如何用民航大數(shù)據(jù)助力提升酒店需求預(yù)測研究
【數(shù)據(jù)猿導讀】 民航大數(shù)據(jù)不僅僅與民航業(yè)本身的航空公司、機場等業(yè)務(wù)聯(lián)系密切，對與民航相關(guān)的旅游產(chǎn)業(yè)上下游、大交通、城市管理，甚至是金融證券機構(gòu)都存在著巨大的應(yīng)用價值
日常生活中，我們要對某件事情做出決策，總會考慮到多方面的因素。例如：我們想去心儀已久的餐廳享受一頓美食，出發(fā)之前，除了會考慮食材、服務(wù)、就餐環(huán)境等餐廳本身的因素之外，當天是否下雨、是否是節(jié)假日、抵達餐廳的路線是否會擁堵等其他因素也都會在某種程度上影響到我們的決策。世界是普遍聯(lián)系的，舍恩伯格在《大數(shù)據(jù)時代》這部著作中，已經(jīng)告訴了我們要更多關(guān)注事物之間的相關(guān)關(guān)系。大數(shù)據(jù)強調(diào)的4V (Volunm Velocity,Variety, Value)，其中Variety-多樣性，所闡述的本質(zhì)就在于比以前維度更加豐富的數(shù)據(jù)。如今，我們有了更多的技術(shù)手段，將多種多樣的決策參考因素(維度)進行量化，以便利用計算機的能力建模，實現(xiàn)更加精準的預(yù)測。
專家們已為我們指明了方向，行業(yè)應(yīng)用的本領(lǐng)理應(yīng)掌握在我們自己的手中。在業(yè)務(wù)研究中我們發(fā)現(xiàn)，民航大數(shù)據(jù)不僅僅與民航業(yè)本身的航空公司、機場等業(yè)務(wù)聯(lián)系密切，對與民航相關(guān)的旅游產(chǎn)業(yè)上下游、大交通、城市管理，甚至是金融證券機構(gòu)都存在著巨大的應(yīng)用價值。無論是世界領(lǐng)先的GDS還是新型的創(chuàng)業(yè)公司，都在跨業(yè)應(yīng)用上開發(fā)出了相關(guān)的應(yīng)用。
鑒于以上發(fā)展趨勢和想法，航指數(shù)與酒店大數(shù)據(jù)公司眾薈(攜程旗下?lián)碛凶钊娴木频暝诰€預(yù)訂數(shù)據(jù)的機構(gòu))進行合作，將民航數(shù)據(jù)(航指數(shù))與酒店的預(yù)訂數(shù)據(jù)結(jié)合起來，對酒店需求進行預(yù)測研究，收到了不錯的效果。
1、相關(guān)性的驗證
不難想到酒店入住和民航出行之間，應(yīng)該存在著關(guān)聯(lián)性，那么這種關(guān)聯(lián)度如何呢?
圖1.樣本城市的民航歷史出行指數(shù)和酒店入住數(shù)據(jù)之間的相關(guān)度
圖1展示了民航歷史出行指數(shù)和酒店入住數(shù)據(jù)之間的擬合度，用以測試兩者相關(guān)性。其中計算數(shù)值越逼近于1則相關(guān)性越高。我們可以看出，以民航出行方式為主的旅游城市相關(guān)性要明顯高于其他城市。
而對于相關(guān)性較弱城市的情況，我們通過特定算法將數(shù)據(jù)分解提取，民航數(shù)據(jù)一樣可以與酒店數(shù)據(jù)結(jié)合起來提升預(yù)測精度。下面就以相關(guān)度比較低的北京為例驗證這個觀點：
圖2.北京歷史數(shù)據(jù)和趨勢曲線
圖2中的四條曲線由上到下依次是酒店入住量、民航成行指數(shù)、酒店入住趨勢、民航成行指數(shù)趨勢。圖中顯示了由具體數(shù)據(jù)到粗顆粒趨勢因素的分解，分解后的趨勢曲線使得北京對應(yīng)的相關(guān)性由之前的0.13提高到了0.42。
2、民航對酒店預(yù)訂的提前性
從常識角度出發(fā)，我們也基本可以判斷，對于一次旅行經(jīng)歷來講，民航的數(shù)據(jù)要優(yōu)先于酒店數(shù)據(jù)的產(chǎn)生，我們將這種“天然的提前性”因素進行了量化分析。
圖3.樣本城市民航和酒店的20%和 80%平均提前天數(shù)對比
以圖3為例，達到20%預(yù)訂，民航的提前天數(shù)區(qū)間為[15,26]天,而酒店為[4,18]天。同樣，想要達到80%的預(yù)訂民航提前天數(shù)為[2,3]天，而酒店為[0,1]天。可以看出，客戶群體對于航空工具的預(yù)訂要普遍提前于對酒店的預(yù)訂。
3、民航數(shù)據(jù)對酒店需求預(yù)測的提升能力
圖4.使用深度神經(jīng)網(wǎng)絡(luò)的樣本城市預(yù)測平均絕對誤差對比
MAPE：Mean Absolute Percent Error平均絕對百分誤差
合作中我們采用了深度神經(jīng)網(wǎng)絡(luò)模型分別以相關(guān)度高的三亞數(shù)據(jù)和相關(guān)度低的北京數(shù)據(jù)為樣本進行了比對實驗。結(jié)果表明，使用民航數(shù)據(jù)后，預(yù)測平均絕對百分誤差下降10%左右。
上文中我們印證了民航數(shù)據(jù)與酒店需求的相關(guān)性、民航數(shù)據(jù)本身具有的天然提前性以及民航數(shù)據(jù)的可利用性。
來源：環(huán)球旅訊
刷新相關(guān)文章
我要評論
活動推薦more >
- 2018 上海國際大數(shù)據(jù)產(chǎn)業(yè)高2018-12-03
- 2018上海國際計算機網(wǎng)絡(luò)及信2018-12-03
- 中國國際信息通信展覽會將于2018-09-26
- 第五屆FEA消費金融國際峰會62018-06-21
- 第五屆FEA消費金融國際峰會2018-06-21
- “無界區(qū)塊鏈技術(shù)峰會2018”2018-06-14
不容錯過的資訊
-
1#后疫情時代的新思考#疫情之下，關(guān)于醫(yī)
-
2數(shù)據(jù)軟件產(chǎn)品和服務(wù)商DataHunter完成B輪
-
3眾盟科技獲ADMIC 2020金粲獎“年度汽車
-
4數(shù)據(jù)智能 無限未來—2020世界人工智能大
-
5#2020非凡大賞：數(shù)字化風起云涌時，共尋
-
6#榜樣的力量#天璣數(shù)據(jù)大腦疫情風險感知
-
7#榜樣的力量#內(nèi)蒙古自治區(qū)互聯(lián)網(wǎng)醫(yī)療服
-
8#榜樣的力量#實時新型肺炎疫情數(shù)據(jù)小程
-
9#榜樣的力量#華佗疫情防控平臺丨數(shù)據(jù)猿
-
10#后疫情時代的新思考#構(gòu)建工業(yè)互聯(lián)網(wǎng)新
