequeno, alguns consumidores ficarão decepcionados sem receber seus
jornais e deixará, assim, de receber lucro pelas vendas que perdeu. Desta
forma, o Problema do Jornaleiro é utilizado para encontrar o número
ótimo de jornais que maximiza o lucro esperado, dada a distribuição
incerta de demanda e parâmetros conhecidos dos custos.
Ainda que o modelo tenha sido construído a partir da situação de
entrega de jornais, o Problema do Jornaleiro é um dos mais celebrados na
literatura de gestão de operações e tem várias aplicações para tomada de
decisão tanto para manufatura ou serviços, quanto para decisões
individuais. Segundo Qin et al. (2011), o Newsvendor Model é um dos
problemas clássicos do gerenciamento de estoque e suas ideias têm
implicações abrangentes para o gerenciamento de inventário para
organizações como hospitais, companhias aéreas e bens de moda.
59
60
Conforme descreve Vähä-Pietilä (2015), a estrutura do modelo é
bastante direta e não muito complexa. O problema tradicional e a solução
ótima fornecem um bom ponto de partida para outras extensões do
problema que, caso consideradas, podem fazer com que a solução mude
significantemente. Fatores como precificação dinâmica, possibilidade de
o ativo possuir valor residual diferente de zero, possibilidade de reposição
de estoque, perfil da demanda e número de períodos de análise, podem
ocasionar modificações no problema original.
A introdução de diferentes variáveis no Newsvendor Model
oferece oportunidades a pesquisadores a aproximar-se das situações do
mundo real.
Segundo Hill (2017), todos os problemas que envolvam a
aplicação clássica do Newsvendor compartilham de estrutura matemática
comum, com os seguintes elementos:
Variável de decisão (Q): O modelo visa encontrar o valor ótimo
de Q, em decisão única no período, em que Q é a quantidade a decidir,
por exemplo: de itens a serem comprados, do nível de estoque de
segurança, número de quartos postos em overbooking, etc. 𝑄∗ denota o
valor ótimo de quartos postos a overbooking. F(Q), por sua vez,
representa os valores da função de distribuição de no-shows.
Demanda (D): A demanda é uma variável aleatória definida pela
distribuição de demanda, por exemplo: distribuição normal, Poisson etc.
A demanda, por sua vez, pode ser discreta ou contínua. Para o contexto
do estudo, a demanda é discreta, e corresponde a demanda por quartos de
hotel.
Custo unitário de excesso (𝐶𝑒): Trata-se do somatório de todas as
perdas econômicas referentes a decisão de compra de um item a mais que
a demanda durante o período de análise. Com ressalva, no contexto de
empresas de varejo, por exemplo, 𝐶𝑒 pode ser dado pelo custo de compra
(𝐶) menos o valor residual do produto (𝑟) 𝐶𝑒 = 𝐶 − 𝑟, já que o valor
residual pode ser recuperado no final do momento de análise.
Para o contexto de overbooking em hotéis, por sua vez, 𝐶𝑒
equivale a consequência econômica em deixar de ter reservado um quarto
a mais e, então, ter capturado a demanda por este quarto. Por exemplo, o
hotel decide realizar o overbooking de cinco quartos, mas apenas quatro
clientes aparecem. Assim, um quarto deixa de ser alugado e o hotel
também deixaria de faturar com todos possíveis serviços que o cliente
poderia consumir durante a estada. Estes possíveis serviços podem ser
estimados pelo ticket-médio de gastos extras por cliente em cada diária.
60
61
É representado, então, pela fórmula:
𝐶𝑒 = 𝑉𝑎𝑙𝑜𝑟 𝑑𝑒 𝑑𝑖á𝑟𝑖𝑎 𝑚é𝑑𝑖𝑎 +
𝑇𝑖𝑐𝑘𝑒𝑡 𝑚é𝑑𝑖𝑜 𝑑𝑒 𝑔𝑎𝑠𝑡𝑜 𝑒𝑥𝑡𝑟𝑎 𝑝𝑜𝑟 𝑑𝑖á𝑟𝑖𝑎
Custo unitário de falta (𝐶𝑓): Trata-se do somatório das perdas
econômicas referentes a decisão de compra de 1 item a menos do que a
demanda durante o período de análise. No contexto de varejo, por
exemplo, 𝐶𝑓 é representado pelos custos de Stockout. As perdas
econômicas referentes ao Stockout, no modelo em questão, por sua vez,
são tratadas como custos de oportunidade, que é o preço (𝑝) subtraído do
custo unitário do produto (𝑐). Ou seja, a empresa perde a oportunidade
de obtenção de lucro com aquele produto ou serviço que não foi
disponibilizado ao cliente. Além disso, pode ser também levado em
consideração outras perdas econômicas intangíveis, advindas da
insatisfação do cliente não ter consumido o produto ou serviço (𝑐𝑖).
Os custos associados à insatisfação do cliente possuem maior
complexidade para estimar, já que, clientes diferentes podem incorrer a
valores diferentes de 𝑐𝑖 . Por exemplo, em casos de pequena lealdade à
marca, clientes podem consumir o produto ou serviço alternativo àquele
em Stockout, ou até podem também retornar em outra data, o que faz com
que o possível valor de 𝑐𝑖 seja um valor pequeno comparado à 𝑝 e 𝑐 .
No entanto, alguns clientes podem se desapontar ao fenômeno de
Stockout de modo em que não voltem a consumir o produto ou serviço
novamente, fazendo com que a empresa deixe de lucrar o equivalente ao
valor presente líquido dos lucros com o cliente em suas futuras compras.
𝐶𝑓 é calculado por: 𝐶𝑓 = 𝑝 − 𝑐 + 𝑐𝑖.
Para overbooking em hotéis, por sua vez, 𝐶𝑓 equivale às
consequências econômicas de não honrar uma diária ao cliente. Nesse
sentido, o hotel pode arcar com custos de, por exemplo, realocar o cliente
em um quarto do mesmo hotel; ou de realocar o cliente em um hotel
parceiro, incluindo o custeio de transporte do cliente; em ter que emitir
um voucher de vale-estada para consumo futuro do cliente; além de
também ser possível a existência de multas e custos intangíveis de
insatisfação, como o 𝑐𝑖 , que podem integrar cada um dos custos
previamente descritos.
Considerando os casos, o valor de 𝐶𝑓 pode ser representado pelas
seguintes expressões:
61
62
𝐶𝑓 = 𝐶𝑢𝑠𝑡𝑜𝑠 𝑑𝑒 𝑟𝑒𝑎𝑙𝑜𝑐𝑎çã𝑜 𝑒𝑚 𝑢𝑚 ℎ𝑜𝑡𝑒𝑙 𝑝𝑎𝑟𝑐𝑒𝑖𝑟𝑜 +
𝐶𝑢𝑠𝑡𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 𝑑𝑜𝑠 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝐶𝑓 = 𝐶𝑢𝑠𝑡𝑜𝑠 𝑑𝑒 𝑟𝑒𝑎𝑙𝑜𝑐𝑎çã𝑜 𝑛𝑜 𝑚𝑒𝑠𝑚𝑜 ℎ𝑜𝑡𝑒𝑙
𝐶𝑓 = 𝑀𝑢𝑙𝑡𝑎 𝑝𝑜𝑟 𝑛ã𝑜 ℎ𝑜𝑛𝑟𝑎𝑟 𝑜 𝑠𝑒𝑟𝑣𝑖ç𝑜
𝐶𝑓 = 𝐶𝑢𝑠𝑡𝑜𝑠 𝑑𝑒 𝑒𝑚𝑖𝑠𝑠ã𝑜 𝑑𝑒 𝑣𝑜𝑢𝑐ℎ𝑒𝑟 𝑑𝑒 𝑑𝑒𝑠𝑐𝑜𝑛𝑡𝑜
𝑝𝑎𝑟𝑎 𝑑𝑖á𝑟𝑖𝑎 𝑓𝑢𝑡𝑢𝑟𝑎
O objetivo do Newsvendor Model é encontrar o valor ótimo de Q,
em que se equilibram os custos unitários de excesso e os custos unitários
de falta, ou seja, quando estes são iguais.
Os custos de falta e de excesso são ponderados a partir das
probabilidades de excesso e de falta. Ou seja, de quando demanda superar
a quantidade, ocasionando custos de falta 𝑃(𝐷 ≥ 𝑄)𝐶𝑓, e para quando a
demanda for inferior à quantidade ofertada, ocasionando os custos de
excesso.
Definidas as variáveis, o valor ótimo de Q, Q*, pode ser
encontrado da seguinte maneira:
𝑃(𝐷 ≥ 𝑄)𝐶𝑓 = 𝑃(𝐷 < 𝑄)𝐶𝑒
(1 − 𝐹(𝑄))𝐶𝑓 = 𝐹(𝑄)𝐶𝑒
𝐶𝑓 − 𝐹(𝑄)𝐶𝑓 = 𝐹(𝑄)𝐶𝑒
𝐶𝑓 = 𝐹(𝑄)(𝐶𝑓 + 𝐶𝑒)
𝐹(𝑄) =𝐶𝑓
𝐶𝑓 + 𝐶𝑒
Na literatura, a fração encontrada acima é normalmente chamada
de Fração Crítica e assume valores entre 0 e 1. O número ótimo 𝑄∗, por
sua vez, pode ser obtido considerando 𝐹−1 o inverso da distribuição
cumulativa e é dado pela relação abaixo:
𝑄∗ = 𝐹−1 (𝐶𝑓
𝐶𝑓 + 𝐶𝑒)
62
63
A utilização da Fração Crítica pode ser encontrada na literatura
também no sentido de definir o nível de “proteção” para quartos de
categoria superior, a serem reservados.
Por exemplo, um hotel com capacidade fixa de 150 leitos e possui
duas taxas que podem ser cobradas aos seus clientes: superior, com diária
de R$250 para clientes de negócios e inferior, de R$150, para clientes do
tipo lazer. O decisor tem o objetivo de maximizar sua receita frente a uma
demanda incerta por quartos de categoria superior, enquanto a demanda
por quartos de categoria inferior é abundante durante todo o período.
Num primeiro momento, utilizar toda a capacidade do hotel para
receber os clientes seria a maneira de maximizar a receita. Porém, não é
garantido que a demanda se materialize. O decisor, então, depara-se com
o trade-off: Se fizer a proteção de muitos quartos de categoria superior e
não obtiver demanda suficiente, o hotel perde a oportunidade de ter
garantido alguns quartos para a categoria inferior. Se o hotel proteger um
número pequeno de quartos e a demanda por quartos superiores for maior
que a esperada, perde-se a oportunidade de ter reservado mais quartos
para clientes mais valiosos. Neste contexto, a utilização do Newsvendor
Model para decidir a quantidade ideal de quartos a serem protegidos para
a categoria superior, considerando os custos de ter realizado muita ou
pouca proteção dos quartos.
2.2.3 Árvores de Decisão
Árvores de decisão são utilizados em diversas áreas do
conhecimento como ciência da computação, botânica e psicologia. As
árvores auxiliam a interpretação de dados de maneira gráfica, o que pode
facilitar o entendimento de problemas em que um grande conjunto de
dados necessita ser analisado (RAMASWAMI, 2010).
Nas árvores, algoritmos são utilizados para realizar inferências
em um conjunto de dados e para compreender a maneira com que
determinados dados de uma amostra se relacionam. A construção se dá
através do particionamento recursivo de um universo de dados, que gera
vários subconjuntos menores de dados. (BREIMAN et al., 1984). As
árvores são constituídas pela raiz, nós, ramos e folhas.
A raiz contém todo o conjunto de dados a ser analisado. Os nós
contêm testes que avaliam as amostras frente a um atributo, realizando o
particionamento de dados. Cada ramo descendente corresponde a um
possível valor desse atributo e cada folha gerada está associada a uma
classe e, cada percurso da árvore, da raiz até a folha corresponde a uma
regra de classificação. O universo de dados é dividido em subconjuntos
63
64
menores até que cada um deles contemple apenas uma classe ou até que
uma das classes demonstre uma clara maioria não justificando posteriores
divisões. (FONSECA, 1994). A Figura 9 ilustra um exemplo de árvore de
decisão e seus elementos constituintes.
Figura 9 - Árvore de decisão e elementos constituintes
Fonte: Fonseca (1994)
Dentre os algoritmos existentes para a construção de árvores de
decisão destaca-se o CART, CHAID, C4.5, ID3. Para o presente trabalho,
foi escolhido o algoritmo CHAID, do acrônimo, em inglês, Chi-squared
Automatic Interaction Detector, presente no software Statistica. Para
cada nó da árvore, o algoritmo se baseia no teste de qui-quadrado para
determinar a melhor divisão seguinte em cada etapa.
64
65
3. PROCEDIMENTOS METODOLÓGICOS
Com o propósito de atingir o objetivo do trabalho, será realizado
um estudo de caso em um hotel sediado na cidade de São Paulo-SP.
A presente seção terá o objetivo de descrever as etapas
metodológicas que conduziram aos resultados obtidos pelo estudo. A
metodologia está dividida em quatro etapas, ilustradas a seguir no Quadro
5.
Quadro 5 - Etapas metodológicas utilizadas
Sequência Etapa Ferramenta utilizada
1 Análise panorâmica de dados Entrevista semiestruturada
com colaboradores do hotel
2
Análise da interelação das
variáveis de interesse ao
problema
Software Statistica
3
Cálculo do número ótimo de
overbooking para cada
circunstância avaliada
Entrevista semiestruturada
com colaboradores do hotel
Software Statistica
4 Interpretação de resultados Software Statistica
Fonte: O autor
Na primeira etapa, foram realizadas entrevistas com
colaboradores do hotel, com o objetivo de compreender o perfil de no-
shows, cancelamentos e de reservas do hotel. O horizonte de análise
escolhido será constituído por dados dos anos de 2015, 2016 e de 2017.
Referente às entrevistas, dois colaboradores serão entrevistados:
o diretor geral do hotel, responsável pela gestão geral do hotel, e um
colaborador da área administrativa, ambos presentes desde que o
empreendimento passou a ter administração própria. Dentre todos os
colaboradores, os entrevistados foram escolhidos pela profundidade de
conhecimentos a respeito da empresa, bem como pela facilidade e
abertura de comunicação, os quais se dispuseram para se voluntariar na
concepção do presente trabalho desde seu início.
O modelo de entrevistas será o semi-estruturado, escolhido por
mesclar características de entrevista estruturada e também de uma entrevista não-estruturada.
Segundo Manzini (2004), a entrevista semi-estruturada tem como
base um roteiro com perguntas principais, complementadas por outras
questões inerentes às circunstâncias momentâneas à entrevista. As
65
66
perguntas que complementam o roteiro-base conferem flexibilidade à
entrevista e pode fazer emergir informações de maneira mais livre.
As entrevistas foram conduzidas via telefone, durante o horário
comercial. Serão realizadas mais de uma entrevista, de modo que haja a
aquisição suficiente de informações que permitam apoiar atingir os
objetivos da pesquisa. Para o registro das informações obtidas nas
entrevistas, será utilizado ora computador, ora anotações manuais do
facilitador. A seleção dos dias e horários foi definida de acordo com a
disponibilidade do facilitador e dos entrevistados.
Após a aquisição dos dados na primeira etapa, a segunda etapa
tem o objetivo de compreensão da maneira em que as variáveis escolhidas
para formulação do problema se relacionam. Neste sentido, foi escolhido
o software Statistica, que possui ampla variedade de ferramentas
estatísticas e permite análise aprofundada do comportamento das
variáveis componentes do problema e do entendimento da maneira com
que estas se relacionam. Na segunda etapa, o uso do software também se
faz necessário, já que possui em seu diretório ferramentas estatísticas que
permitem identificar o modelo de distribuição de no-shows do hotel, peça
fundamental na construção do modelo utilizado no trabalho.
Na terceira etapa serão realizadas novas entrevistas com os
colaboradores selecionados do hotel no sentido de obter os custos
unitários de falta e de excesso, componentes da estrutura do modelo. A
terceira etapa é concluída na medida em que são encontrados os números
ótimos de quartos selecionados para overbooking, considerando as
diferentes decisões em que o hotel pode tomar frente à ocorrência do
fenômeno, que são:
realocação do cliente em quarto de hotel parceiro;
realocação do cliente no mesmo hotel;
submeter-se a pagamento de multa por decidir não
honrar a diária para o cliente.
Serão consideradas também outras medidas paliativas que o hotel
pode tomar em conjunto com uma das três decisões anteriores, como
concessão de voucher de desconto de diária para reservas futuras.
Na última etapa foi realizada uma análise crítica dos números
ótimos de overbooking obtidos com o propósito de verificar a viabilidade
de criação de políticas que implementem a prática no hotel.
66
67
4. RESULTADOS
4.1 A EMPRESA
A empresa de estudo é um hotel da cidade de São Paulo de 4
estrelas, da categoria midscale. Até o ano de 2008, o hotel pertencia ao
grupo hoteleiro internacional Vazeli. Desde então, o empreendimento tem
funcionado sob administração própria de seus proprietários e tem passado
por mudanças.
Antes do momento de crise econômica, o hotel possuía a maior
proporção de clientes do segmento corporativo. No entanto, com a crise
econômica em meados de 2013, o segmento de clientes não corporativos,
por exemplo, de lazer, começou a ganhar maior importância. Por
conseguinte, pelo fato do público de lazer possuir expectativas diferentes
daqueles corporativos, o hotel vem tomando decisões de rever sua
estrutura física e também de gestão.
Sobre sua estrutura física, o hotel tem procurado se adequar às
exigências e padrões do mercado e realizou uma série de reformas, como:
reforma na entrada, reforma no drive way, no restaurante e foi feito um
gazebo nos fundos do prédio. Ainda, constantemente são realizadas
pequenas reformas nos quartos e nos banheiros, como retirada dos
carpetes e inserção de piso de madeira e adequação de todos os quartos
para não-fumantes.
No que tange às acomodações, o hotel conta atualmente com 125
quartos, distribuídos em cinco categorias. Salienta-se que a única
diferença entre as categorias é a quantidade de camas sendo que a diária
para cada categoria é a mesma. A relação do tipo de quarto com a
quantidade disponível é representada na Tabela 1.
Sobre sua localização, o hotel encontra-se em uma região
diferenciada da cidade, a 300m da Avenida Paulista, próximo à estação
de metrô Trianon-Masp e também próximo a um grande número de
museus, restaurantes, shopping-centers e hospitais de São Paulo. A Figura
10, extraída do Google Maps, ilustra a localização do hotel e das suas
imediações.
No entanto, muito embora o hotel se encontre em uma
localização privilegiada, com ampla gama de serviços disponíveis para
seus clientes em suas imediações, a boa localização também favorece a
competição local por leitos. A empresa, representada pelo ícone de
marcação cinza no centro da Figura 11, está localizada em região de
grande densidade de leitos de hotel. Esta figura foi igualmente extraída
do Google Maps, com os hotéis nas imediações da empresa representados
67
68
pelos retângulos azuis. Estes representam os respectivos preços mais
baratos das diárias ofertadas pelas agências online, como a Expedia ou
Booking.com. Os valores dos preços são aqueles mais baixos encontrados
no momento da pesquisa, independente do quarto.
Tabela 1 - Acomodações do hotel
Tipo de quarto Descrição Quantidade de
quartos
Executivo Double Clean (EDC) 1 cama de casal 52
Executivo Twin Clean (ETC) 2 camas de solteiro 41
Executivo Single Clean (ESC) 1 cama de solteiro 12
Executivo Triplo Twin Clean
(TPS) 3 camas de solteiro 14
Executivo Triplo Clean (TPC) 1 cama de casal e 1 de
solteiro 6
Fonte: O autor
Atualmente, segundo os entrevistados, o hotel conta com taxa
média de ocupação de 70%. O valor se aproxima da ocupação média
anual de 68,04% de hotéis midscale (Observatório de Turismo e Eventos,
2017).
No final do primeiro semestre de 2018 estão ainda previstas para
conclusão, a construção de uma nova ala com quartos de qualidade
superior e abertura de uma locadora de carros própria, expandindo assim,
o volume de serviços que pode ser ofertado aos clientes do hotel.
Como iniciativas futuras, o hotel pretende encontrar maneiras de
aumentar a receita e também reduzir seus custos, por exemplo, de
comissões pagas às agências online de viagem (OTA’s – Online Travel
Agencies), que chegam a receber cerca de 25% comissão por vendas.
Neste sentido, o hotel contratou uma empresa de consultoria para
reestruturar a sua área comercial e também para reposicionar o perfil da
marca e adequar à crescente exigência dos consumidores dos perfis
executivo e, principalmente, do segmento de lazer, que vem ganhando
relevância na carteira de clientes da empresa.
68
69
Figura 10 - Imediações do hotel
Fonte: Google Maps
69
70
Figura 11 - Outros hotéis nas imediações da empresa
Fonte: Google Maps
70
71
4.2 ANÁLISE PANORÂMICA DOS DADOS
A análise panorâmica de dados tem o objetivo de compreender,
de maneira ampla, as reservas, no-shows, cancelamentos, bem como as
decisões que o hotel toma frente aos dois últimos fenômenos citados.
A empresa disponibilizou dados referentes aos fenômenos de no-show e dados referentes às reservas e cancelamentos realizados por cada
plataforma. Ambos dados datam dos anos 2015, 2016 e 2017.
4.2.1 Reservas
Quando realizadas e, de fato, consumidas em todo o período
reservado, reservas figuram-se como pernoites. Por outro lado, quando o
cliente firma compromisso de reserva com a empresa, mas não a consome,
nem notifica a empresa, é considerado no-show. Quando há notificação
prévia de não consumir a reserva, ocorre o cancelamento. As reservas têm
a opção de serem feitas através de empresas mediadoras ou não.
Empresas mediadoras têm a função de aproximar potenciais
clientes ao hotel e, dentre as atividades que realizam, ajudam o hotel na
divulgação de quartos disponíveis online, por exemplo. As empresas
mediadoras são representadas pelas agências de viagem, como
Bancorbras e Trend e outras agências conhecidas na literatura como
OTA’s, Online Travel Agencies, representadas pela Booking.com e
Expedia, por exemplo.
Atualmente, o hotel possui contratos firmados com essas
empresas, que também atuam na definição do preço das diárias, que é
flutuante. Através de algoritmos, as agências calculam o preço das diárias
em função de variáveis como o nível de ocupação média do hotel em
determinado período, no sentido de ajustar a oferta à demanda e, assim,
maximizar a ocupação do hotel. Como consequência, clientes podem
pagar preços diferentes para o mesmo tipo de reserva.
No caso de não haver empresas mediadoras, clientes fazem a
reserva através do site do hotel ou por telefone. O preço ofertado pelas
diárias a esses clientes também é dinâmico, e também varia, por exemplo,
com a taxa de ocupação em determinado momento no hotel.
No momento da reserva, o cliente pode optar por duas categorias
de preço de diária: categoria não reembolsável ou reembolsável.
A categoria não reembolsável não permite cancelamento ou
alteração da reserva. Já a categoria reembolsável permite cancelamento
ou alteração na reserva desde que sejam feitas 48h de antecedência à data
do check-in. Caso não seja respeitado o prazo, é cobrado o valor da
71
72
primeira diária. O preço desta categoria é ajustado de modo a ser sempre
10% mais caro do que a categoria não reembolsável.
A seguir, é realizado um comparativo do número de agências,
pernoites e da diária média paga por cada cliente nos anos de análise,
representado na Tabela 2.
Tabela 2 - Comparativo anual de clientes, pernoites e diária média
Ano Quantidade de agências Número de pernoites Diária média
2015 142 29.810 R$ 259,37
2016 137 29.994 R$ 250,00
2017 138 31.381 R$ 265,85
Fonte: O autor
Do total de 91.185 pernoites, grande maioria destes adviram de
um grupo pequeno de agências, como Booking.com e Bancorbras, mas
também houve vários pernoites realizados diretamente entre cliente e
hotel, nomeados “particular”. A contribuição de cada agência e também
da categoria “particular” no número total de pernoites, por ano, é ilustrada
na Figura 12.
72
73
Figura 12 - Contribuição percentual de pernoites por agência
Fonte: O autor
73
74
Além dos pernoites, clientes que se hospedam no hotel também
consomem serviços como: refeições no restaurante, alimentos e bebidas
do frigobar, serviço de quarto, lavanderia, telecomunicação, e também
podem realizar locação do salão para eventos. Tais serviços são
classificados como “serviços extras” pelo hotel.
A Tabela 3, ilustrada a seguir, compara a evolução dos gastos
extras do hotel nos últimos anos e estima o ticket-médio que cada hóspede
gasta em cada pernoite.
Tabela 3 - Comparativo anual de gastos extras, pernoites e ticket-médio
Ano Total de gastos extras Número de pernoites Ticket médio por
pernoite
2015 R$ 1.857.708,95 29.810 R$ 62,32
2016 R$ 1.788.076,98 29.994 R$ 59,61
2017 R$ 1.634.570,52 31.381 R$ 52,09
Total R$ 5.280.356,45 91.185 R$ 57,91
Fonte: O autor
O ranking das agências que mais contribuíram com as receitas
extras seguiu exatamente o ranking das agências que mais contribuíram
com pernoites nos anos de análise.
A seguir, a Figura 13 ilustra a contribuição percentual de receitas
extras, por agência, e também por clientes da categoria “particular”.
74
75
Figura 13 - Contribuição percentual com receitas extras, por agência
Fonte: O autor
75
76
4.2.2 No-Shows e cancelamentos
Configura-se um fenômeno de no-show quando um cliente
realiza uma reserva, realiza o pagamento pelas diárias, mas não se faz
presente no dia em que se inicia a reserva. Também, para ser considerado
no-show, o cliente não deve notificar, com antecedência necessária, o
hotel pelo seu não comparecimento.
De forma reativa, o hotel, no mesmo dia da data inicial da reserva
do cliente, realiza o check-out e o quarto é colocado à venda novamente.
Como diretriz do hotel, caso o cliente não compareça no dia inicial da sua
reserva até 12:00, e não haja aviso prévio do cliente, a diária é registrada
como no-show e o quarto é ofertado a partir das 12:00 desse mesmo dia.
Da mesma maneira, caso o cliente não aparecer no dia em que
se inicia o seu período de reserva, mas aparecer em algum dia posterior,
o cliente não terá mais sua reserva garantida. Como penalidade, o hotel
do presente estudo tem como diretriz realizar cobrança somente da
primeira diária quando ocorre o no-show, independente do dia da semana
e da categoria do quarto.
No sentido de realizar uma estimativa do impacto financeiro
advindo dos no-shows, o hotel acumulou receita equivalente a
R$ 158.062,74, advindo de 612 no-shows, considerando a cobrança da
primeira diária no valor da diária média daquele ano. A seguir, a Tabela
4 explicita o impacto financeiro advindo pelo no-show nos anos de análise.
Tabela 4 - Impacto financeiro advindo pelo no-show
Ano Quantidade de
no-shows Diária média Receita média de no-show
2015 202 R$ 259,37 R$ 52.392,74
2016 210 R$ 250,00 R$ 52.500,00
2017 200 R$ 265,85 R$ 53.170,00
Total 612 - R$ 158.062,74
Fonte: O autor
Referente à categoria de quarto do hotel, a categoria EDC é a que
mais registrou o fenômeno nos últimos anos, seguida da ETC, TPS, TPC
e ESC, conforme pode ser visualizado na Figura 14, a seguir.
76
77
Figura 14 - Porcentagem de ocorrências de no-shows por tipo de quarto
Fonte: O autor
Nota-se que a porcentagem de ocorrência de no-shows por
categoria de quarto obedece ao número de quartos existente em cada
categoria.
Ao que se refere aos dias da semana em que mais houveram no-shows, o fenômeno tem maior densidade de ocorrências na medida em
que se aproxima do final de semana.
A Figura 14 ilustra que quinta-feira foi o dia com maior número
de registros, totalizando 19% das ocorrências, enquanto segunda-feira foi
o dia da semana com a menor frequência do fenômeno, com 9% das
ocorrências. Por sua vez, a Figura 16 indica que a ocorrência de no-show
para cada ano de análise manteve um padrão, que se distribuiu para cada
dia da semana.
Figura 15 - Porcentagem de ocorrências de no-show por dia da semana
Fonte: O autor
77
78
Figura 16 - Ocorrências de no-shows por ano e por dia da semana
Fonte: O autor
Considerando a distribuição mensal da frequência de no-shows,
novembro foi o mês com maior número no ano, com 15% do total,
enquanto janeiro e fevereiro, com 5%, registraram o menor número de
ocorrências. A relação é ilustrada na Figura 17.
Figura 17 - Porcentagem de ocorrências de no-shows por mês
Fonte: O autor
A contribuição de cada ano de análise no número de ocorrência
de no-shows por mês é ilustrada na Figura 18.
78
79
Figura 18 - Ocorrências de no-shows por mês e por ano
Fonte: O autor
Também foi observado que as agências que mais registraram
pernoites foram aquelas que também mais contribuíram com as
ocorrências de no-show. Clientes que utilizaram a plataforma
Booking.com para realizar suas reservas contribuíram com a maioria dos
fenômenos registrados.
No entanto, verificou-se que a modalidade “particular”, que nos
três anos de análise, contemplaram com 24% do total de pernoites, não
figurou no ranking dos dez maiores de no-show, que foi composto por,
somente, agências de viagem. A Figura 19 ilustra a contribuição de cada
agência no número total de no-shows.
79
80
Figura 19 - Porcentagem de no-shows por agência
Fonte: O autor
80
81
A respeito dos cancelamentos, em 2015, foram registrados 1.889
cancelamentos, enquanto que em 2016 foram 2.006 cancelamentos; e em
2017, 1.449 cancelamentos, totalizando 5.334 registros do fenômeno.
Dos dados de cancelamento disponibilizados, não foi possível
obter distinção se o cancelamento foi realizado por cliente que contratou
diária pela categoria reembolsável ou não reembolsável. Desta maneira,
considerando o número de cancelamentos e a diária média em cada ano,
o hotel pôde faturar os seguintes valores, explicitados na Tabela 5.
Tabela 5 - Estimativa de ganhos com cancelamento
Ano
Nú
mer
o d
e
can
cela
men
tos
Tar
ifa
não
reem
bo
lsáv
el
(R$
)
Tar
ifa
reem
bo
lsáv
el
(R$
)
To
tal
não
reem
bo
lsáv
el
(R$
)
To
tal
reem
bo
lsáv
el
(R$
)
2015 1.889 259,37 337,18 489.949,93 636.934,91
2016 2.006 250,00 325,00 501.500,00 651.950,00
2017 1.449 265,85 345,61 385.216,65 500.781,65
Fonte: O autor
Assim o hotel pôde faturar, em cada ano, um valor entre o total
reembolsável e total não reembolsável.
A porcentagem de ocorrências de cancelamentos por agência
também seguiu o perfil do número de pernoites. A maioria dos
cancelamentos foi realizada pela agência Booking.com e também pela
categoria “particular”. A relação entre o número de cancelamentos por
agência é ilustrada na Figura 20.
81
82
Figura 20 - Porcentagem de cancelamentos por agência
Fonte: O autor
82
83
A análise panorâmica de dados indica que uma política adequada
de overbooking deveria contemplar a natureza dos dados obtidos, dado
que se observou uma maior concentração de no-shows, pernoites e
cancelamentos para um número limitado de agências.
Com a interpretação destes dados, a princípio, o hotel poderia
decidir por realizar overbooking de quartos EDC, com preferência nos
dias de quinta ou sexta-feira, no mês de novembro e anunciar essa decisão
para agências Booking.com, Trend Operadora e Bancorbras. No entanto,
estas agências são também aquelas que mais contribuem para o retorno
financeiro do hotel. Desta forma, uma eventual decisão de introduzir uma
política de overbooking no sistema de reservas deve ser minuciosamente
planejada.
4.3 ANÁLISE DA INTERELAÇÃO DAS VARIÁVEIS
Esta seção tem como objetivo identificar possíveis relações entre
variáveis no sentido de gerar informações adicionais que permitam
compreender, de maneira intuitiva, como estas variáveis podem conduzir
a diferentes resultados quando decisões em série podem ser relevantes
para a análise. Para tanto, utilizou-se o modelo de árvore de decisão,
previamente descrito na fundamentação teórica deste trabalho.
Para a construção do modelo de árvore de decisão, foi escolhido
o modelo CHAID trees do software Statistica. A partir da seleção das
variáveis dependentes e independentes, obteve-se duas árvores de decisão
representativas do fenômeno de no-show e de pernoites no hotel. A
primeira é mostrada na Figura 21.
83
84
Figura 21 - Árvore de decisão para total no-show, pernoites e ano
Fonte: Statistica
Nesta árvore de decisão, a variável dependente é a “Total no-show”, que é definida como o somatório de todos os fenômenos ocorridos
no hotel durante os três anos de análise.
Cada sub-amostra de dados é representada por um retângulo,
identificado por ID, que contém N dados. O número zero que se repetiu
em todos retângulos representa a moda de cada sub-amostra, enquanto as
barras verticais coloridas representam o histograma de no-shows.
A primeira regra obtida com a árvore sugere que o número de
pernoites, nome dado a diárias efetivamente consumidas, inferior a 58
apresenta grande maioria dos no-shows iguais a zero. Ou seja, para
agências que registraram número de no-shows inferior a 58 não
registraram a maioria dos no-shows no hotel. O comportamento segue a
tendência de que o número de no-shows aumenta com o número de
pernoites que agências registram com o hotel. Da mesma maneira, agências que registraram número de pernoites superior a 58 contribuíram
com maiores ocorrências de no-show, representadas pelos histogramas de
ID=3. Foram registradas N=71 ocorrências de agências com pernoites
superiores a 58 que ocasionaram em maior frequência de no-shows no
hotel.
84
85
A outra regra obtida faz a partição dos dados referente aos anos
de análise. ID=4 representa os anos de 2015 e 2016, enquanto ID=5
representa o ano de 2017. A partição segmenta-se em duas novas sub-
amostras, de tamanhos igual a 223 e 104 dados, respectivamente. Pelo
histograma de ID=5, pode se inferir que o ano de 2017 registra número
maior de no-shows iguais a um por cliente. Esses clientes também
registraram poucas pernoites no hotel. Sugere-se que 2017 houve um
padrão de leve desconcentração de no-shows comparado com 2015 e 2016,
em que houve maior concentração de no-shows iguais a zero.
Na Figura 22, a variável dependente é “Total no-show”, como a
árvore anterior. No entanto, a árvore contempla testes referentes aos anos
e meses do ano.
Figura 22 - Árvore de decisão para total no-show, ano e meses do ano
Fonte: Statistica
A primeira regra obtida refere-se às plataformas que registraram número abaixo de sete diárias no mês de dezembro. Esta categoria
apresentou a grande maioria do número de no-shows nulos, enquanto
plataformas que apresentaram número de diárias superior a sete fizeram
com que ocorresse maior número de no-shows não nulos. Sugere-se que
há maior ocorrência de no-shows, quando o número de pernoites em
85
86
dezembro é acima de sete. O comportamento também segue a tendência
de que o número de no-shows aumenta com o número de pernoites que
agências registram com o hotel.
A segunda regra, representada por Ano na Figura 22, representa
a mesma análise realizada na Figura 21, que compara o número de no-
shows entre anos 2015,2016 com 2017. No entanto, o nó fev, que
representa o número de diárias consumidas em fevereiro segmenta a
amostra ID=3 em duas amostras ID=6 e ID=7: Menor que 715 diárias e
maior que 715 diárias. Há dois dados em ID=7 cuja moda é 164, que é
igual ao número de no-shows do cliente Booking.com em 2016.
A última regra, representada por Jun (número de diárias no mês
de junho) ilustra que, quando o número de diárias é maior que quatro,
ocorre um padrão de diluição de ocorrências de no-show, ou seja, maiores
ocorrências de no-shows não nulos. Novamente, esse comportamento
sugere que número de no-shows aumenta com o número de pernoites que
agências registram com o hotel.
4.4 CÁLCULO DO NÚMERO ÓTIMO DE OVERBOOKING PARA
CADA CIRCUNSTÂNCIA AVALIADA
Nesta seção é calculado o número ótimo de quartos colocados a
overbooking através do Newsvendor Model.
O modelo é utilizado para avaliar o número ótimo de produtos ou
serviços a serem disponibilizados para os clientes em momento anterior à
venda. Como a demanda pelo produto ou serviço é incerta, o número
disponibilizado pode ser maior ou menor do que a demanda, causando
consequências diferentes à empresa que o comercializou.
Reservas de hotel são considerados serviços perecíveis.
Diariamente, o gestor pode decidir a quantidade de quartos a serem
ofertados em momento anterior à disponibilização para os clientes. A
quantidade ofertada pode ser igual à capacidade disponível ou superior (o
que causa overbooking). Caso oferte capacidade superior, o gestor
depara-se com uma demanda que pode ser maior ou menor que a
capacidade ofertada e, assim, ocorrerão consequências diferentes para
cada caso de demanda.
Para a utilização do modelo faz-se necessário considerar as
quatro variáveis básicas que o compõe:
86
87
4.4.1 Variável de decisão Q
Esta variável indica o número de quartos postos em overbooking.
O modelo visa encontrar o número ótimo 𝑄∗ que balanceia o custo
unitário de excesso e o de falta. O hotel dispõe de cinco categorias
diferentes de quartos e a categoria com maior porcentagem de ocorrência
de no-shows é a categoria EDC, que dispõe de uma cama de casal por
quarto.
F(Q), por sua vez, representa os valores da função de distribuição
de no-shows. O perfil de distribuição dos dados de no-show pode ser
verificado por teste estatístico de aderência. Para tanto, foi utilizado o
software Statistica. Como primeira hipótese, supõe-se que a distribuição
de no-shows para cada dia da semana siga a distribuição de Poisson. Com
o recurso de distribution fitting do software, foi possível confirmar que
todas as distribuições de no-show, independente do dia da semana,
aderem-se à distribuição de Poisson, com valores de lambda (λ) próximos
a 0,2 dias, ao nível de significância de p<0,05 (teste de Kolgomorov-
Smirnov)
As Figuras 23-29 mostram os resultados dos testes de aderência
para no-shows de cada dia da semana, enquanto as Tabelas 6-12
apresentam as correspondentes distribuições acumuladas.
4.4.2 Demanda D
A demanda é uma variável aleatória definida pela distribuição de
demanda, por exemplo: distribuição normal, Poisson etc. A demanda, por
sua vez, pode ser discreta ou contínua. Para o contexto do estudo, a
demanda é discreta, e corresponde a demanda por quartos de hotel.
87
88
Figura 23 - Distribuição Poisson de no-shows para segunda-feira
Fonte: Statistica
88
89
Tabela 6 - Distribuição Poisson de no-shows para segunda-feira
Fonte: Autor, Statistica
Frequência Número de
observações Acumulado Percentual
Percentual
acumulado
(%)
<=0 388 388 97,49 97,49
2 5 393 1,26 98,74
4 0 393 0,00 98,74
6 2 395 0,50 99,25
8 0 395 0,00 99,25
10 1 396 0,25 99,50
12 0 396 0,00 99,50
14 1 397 0,25 99,75
16 0 397 0,00 99,75
< Infinito 1 398 0,25 100,00
89
90
Figura 24 - Distribuição Poisson de no-shows para terça-feira
Fonte: Statistica
90
91
Tabela 7 - Distribuição Poisson de no-shows para terça-feira
Frequência Número de
observações Acumulado
Percentual
(%)
Percentual
acumulado
(%)
<= 0 383 383 96,23 96,23
2 8 391 2,01 98,24
4 3 394 0,75 98,99
6 0 394 0,00 98,99
8 1 395 0,25 99,25
10 1 396 0,25 99,50
12 0 396 0,00 99,50
14 0 396 0,00 99,50
16 0 396 0,00 99,50
18 0 396 0,00 99,50
20 0 396 0,00 99,50
22 0 396 0,00 99,50
24 0 396 0,00 99,50
26 0 396 0,00 99,50
28 1 397 0,25 99,75
30 0 397 0,00 99,75
32 1 398 0,25 100,00
< Infinito 0 398 0,00 100,00
Fonte: Autor, Statistica
91
92
Figura 25 - Distribuição Poisson de no-shows para quarta-feira
Fonte: Statistica
92
93
Tabela 8 - Distribuição Poisson de no-shows para quarta-feira
Frequência Número de
observações Acumulado
Percentual
(%)
Percentual
acumulado
(%)
<= 0 381 381 95,73 95,73
2 9 390 2,26 97,99
4 4 394 1,01 98,99
6 2 396 0,50 99,50
8 0 396 0,00 99,50
10 0 396 0,00 99,50
12 0 396 0,00 99,50
14 0 396 0,00 99,50
16 0 396 0,00 99,50
18 1 397 0,25 99,75
20 0 397 0,00 99,75
22 0 397 0,00 99,75
24 1 398 0,25 100,00
< Infinito 0 398 0,00 100,00
Fonte: Autor, Statistica
93
94
Figura 26 - Distribuição Poisson de no-shows para quinta-feira
Fonte: Statistica
94
95
Tabela 9 - Distribuição Poisson de no-shows para quinta-feira
Frequência Número de
observações Acumulado
Percentual
(%)
Percentual
acumulado
(%)
<= 0 382 382 95,98 95,98
5 12 394 3,02 98,99
10 1 395 0,25 99,25
15 1 396 0,25 99,50
20 0 396 0,00 99,50
25 1 397 0,25 99,75
30 0 397 0,00 99,75
35 0 397 0,00 99,75
40 0 397 0,00 99,75
< Infinito 1 398 0,25 100,00
Fonte: Autor, Statistica
95
96
Figura 27 - Distribuição Poisson de no-shows para sexta-feira
Fonte: Statistica
96
97
Tabela 10 - Distribuição Poisson de no-shows para sexta-feira
Frequência Número de
observações Acumulado
Percentual
(%)
Percentual
acumulado
(%)
<= 0 380 380 95,72 95,72
2 9 389 2,27 97,98
4 4 393 1,01 98,99
6 0 393 0,00 98,99
8 0 393 0,00 98,99
10 0 393 0,00 98,99
12 1 394 0,25 99,24
14 1 395 0,25 99,50
16 0 395 0,00 99,50
18 0 395 0,00 99,50
20 0 395 0,00 99,50
22 0 395 0,00 99,50
24 0 395 0,00 99,50
26 1 396 0,25 99,75
28 0 396 0,00 99,75
< Infinito 1 397 0,25 100,00
Fonte: Autor, Statistica
97
98
Figura 28 - Distribuição Poisson de no-shows para sábado
Fonte: Statistica
98
99
Tabela 11 - Distribuição Poisson de no-shows para sábado
Frequência Número de
observações Acumulado
Percentual
(%)
Percentual
acumulado
(%)
<= 0 382 382 95,98 95,98
2 9 391 2,26 98,24
4 3 394 0,75 98,99
6 0 394 0,00 98,99
8 1 395 0,25 99,25
10 0 395 0,00 99,25
12 1 396 0,25 99,50
14 0 396 0,00 99,50
16 0 396 0,00 99,50
18 0 396 0,00 99,50
20 0 396 0,00 99,50
22 1 397 0,25 99,75
24 0 397 0,00 99,75
26 0 397 0,00 99,75
28 0 397 0,00 99,75
< Infinito 1 398 0,25 100,00
Fonte: Autor, Statistica
99
100
Figura 29 - Distribuição Poisson de no-shows para domingo
Fonte: Statistica
100
101
Tabela 12 - Distribuição Poisson de no-shows para domingo
Frequência Número de
observações Acumulado
Percentual
(%)
Percentual
acumulado
(%)
<= 0 390 390 97,99 97,99
2 3 393 0,75 98,74
4 2 395 0,50 99,25
6 0 395 0,00 99,25
8 0 395 0,00 99,25
10 1 396 0,25 99,50
12 0 396 0,00 99,50
14 0 396 0,00 99,50
16 0 396 0,00 99,50
18 0 396 0,00 99,50
20 1 397 0,25 99,75
22 0 397 0,00 99,75
24 0 397 0,00 99,75
26 0 397 0,00 99,75
< Infinito 1 398 0,25 100,00
Fonte: Autor, Statistica
101
102
Nos anos de análise, os gráficos mostram que,
independentemente do dia da semana, o número de episódios de no-show
é muito baixo, o que pode ser visualizado pela porcentagem de
ocorrências iguais a zero no-shows se aproximar de 100%.
4.4.3 Custo unitário de excesso: (𝑪𝒆)
Este custo incorre em todas as consequências econômicas do
hotel por deixar de ter reservado um quarto a mais e, então, ter capturado
a demanda por este quarto. 𝐶𝑒 é dado por:
𝐶𝑒 = 𝑉𝑎𝑙𝑜𝑟 𝑑𝑒 𝑑𝑖á𝑟𝑖𝑎 𝑚é𝑑𝑖𝑎 +
𝑇𝑖𝑐𝑘𝑒𝑡 𝑚é𝑑𝑖𝑜 𝑑𝑒 𝑔𝑎𝑠𝑡𝑜 𝑒𝑥𝑡𝑟𝑎 𝑝𝑜𝑟 𝑑𝑖á𝑟𝑖𝑎
É relevante destacar que 𝐶𝑒 assume sempre o mesmo valor, já
que o hotel pratica os mesmos preços para cada categoria de quarto.
Assim, assume-se o valor de diária média como a média de diárias
reembolsáveis registradas nos últimos três anos: R$ 335,93. O valor trata-
se de uma estimativa, já que pode oscilar, devido à precificação dinâmica
do hotel. Da mesma forma, o valor do ticket médio de gasto extra por
diária é de R$ 57,91. O valor também oscila em torno desta média, devido
às diferentes possibilidades que um cliente pode ter em consumir os
serviços do hotel. Assim, 𝐶𝑒 = 𝑅$ 393,84.
4.4.3 Custo unitário de falta: (𝑪𝒇)
Equivale às consequências econômicas do hotel decidir em não
honrar uma diária ao cliente. Neste caso, a variável assume valores
distintos para cada decisão que o hotel tomar frente ao fato de não haver
mais a reserva do cliente.
102
103
4.5 ALTERNATIVAS DE DECISÃO FRENTE AO OVERBOOKING
As opções que o hotel tem frente a decisão de overbooking são:
realocação do cliente em quarto de hotel parceiro;
realocação do cliente no mesmo hotel;
submeter-se a pagamento de multa por decidir não
honrar a diária para o cliente.
É considerada também a medida paliativa que o hotel pode tomar
em conjunto com uma das três decisões anteriores, que é a concessão de
voucher de desconto de diária para reservas futuras. Cada uma das
decisões gera valores diferenciados para 𝐶𝑓.
4.5.1 Realocação do cliente em quarto de hotel parceiro
Neste caso, o valor de 𝐶𝑓 é representado por:
𝐶𝑓 = 𝐶𝑢𝑠𝑡𝑜𝑠 𝑑𝑒 𝑟𝑒𝑎𝑙𝑜𝑐𝑎çã𝑜 𝑒𝑚 𝑢𝑚 ℎ𝑜𝑡𝑒𝑙 𝑝𝑎𝑟𝑐𝑒𝑖𝑟𝑜 +
𝐶𝑢𝑠𝑡𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 𝑑𝑜𝑠 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
O hotel encontra-se em local com ampla densidade de hotéis na
cidade. Além disso, há número suficiente de hotéis nas imediações que
oferecem serviços à altura dos serviços oferecidos pelo hotel da pesquisa,
o que poderia viabilizar a transferência de hóspedes que sofreram com
overbooking, sem que haja diminuição na qualidade de serviço ofertado.
Neste caso, considera-se que o hotel da pesquisa possui um
número suficiente de hotéis e de redes parceiras para realizar a realocação,
e que os hotéis de destino possuem quartos suficientes com qualidade
semelhante àquele originalmente ofertado em overbooking. Custos
variáveis de arrumação dos quartos de destino e custos de emissão de
ordem de serviço são irrelevantes para a análise. Desta maneira, não
incorrem custos de realocação em hotel parceiro. Assim, 𝐶𝑓 = 0.
103
104
4.5.2 Realocação do cliente no mesmo hotel
Neste caso, o valor de 𝐶𝑓 é representado por:
𝐶𝑓 = 𝐶𝑢𝑠𝑡𝑜𝑠 𝑑𝑒 𝑟𝑒𝑎𝑙𝑜𝑐𝑎çã𝑜 𝑛𝑜 𝑚𝑒𝑠𝑚𝑜 ℎ𝑜𝑡𝑒𝑙
A decisão de realocação do cliente em quarto do mesmo hotel
parte do pressuposto que não há mais quartos disponíveis na categoria que
o cliente escolheu. Consequentemente, o cliente é redirecionado a outro
quarto de outra categoria. Como todos os quartos do hotel oferecerem a
mesma qualidade de serviço, é suficiente ter um único quarto disponível
para realizar a realocação. Além disso, custos variáveis de arrumação dos
quartos de destino são irrelevantes para a análise resultando no custo de
realocação no mesmo hotel igual a zero. Assim, 𝐶𝑓 = 0.
No entanto, no caso de considerar que o hotel está finalizando as
obras da ala com quartos superiores, uma possível realocação de clientes
de uma categoria inferior para a categoria superior, oferecendo um
upgrade, acarretaria em custos de oportunidade para o hotel.
O custo de oportunidade pode ser calculado como a diferença
entre o preço da diária superior subtraído do preço da diária do quarto em
overbooking. Por exemplo, o cliente pagou R$ 250 na reserva de um
quarto e sofreu overbooking. Ele foi realocado para um quarto superior
com diária de igual a R$ 300. Hotel perderia a oportunidade de faturar
$50,00 a mais, caso aquele quarto fosse receber um cliente que pagaria os
R$300. Em pesquisa no site da empresa, verificou-se que o preço dos
quartos superiores é, aproximadamente, 20% a mais do que o preço dos
quartos não superiores. Considerando P o preço da diária das diárias de
quartos inferiores no upgrade, 𝐶𝑓 = 0,2𝑃. Utilizando a média das diárias
de tarifa reembolsável nos três anos de análise, tem-se que : 𝐶𝑓 = 0,2 ∗ 335,93 = 𝑅$67,08
A emissão do voucher de desconto pode ser utilizada em
conjunto com alguma das últimas duas decisões. O hotel pode emitir um
documento que garanta certa porcentagem de desconto em uma próxima
diária de modo a amenizar a insatisfação do cliente e, ao mesmo tempo,
tentar garantir seu retorno.
Assim como no último caso, o custo de oportunidade
corresponde à diferença de valor do preço original e do valor descontado,
representado pelo percentual d. Os outros custos operacionais referentes
à emissão de voucher, como custos de emissão do documento podem ser
desconsiderados. Tem-se, portanto, que 𝐶𝑓 = 𝑃 − (𝑑 ∗ 𝑃) . Supondo a
104
105
concessão de um voucher de desconto de 80% no valor da diária e o preço
da diária igual ao do caso anterior o 𝐶𝑓 = 335,93 − (0,8 ∗ 335,93) =
𝑅$268,74.
4.5.3 Pagamento de multa por não honrar a diária ao cliente
Neste caso, o valor de 𝐶𝑓 é representado por:
𝐶𝑓 = 𝑀𝑢𝑙𝑡𝑎 𝑝𝑜𝑟 𝑛ã𝑜 ℎ𝑜𝑛𝑟𝑎𝑟 𝑜 𝑠𝑒𝑟𝑣𝑖ç𝑜
O hotel pode optar por não realocar o cliente e não oferecer
nenhuma compensação à altura daquela esperada pelo hóspede. Desta
maneira, a empresa responderá pela infração do Código do Consumidor
Brasileiro.
Neste caso, não é possível avaliar com precisão qual seria o valor
da multa em não honrar o serviço, já que é variável em cada caso. Além
disso, nenhum caso foi registrado no hotel até o presente momento.
Desta maneira, o valor de 𝐶𝑓 não pode ser estimado de maneira
acurada, já que pode variar de acordo com a decisão que o hotel tomará
frente ao caso de não poder honrar a diária para o cliente.
4.6 APLICAÇÃO DO MODELO
O modelo é aplicado através da substituição dos valores de custos
na fórmula da Fração Crítica. O resultado da fração serve como input nas
tabelas de distribuição de no-show para os dias da semana:
𝐹(𝑄) =𝐶𝑓
𝐶𝑓 + 𝐶𝑒
Para o caso de alocação do cliente em um hotel parceiro:
𝐹(𝑄) =0
0 + 393,84
Assim, 𝐹(𝑄) = 0. O número ótimo de overbooking será igual a
zero quartos colocados em overbooking.
Com realocação do cliente em hotel parceiro e em conjunto com
a emissão do voucher de desconto:
105
106
𝐹(𝑄) =268,74
268,74 + 393,84
𝐹(𝑄) = 0,405 = 40,5% . Neste caso, o número ótimo de
overbooking também será igual a zero, já que não há distribuição
acumulada que iguale a este valor.
Para o caso em que há realocação no próprio hotel:
𝐹(𝑄) =0
0 + 393,84
Assim, 𝐹(𝑄) = 0. O número ótimo de overbooking será igual a
zero quartos colocados em overbooking.
Com realocação no próprio hotel em conjunto com um voucher de desconto:
𝐹(𝑄) =268,74
268,74 + 393,84
Assim, 𝐹(𝑄) = 0,405 = 40,5%. Neste caso, o número ótimo de
overbooking também será igual a zero, já que não há distribuição
acumulada que iguale a este valor.
Caso ainda considerar a realocação no próprio hotel e houver a
realização de um upgrade, além da emissão de um voucher de desconto,
tem-se:
𝐹(𝑄) =(268,74 + 67,08)
(268,74 + 67,08) + 393,84
𝐹(𝑄) = 0,461 = 46,1%.
Ainda assim, não há distribuição acumulada que iguale a este
valor, resultando em um número ótimo de overbooking igual a zero.
No caso em que o hotel decide por não honrar a diária para o
cliente e, assim, arcar com a multa por infração do código do consumidor,
não é possível estimar valor acurado para 𝐶𝑓 . No entanto, é possível
estimar um valor para 𝐶𝑓 através dos valores de 𝐹(𝑄) obtidos.
Segundo os gráficos de distribuição de no-show por cada dia da
semana, os valores de 𝐹(𝑄) aproximam-se de 1 (100%). Como exemplo,
para as quintas-feiras, dia da semana com maior número de registros de
106
107
no-show, para se alcançar um número ótimo de overbooking igual a cinco,
para 𝐹(𝑄) = 0,9899 . Considerando: 𝐶𝑒 = 𝑅$ 393,84 na fórmula da
Fração Crítica, para que seja viável para o hotel oferecer cinco quartos a
overbooking, o valor de 𝐶𝑓 deveria ser de 𝐶𝑓 = 𝑅$ 38.999,06. Como os
valores de 𝐹(𝑄) encontrados foram semelhantes, a ordem de grandeza
para o valor de 𝐶𝑓 encontrado repete-se para todos os dias da semana
analisados. Pode-se inferir que o hotel poderia pagar uma multa
equivalente a 𝐶𝑓 = 𝑅$ 38.999,06 para que seja viável realizar o
overbooking de cinco de seus quartos.
4.7 INTERPRETAÇÃO DOS RESULTADOS
As atuais práticas de Revenue Management do hotel apresentam-
se eficientes para se proteger dos efeitos de no-shows e cancelamentos. O
fato do hotel cobrar a primeira diária do cliente e, em seguida, ofertar o
quarto em no-show para nova venda em curto período de tempo previne
que a empresa tenha prejuízo direto com o fenômeno de no-show. O
mesmo ocorre para os cancelamentos que, caso não sejam feitos em janela
de 48 horas antes do início da primeira diária, também é cobrada a
primeira diária.
A política conservadora do hotel de cobrar dos clientes a primeira
diária refletiu no fato do número de no-show acumulado nos três anos de
análise ser significantemente menor que o número de diárias efetivamente
realizadas, representando 0,6% do total de diárias efetivamente realizadas.
Esta diferença levou a uma distribuição de Poisson em que a frequência
de ocorrência de no-shows nulos se aproxima de 100%.
Desta forma, segundo o Newsvendor Model, para que fosse
viável realizar o overbooking de, ao menos 5 quartos, o hotel deveria arcar
com custos por não honrar a diária ao cliente equivalente a R$ 38.996,06,
cuja decisão distancia-se da realidade do hotel.
Caso o número de ocorrência de no-shows fosse superior ao
número encontrado, diferentes valores de 𝐹(𝑄) seriam apurados e, assim,
poderiam indicar a viabilidade de realizar overbooking nas reservas do
hotel. Em outras palavras, um número inferior ao 𝐹(𝑄) encontrado
significa que o hotel presenciou o fenômeno de no-show mais vezes e,
assim, justificaria realizar overbooking.
Uma maneira de aumentar a ocorrência de no-shows seria a de
reconsiderar a política atual de cobrança da cobrança de primeira diária
dos clientes. Caso o hotel elimine a cobrança da primeira diária, seria
possível avaliar se a decisão refletiria em maior número de no-shows, já
107
108
que a decisão não acarretaria em nenhuma perda financeira aos clientes.
A decisão poderia trazer incrementos na ocupação do hotel, já
que este se encontra com ocupação média de 70%, segundo os
entrevistados. Por tratar de uma decisão de risco, o hotel não mostrou
interesse em realizá-la.
Desta forma, considera-se inviável realizar overbooking em
quaisquer que sejam os quartos do hotel devido ao número histórico de
no-shows encontrado.
108
109
5. CONCLUSÃO
A presente pesquisa tem como objetivo geral avaliar a
viabilidade da realização de overbooking para reservas de hotel
estabelecido no centro da cidade de São Paulo. A realização de
overbooking mostra-se inviável mediante ao número histórico de no-shows do hotel relativamente reduzido, o que não justifica a estratégia de
proteção ao fenômeno de no-shows através do overbooking. A atual
proteção ao fenômeno, realizada a partir da cobrança da primeira diária,
garante que, mesmo que não ocorra a ocupação do quarto, haja receita
para o hotel.
Com o desenvolvimento do trabalho, mostrou-se que a aplicação
do Newsvendor Model, originalmente concebido para produtos perecíveis,
pode se estender para reservas de hotel, que são serviços perecíveis. O
modelo tem simples aplicação, por necessitar do conhecimento de apenas
três variáveis para encontrar o número ótimo de quartos ofertados a
overbooking.
Para que se tornasse possível o alcance do objetivo geral da
pesquisa, foram traçados quatro objetivos específicos. O primeiro deles,
foi o de coleta de informações a respeito do perfil de demanda por
hospedagens dos quartos, no-shows e cancelamentos. Para obtenção de
uma amostra com número relevante de dados, foram coletados dados dos
anos 2015, 2016 e 2017. Constatou-se que o Booking.com foi a plataforma
em que a maioria dos clientes efetuaram as reservas, seguidas da categoria
“particular”. A plataforma também apresentou maior contribuição
percentual com os gastos extras, no-shows e cancelamentos.
A análise dos dados permitiu compreender que os quartos da
categoria EDC, por serem maioria, apresentaram maior contribuição com
o número de no-shows ocorridos. Constatou-se ainda que novembro foi o
mês com maior número de no-shows nos três últimos anos e quinta-feira,
o dia da semana com mais registros do fenômeno. Consequentemente, a
decisão de overbooking deveria contemplar as interpretações dos dados
históricos, considerando a categoria do quarto, mês e dia da semana em
que mais houveram registros de no-show.
O segundo objetivo específico corresponde à identificação de
modelos teóricos de Newsvendor Model que fossem aplicados a reservas
de hotel. Desta maneira, foi realizado o levantamento de referências na
literatura através da pesquisa bibliométrica, presente no segundo capítulo.
Constatou-se que a aplicação do modelo não é comum para reservas de
quartos de hotel, fazendo com que a abordagem do problema de
overbooking através do Newsvendor Model seja específica.
109
110
Outro objetivo foi avaliar as variáveis que exercem influência na
tomada de decisão da taxa de ocupação do hotel. Essencialmente, os
preços das diárias correspondem à peça-chave para determinar a
ocupação do hotel, no sentido em que estes buscam alinhar oferta à
demanda. O cenário de crise na economia do país refletiu-se em baixa
taxa de ocupação anual de 70% e, consequentemente, em número
relativamente reduzido de no-shows.
O último objetivo visou a proposição e análise de impactos de
um modelo de overbooking para o hotel. Os custos envolvidos na decisão
de overbooking foram identificados, em conjunto com a distribuição da
demanda de no-shows. Os resultados da aplicação do software Statistica sugerem adequada aderência dos dados da amostra à distribuição de
Poisson. Resulta-se que a realização do overbooking não apresenta
viabilidade para o hotel, graças ao número registrado de no-shows e dos
custos de falta e de excesso envolvidos na decisão de overbooking.
Como contribuição à Engenharia de Produção, mostrou-se a
aplicação de um modelo originalmente concebido para produtos
perecíveis a reservas de hotel, no sentido de avaliar a execução de uma
prática, ora tida como controversa na literatura, que pode gerar receita
adicional em circunstâncias específicas.
Como sugestão para trabalhos futuros, sugere-se que o estudo
seja feito para hotéis com maior incidência de no-shows e que se avalie a
possibilidade de se incrementar a receita a partir da ocupação adicional
que seria gerada através de overbooking.
110
111
REFERÊNCIAS
ARAUJO, Carlos Alberto. Bibliometria: Evolução histórica e questões
atuais. 2006. Disponível em:
<http://seer.ufrgs.br/index.php/EmQuestao/article/view/16/5>. Acesso
em: 4 abr. 2018.
BADINELLI, Ralph D.. An optimal, dynamic policy for hotel yield
management. European Journal Of Operational Research, [s.l.], v.
121, n. 3, p.476-503, mar. 2000. Elsevier BV.
BAYOUMI, Abd El-moniem et al. Dynamic pricing for hotel revenue
management using price multipliers. Journal Of Revenue And Pricing
Management, [s.l.], v. 12, n. 3, p.271-285, 23 nov. 2012. Springer Nature.
BRASIL. Presidência da República. Subchefia Para Assuntos
Jurídicos. Código de defesa do consumidor. 2017. Disponível em:
<http://www.planalto.gov.br/ccivil_03/Leis/L8078.htm>. Acesso em: 13
maio 2018.
BREIMAN, L.; FRIEDMAN, J. H.; OLSHEN, R. A.; STONE, C. J.
Classification and Regression Trees. Wadsworth, 1984
CHEN, Xu; HAO, Gang. Co-opetition alliance models of parallel flights
for determining optimal overbooking policies. Mathematical And
Computer Modelling, [s.l.], v. 57, n. 5-6, p.1101-1111, mar. 2013.
Elsevier BV.
CHOI, Sunmee; MATTILA, Anna S. Hotel revenue management and its
impact on customers' perceptions of fairness. Journal Of Revenue And
Pricing Management, [s.l.], v. 2, n. 4, p.303-314, jan. 2004. Springer
Nature.
FONSECA, José M. M. R. da. Indução de árvores de decisão : HistClass
- proposta de um algoritmo não paramétrico / José Manuel Matos Ribeiro
da Fonseca. - Lisboa : [s.n.], 1994.
GUO, Xiaolong et al. Optimal pricing strategy based on market
segmentation for service products using online reservation systems: An
111
112
application to hotel rooms. International Journal Of Hospitality
Management, [s.l.], v. 35, p.274-281, dez. 2013. Elsevier BV.
GUO, Xiaolong; DONG, Yufeng; LING, Liuyi. Customer perspective on
overbooking: The failure of customers to enjoy their reserved services,
accidental or intended?. Journal Of Air Transport Management, [s.l.],
v. 53, p.65-72, jun. 2016. Elsevier BV.
HANKS, R. Discounting in the hotel industry: A new approach. The
Cornell Hotel And Restaurant Administration Quarterly, [s.l.], v. 33,
n. 1, p.15-23, fev. 1992. Elsevier BV.
HILL, Arthur V.. The Newsvendor Problem. 2017. Disponível em:
<https://www.clamshellbeachpress.com/downloads/newsvendor_proble
m.pdf>. Acesso em: 20 maio 2018.
IVANOV, Stanislav; ZHECHEV, Vladimir Sashov. Hotel Revenue
Management – A Critical Literature Review. Ssrn Electronic Journal,
[s.l.], p.12-15, 2017. Elsevier BV.
JONES LANG LASALLE (JLL) (Brasil). Hotelaria em números
2017. 2017. Disponível em: <http://www.jll.com.br/brazil/pt-
br/relatorios/175/hotelaria-em-numeros-2017>. Acesso em: 8 fev. 2018.
KIMES, Sheryl e. The future of hotel revenue management. Journal Of
Revenue And Pricing Management, [s.l.], v. 10, n. 1, p.62-72, jan. 2011.
Springer Nature.
LIBERMAN, Varda; YECHIALI, Uri. On the Hotel Overbooking
Problem—An Inventory System with Stochastic
Cancellations. Management Science, [s.l.], v. 24, n. 11, p.1117-1126, jul.
1978. Institute for Operations Research and the Management Sciences
(INFORMS).
LIM, Wei Shi. Overselling in a Competitive Environment: Boon or
Bane?. Marketing Science, [s.l.], v. 28, n. 6, p.1129-1143, nov. 2009.
Institute for Operations Research and the Management Sciences
(INFORMS).
MANZINI, Eduardo José. Entrevista semi-estruturada: análise de
objetivos e de roteiros. 2004. Disponível em:
112
113
<https://www.marilia.unesp.br/Home/Instituicao/Docentes/EduardoMan
zini/Manzini_2004_entrevista_semi-estruturada.pdf>. Acesso em: 15
maio 2018.
MCGILL, Jeffrey I.; VAN RYZIN, Garrett J.. Revenue Management:
Research Overview and Prospects. Transportation Science, [s.l.], v. 33,
n. 2, p.233-256, maio 1999. Institute for Operations Research and the
Management Sciences (INFORMS).
NETESSINE, Serguei; SHUMSKY, Robert. Introduction to the Theory
and Practice of Yield Management. Informs Transactions On
Education, [s.l.], v. 3, n. 1, p.34-44, set. 2002. Institute for Operations
Research and the Management Sciences (INFORMS).
OBSERVATÓRIO DE TURISMO E EVENTOS (São
Paulo). Desempenho dos Meios de Hospedagem Paulistanos. 2017.
Disponível em:
<http://www.observatoriodoturismo.com.br/desempenho-dos-meios-de-
hospedagem-paulistanos/>. Acesso em: 20 maio 2018.
PORTEUS, Evan L.. Building Intuition. International Series In
Operations Research & Management Science, [s.l.], p.115-134, nov.
2008. Springer US.
QIN, Yan et al. The newsvendor problem: Review and directions for
future research. European Journal Of Operational Research, [s.l.], v.
213, n. 2, p.361-374, set. 2011. Elsevier BV.
RAMASWAMI, M.; BHASKARAN, R.. A CHAID Based
Performance Prediction Model in Educational Data Mining. 2010.
Disponível em: <https://arxiv.org › cs>. Acesso em: 20 maio 2018.
SYLLOS, Gustavo. A evolução da distribuição hoteleira. 2017.
Disponível em: <https://www.panrotas.com.br/noticia-
turismo/distribuicao/2017/11/um-panorama-da-distribuicao-veja-o-
anuario-de-2017_151383.html>. Acesso em: 17 mar. 2018.
ŞEN, Alper; ZHANG, Alex X.. The newsboy problem with multiple
demand classes. Iie Transactions, [s.l.], v. 31, n. 5, p.431-444, maio 1999.
Informa UK Limited.
113
114
TSE, Tony S. M.; POON, Yiu-tung. Modeling no-shows, cancellations,
overbooking, and walk-ins in restaurant revenue management. Journal
Of Foodservice Business Research, [s.l.], v. 20, n. 2, p.127-145, 29 jun.
2016. Informa UK Limited.
VÄHÄ-PIETILÄ, Ilari. An Application of the Two-Period
Newsvendor Problem. 2015. Disponível em:
<sal.aalto.fi/publications/pdf-files/evah15_public.pdf>. Acesso em: 5
mar. 2018.
VINOD, Ben. Unlocking the value of revenue management in the hotel
industry. Journal Of Revenue And Pricing Management, [s.l.], v. 3, n.
2, p.178-190, jul. 2004. Springer Nature.
WEATHERFORD, Laurcence. Length of Stay Heuristics: Do They
Really Make a Difference? Cornell Hotel Restaurant Admin.. Ithaca, p.
70-79. mar. 1995.
WIRTZ, Jochen et al. Revenue management: Resolving potential
customer conflicts. Journal Of Revenue And Pricing Management,
[s.l.], v. 2, n. 3, p.216-226, out. 2003. Springer Nature.
WORLD TRAVEL AND TOURISM COUNCIL. Travel and Tourism
Economic Impact 2016. 2016. Disponível em:
<https://www.wttc.org/economic-impact/country-analysis/country-
reports/>. Acesso em: 15 mar. 2018.
WORLD TRAVEL AND TOURISM COUNCIL. Travel and Tourism
Economic Impact 2017. 2017. Disponível em:
<https://www.wttc.org/economic-impact/country-analysis/country-
reports/>. Acesso em: 15 mar. 2018.
XIONG, H; XIE, J; DENG, X. Risk-averse decision making in
overbooking problem. Journal Of The Operational Research Society,
[s.l.], v. 62, n. 9, p.1655-1665, set. 2011. Informa UK Limited.
114