基于大數(shù)據(jù)的酒店微觀市場的預測與分析.pdf

1、隨著我國經(jīng)濟實力的增強，中國經(jīng)濟正在由工業(yè)主導向服務業(yè)主導加快轉(zhuǎn)變。酒店住宿業(yè)作為服務業(yè)的典型代表，其客容能力過剩和投資回收的壓力與日俱增，有效的管理對酒店業(yè)變的越來越重要。
　　為了高效的管理酒店，提高酒店的收益，這里引入了收益管理的概念。它主要通過建立實時預測模型和對以市場細分為基礎的需求行為分析，確定最佳的銷售和服務價格。酒店的收益管理主要包括以下四個部分：需求預測、超量預訂、客房分配和定價系統(tǒng)，其中，客戶需求預測是收益管理

2、的基礎與核心。
　　傳統(tǒng)的預測模型一般為歷史同期和時間序列，時間序列又分為移動平均(Moving Average)，指數(shù)平滑(Exponential Smoothing)，卡爾曼濾波(Kalman Filters)，自適應濾波(Adaptive Filters)和自回歸積分滑動平均模型(Autoregressive Integrated Moving Average Model)，但酒店收益管理的預測和傳統(tǒng)的預測不同，一般有兩個時

3、間變量，分別為預定時間和消費時間。
　　在大數(shù)據(jù)的背景下，如果能夠很好的針對酒店行業(yè)的數(shù)據(jù)特點，對酒店需求預測進行研究分析，就可以幫助酒店管理者更好的作出決策，從而提升酒店收益。本文提出了一套基于大數(shù)據(jù)的針對酒店微觀市場的預測方法，從數(shù)據(jù)預處理、數(shù)據(jù)篩選到最后的訓練與預測。
　　在數(shù)據(jù)的預處理階段，本文通過對數(shù)據(jù)的分析，將原始數(shù)據(jù)進行了轉(zhuǎn)換，轉(zhuǎn)換后的數(shù)據(jù)經(jīng)過KS檢驗符合高斯分布模型，因此采用了基于統(tǒng)計的異常點檢測方法，找出了

4、間夜量特殊的日期。本文還設計了一種糾偏函數(shù)，在保持了異常數(shù)據(jù)的相對關系同時，可以令間夜量特殊的日期得到很好的處理。
　　在數(shù)據(jù)篩選階段，本文對比了幾種經(jīng)典的分類方法，設計了一套對于每類單獨訓練再將整體結(jié)果相結(jié)合的訓練思路，這種思路在可以進一步將模型精度提高的同時，還有利于分析某類預測精度不佳的原因，具有很好的可解釋性。
　　最后本文結(jié)合前人的研究成果，對經(jīng)典的方法進行了改進，將經(jīng)典的基于時間序列的預測算法轉(zhuǎn)化成了更普適的機器