„Aufbau eines plattformbasierten
Innovationsökosystems für
datengetriebene Anwendungen
im Tourismus“
Eat, Sleep, Analyse,
Innovate & Repeat
3
Das Synonym des Eisbergs
Daten
Relevanz der ÖW
Relevanz der
Interessensgruppen
Anwendungen
Partner innerhalb des
Datenökosystem
Skaleneffekte
(linear)
Wissen
Daten/Infrastruktur
Applikation/
Problemlösung
Wissen
Daten/Infrastruktur
Applikation/
Problemlösung
4
Netzwerkeffekte
(exponentiell)
Österreich
Werbung
Interessensgruppen
Sichtweisen der zwei Anspruchsgruppen
5
42
Community x Wissenstransfer x Daten x Anwendungen
Phase 4
Phase 3
Phase 2
Phase 1
6
Netzwerkeffekte und der Phasenplan des Innovationsökosystems
Nutzen
Zeit
Applikationen
Daten
N*
Bereich Netzwerkeffekt
Community und Knowhow
Der Phasenplan des Innovationsökosystems basiert auf Netzwerkeffekte der Parameter Community &
Knowhow, Daten sowie Applikationen
7
Phasenplan Innovationsökosystem
Phase 1 – Ramp up
§ Community initiieren à CTA
§ Wissen festhalten & strukturieren
§ Dateninfrastruktur aufsetzen
§ Konkrete Ideen für Applikationen
§ Beta Applikationen initiieren, die
konkreten Mehrwert für die Branche
und neue Daten für neue Applikationen
generieren
Phase 4
Phase 3
Phase 2
Phase 1
Nutzen
Zeit
Applikationen
Daten
https://www.changetourismaustria.com/
9
Tourism
Data Space
DATA
GOVERNANCE
FRAGESTELLUNGEN SCHNITTSTELLEN
11
Aufbau des Tourism Data Space I Herausforderungen
§ Die Data-Space-Technologie ist noch recht jung (IDSA, Gaia-X, Catena-X)
§ Es gibt bisher kaum Datenanwendungen, die mit einem Data Space interagieren
§ Jeder Hersteller von Datenanwendungen baut ein eigenes Datenhandling / Datenflow / Applikation
§ Es gibt noch kein Framework / Standards für die Entwicklung von Datenanwendungen für die Touristik
§ Auch die Datenhaltung und der Datenflow ist uneinheitlich / kaum Standards bei der
Datenbereitstellung
§ Herausforderung, die ganzen Initiativen zu integrieren (è Projekt zur Integration der Technik)
12
Aufbau des Tourism Data Space I Lösungsansatz
§ Schrittweiser strategischer Aufbau des Tourism Data Space (langfristige Zeitplanung für 2-3 Jahre)
§ Entwicklung eines gemeinsamen Frameworks für Datenhaltung, Datenflow und Datenorchestrierung
§ Fortführung der Harmonisierung der vorhandenen Daten- / IT-Projekte entsprechend der Ziele der
Datenstrategie
§ Konzeption und Planung einer Betreiberorganisation des Tourism Data Space (mögliche Szenarien in
Prüfung)
Ziel: Data Assets standardisiert für Data Apps
bzw. den Toursim Data Space verfügbar machen
Rohdaten
Frequenz (Footfall)
in einem Einzugsgebiet
Anonymisierung
Aggregation nach
Eigenschaften a
Aggregation nach
Eigenschaften b
Aggregation nach
Eigenschaften n
Ab der Aggregation
können Daten extern
geteilt werden
Ziel: Aggregation der Data Assets in ein Schema, so dass
Data Assets verschiedener Anbieter verwendet werden können
Semantische
Harmonisierung
Data
App A
Data
App B
Data
App C
Data
App D
Verwendung in
verschiedenen
Tourismus-
Datenservices
Tourism Data
Space
Austria Concierge
KI-gesteuerter Chatbot - personalisierte, Echtzeit-Assistenz
User Engagement: Ermöglicht Gespräche mit Nutzern in
natürlicher Sprache und verbessert so das Erlebnis der
Reiseplanung
§ Stetige Verbesserung & Interner Nutzen
§ Daten werden zur Contentoptimierung verwendet
§ Tool dient als kreative Ressource für Social-Media-Teams, den
Kundenservice und andere Abteilungen
14
15
Austria Concierge
Von Austria-Concierge
…
zu 1st party data
Kulturwandel:
Fördert eine kollaborative Denkweise in der
gesamten Branche
Content Integration:
Bündelt Informationen aus Österreichs neun
Bundesländern für umfassende Informationen
(12.000 Websites und 2.000 FAQs)
16
Austria Concierge: Datennutzung und -sharing
Question
(keywords)
Answer
(quality)
Source
(page)
Value
(content focus)
Open Innovation
Was können Daten (und KI)?
Personalisierung
Hallstatt
Kapelle
See
Wasser
1 Person
weiblich
Berg
Schnee
Winter
1.800 Follower | 134 Likes | Hashtags
Analyse
Kommunikation
Kommunikation > CX >
nachhaltige Wertschöpfung
Energiemanagement
und Mobilität
Proaktives Destinationsmanagement
Betriebe/ POIs
Region/ DMO
Bundesland/ LTO
Destinations-
management
Destinations-
marketing
Bewegungs-
muster
Wo nächtigen
Gäste und wo
fahren sie hin?
Wohin werden
Gäste morgen
fahren?
Wie war KW 12
zum Vorjahr?
Wie war der
Sommer?
Wie läuft‘s?
Wer war ist in
der Destination?
(Gästestruktur)
Hauptziele /
Besucher-
magnete (POIs)
Wie wird es
laufen?
Jahresforecast
ÜN-Gäste
zum VJ
Wintersaison
Gäste zum VJ
(bei gutem Wetter/
bei Schlechtwetter)
Wachsende
Gästegruppen
Δ% ÜN-Gäste
vs. Peers
Ich vs. Peers
Ø Aufenthalt
Km/ Tag/ Gast
POIs/ Gast
Saisonalitäts-
faktor
Effekt von
außerordentlich
en Events
Effekt Jahr 1
Effekt
Folgejahre
+%Gäste aus
anderen BL
Destinations-
management
Performance
Effekt von
Werbeaktivitäten
(POIs, Änderungen
in Gästestruktur)
Wo läuft es
schlecht?
Wie hat sich die
Gästegruppe
geändert?
Gästeprofil vs.
Marketing-
zielgruppe?
Zielgruppe
Welche
Gästegruppe ist
attraktiv? (ÜN, #
besuchten POIs)
Zielgruppen-
differenzierung
Ich vs. andere
Bundesländer
Positionierung/
Profil (Top POIs)
Content
Was macht diese
attraktive
Gästegruppe?
Tipps bei
Schlechtwetter
Überregionale /
Kombiangebote
Bewegungs-
muster
Destinations-
marketing
Wie sieht der Data Space aus?
Wie funktioniert die Datenübertragung?
Wie kann man mitmachen?
Diskussion:
Relevanter Fragestellungen

TFF2023 - Navigating Tourism Data Nexus

  • 1.
    „Aufbau eines plattformbasierten Innovationsökosystemsfür datengetriebene Anwendungen im Tourismus“ Eat, Sleep, Analyse, Innovate & Repeat
  • 3.
    3 Das Synonym desEisbergs Daten Relevanz der ÖW Relevanz der Interessensgruppen Anwendungen Partner innerhalb des Datenökosystem
  • 4.
  • 5.
    5 42 Community x Wissenstransferx Daten x Anwendungen
  • 6.
    Phase 4 Phase 3 Phase2 Phase 1 6 Netzwerkeffekte und der Phasenplan des Innovationsökosystems Nutzen Zeit Applikationen Daten N* Bereich Netzwerkeffekt Community und Knowhow Der Phasenplan des Innovationsökosystems basiert auf Netzwerkeffekte der Parameter Community & Knowhow, Daten sowie Applikationen
  • 7.
    7 Phasenplan Innovationsökosystem Phase 1– Ramp up § Community initiieren à CTA § Wissen festhalten & strukturieren § Dateninfrastruktur aufsetzen § Konkrete Ideen für Applikationen § Beta Applikationen initiieren, die konkreten Mehrwert für die Branche und neue Daten für neue Applikationen generieren Phase 4 Phase 3 Phase 2 Phase 1 Nutzen Zeit Applikationen Daten
  • 8.
  • 9.
  • 10.
  • 11.
    11 Aufbau des TourismData Space I Herausforderungen § Die Data-Space-Technologie ist noch recht jung (IDSA, Gaia-X, Catena-X) § Es gibt bisher kaum Datenanwendungen, die mit einem Data Space interagieren § Jeder Hersteller von Datenanwendungen baut ein eigenes Datenhandling / Datenflow / Applikation § Es gibt noch kein Framework / Standards für die Entwicklung von Datenanwendungen für die Touristik § Auch die Datenhaltung und der Datenflow ist uneinheitlich / kaum Standards bei der Datenbereitstellung § Herausforderung, die ganzen Initiativen zu integrieren (è Projekt zur Integration der Technik)
  • 12.
    12 Aufbau des TourismData Space I Lösungsansatz § Schrittweiser strategischer Aufbau des Tourism Data Space (langfristige Zeitplanung für 2-3 Jahre) § Entwicklung eines gemeinsamen Frameworks für Datenhaltung, Datenflow und Datenorchestrierung § Fortführung der Harmonisierung der vorhandenen Daten- / IT-Projekte entsprechend der Ziele der Datenstrategie § Konzeption und Planung einer Betreiberorganisation des Tourism Data Space (mögliche Szenarien in Prüfung)
  • 13.
    Ziel: Data Assetsstandardisiert für Data Apps bzw. den Toursim Data Space verfügbar machen Rohdaten Frequenz (Footfall) in einem Einzugsgebiet Anonymisierung Aggregation nach Eigenschaften a Aggregation nach Eigenschaften b Aggregation nach Eigenschaften n Ab der Aggregation können Daten extern geteilt werden Ziel: Aggregation der Data Assets in ein Schema, so dass Data Assets verschiedener Anbieter verwendet werden können Semantische Harmonisierung Data App A Data App B Data App C Data App D Verwendung in verschiedenen Tourismus- Datenservices Tourism Data Space
  • 14.
    Austria Concierge KI-gesteuerter Chatbot- personalisierte, Echtzeit-Assistenz User Engagement: Ermöglicht Gespräche mit Nutzern in natürlicher Sprache und verbessert so das Erlebnis der Reiseplanung § Stetige Verbesserung & Interner Nutzen § Daten werden zur Contentoptimierung verwendet § Tool dient als kreative Ressource für Social-Media-Teams, den Kundenservice und andere Abteilungen 14
  • 15.
    15 Austria Concierge Von Austria-Concierge … zu1st party data Kulturwandel: Fördert eine kollaborative Denkweise in der gesamten Branche Content Integration: Bündelt Informationen aus Österreichs neun Bundesländern für umfassende Informationen (12.000 Websites und 2.000 FAQs)
  • 16.
    16 Austria Concierge: Datennutzungund -sharing Question (keywords) Answer (quality) Source (page) Value (content focus)
  • 17.
  • 18.
  • 19.
  • 20.
    Kommunikation > CX> nachhaltige Wertschöpfung Energiemanagement und Mobilität Proaktives Destinationsmanagement
  • 21.
    Betriebe/ POIs Region/ DMO Bundesland/LTO Destinations- management Destinations- marketing
  • 22.
    Bewegungs- muster Wo nächtigen Gäste undwo fahren sie hin? Wohin werden Gäste morgen fahren? Wie war KW 12 zum Vorjahr? Wie war der Sommer? Wie läuft‘s? Wer war ist in der Destination? (Gästestruktur) Hauptziele / Besucher- magnete (POIs) Wie wird es laufen? Jahresforecast ÜN-Gäste zum VJ Wintersaison Gäste zum VJ (bei gutem Wetter/ bei Schlechtwetter) Wachsende Gästegruppen Δ% ÜN-Gäste vs. Peers Ich vs. Peers Ø Aufenthalt Km/ Tag/ Gast POIs/ Gast Saisonalitäts- faktor Effekt von außerordentlich en Events Effekt Jahr 1 Effekt Folgejahre +%Gäste aus anderen BL Destinations- management
  • 23.
    Performance Effekt von Werbeaktivitäten (POIs, Änderungen inGästestruktur) Wo läuft es schlecht? Wie hat sich die Gästegruppe geändert? Gästeprofil vs. Marketing- zielgruppe? Zielgruppe Welche Gästegruppe ist attraktiv? (ÜN, # besuchten POIs) Zielgruppen- differenzierung Ich vs. andere Bundesländer Positionierung/ Profil (Top POIs) Content Was macht diese attraktive Gästegruppe? Tipps bei Schlechtwetter Überregionale / Kombiangebote Bewegungs- muster Destinations- marketing
  • 24.
    Wie sieht derData Space aus?
  • 25.
    Wie funktioniert dieDatenübertragung?
  • 26.
    Wie kann manmitmachen?
  • 27.