Sejalan dengan perkembangan teknologi informasi, kebutuhan akan kecepatan arus data menjadi penting untuk pengambilan keputusan bisnis yang cepat dan tepat. Salah satu pemanfaatan teknologi informasi yang sangat diperlukan adalah di bidang perhotelan. Permasalahan yang sering dihadapi dibidang perhotelan adalah ketersediaan data tamu hotel yang kurang lengkap, sehingga sulit untuk menentukan pola tamu hotel yang menyangkut: waktu kedatangan, nationality, masa tinggal, media reservasi dan lain-lain. Akibat dari permasalahan tersebut, sulit untuk memprediksi pola hunian tamu hotel. Beberapa penelitian yang sudah pernah dilakukan menyangkut prediksi tingkat hunian hotel antara lain dengan menggunakan algoritma data mining, simulasi dan prosedur yang melibatkan history reservasi dan reservasi di depan. Penelitian ini membahas tentang penerapan Business Intelligence pada industri perhotelan untuk memprediksi tingkat hunian hotel. Untuk memprediksi tingkat hunian hotel tersebut digunakan data mengenai: waktu kedatangan, nationality, masa tinggal, media reservasi dan hari kedatangan. Aplikasi BI yang digunakan adalah MicroStrategy. Berbagai data yang diperlukan tersebut diperoleh dari Resort XYZ di Bali. Dari hasil penelitian, diperoleh pola kedatangan tamu hotel dari 3 pasar yang dominan yaitu pasar domestik (Indonesia), pasar Korea, dan pasar Australia. Tamu hotel domestik biasanya datang pada bulan Juli. Hal ini sejalan dengan musim liburan sekolah. Sedangkan kenaikan berikutnya terjadi pada libur lebaran dan akhir tahun, Untuk penurunan biasanya terjadi pada bulan Januari sampai April. Tamu hotel dari Korea biasanya datang pada bulan April sampai Juni dan bulan September sampai November. Hal ini sejalan dengan masa bulan madu bagi orang Korea, sedangkan penurunan biasanya pada bulan Januari sampai Maret dan bulan Juli sampai Agustus. Tamu hotel dari Australia biasanya datang pada bulan Juli sampai Agustus dan pada bulan Januari. Hal ini sejalan dengan liburan musim panas, sedangkan penurunan biasanya terjadi di bulan Februari sampai Mei dan di bulan November. Selain itu, dari hasil penelitian ini diperoleh pola-pola lain yaitu pola lama tinggal, pola media reservasi yang digunakan, dan pola hari kedatangan dari tamu hotel. Dari hasil prediksi tingkat hunian dengan menggunakan BI, perusahaan dapat menyusun strategi pemasaran yang lebih tepat dan akurat. Misalnya dengan membuat paket honeymoon untuk tamu hotel dari Korea menjelang masa bulan madu mereka, memberikan bonus night untuk tamu hotel dari Austalia, dan memberikan additional benefit untuk tamu hotel domestik.