请选择 进入手机版 | 继续访问电脑版

[技术功能] 浅谈经济型连锁酒店行业的数据分析(一)

冰镇糯米糍 显示全部楼层 发表于 2017-8-18 22:39:42 |阅读模式 打印 上一主题 下一主题
浅谈经济型连锁酒店行业的数据分析(一)      
   
    文章分享了经济型连锁酒店行业的相关数据的分析方法,希望能够对你有所帮助。
   
    1.jpg

随着“大旅游”、“大住宿”的概念兴起,酒店行业作为其中的一环起到了至关重要的作用。其中,酒店实施收益管理的重要意义便不言而喻。因为,其对酒店产品的定价和存量控制对顾客、酒店都具有非常重要的意义。对顾客而言,可以预订或者买到自己满意的服务产品;对酒店而言,可以避免盲目决策,科学订房和销售服务,以提高企业的收益水平。猛哥将在这个系列中结合工作实践“浅谈”经济型连锁酒店行业的相关数据分析。
   
    2.jpg
     
1.收益管理——客房
对于大型的国内外酒店集团、高中端的酒店和星级酒店,其收入结构复杂多样,如:客房、餐饮、会议场所、娱乐、康健等等,而经济型连锁酒店或者单体门店收入结构相对简单,甚至可以说是单一。因为,其收入来源往往只来自于客房或者说是绝大部分来自于客房,一少部分来自餐饮。
国内外关于收益管理的研究主要涉及收益管理系统中服务产品的需求预测、定价和产品分配(存量控制)以及其他的相关领域。本文中猛哥将结合案例着重讲述经济型酒店客房相关的收益管理中的一部分,即“需求预测”。
需求预测是收益管理系统的基础部分,用来预测服务产品的未来需求,使管理者对今后的市场变化有较为清晰的认识,其目标就是通过优化利用现有资源,实现总体收益的持续增长。目前常用的预测方法包括:移动平均、指数平移等时间序列方法(如AR、MA、ARMA、ARIMA)、贝叶斯预测方法(经典贝叶斯、层次贝叶斯、经验贝叶斯法)、状态空间模型(马尔可夫法)、机器学习方法(如神经网络)等。
   
2.客房需求预测方法(一)——Holt-Winter三指数平滑方法
众所周知,在酒店行业内中有一个较为“黄金”的指标,那就是“RevPar”值(RevPar是Revenue Per Available Room的缩写),其含义为每间可供租出客房产生的平均实际营业收入,用客房实际总收入除以客房总数,但一般都用实际平均房价乘以出租率表示,结果都是一样的。
    RevPar的计算公式:RevPar=客房总收入/客房总数量
    RevPar=实际平均房价×出租率
    出租率=已出租客房总数/客房总数量
    实际平均房价=客房总收入/已出租客房总数
根据“RevPar”值的公式,我们可以得出两个相关的因子,即“平均房价”和“出租率”。其中,“平均房价”可根据酒店品牌的营销能力(品牌价值)、门店所在区位(城市、商圈、交通等)、时间(季节、节假日、周末)、周围竞品酒店房价等因素决定,不过大多的某一个经济型连锁品牌门店的“平均房价”基本较为固定,即使波动也是相对不大(大约在10%-20%之间)。
而另一个因子,即“出租率”可以变动的空间以及幅度就相对较大。由上面的公式我们不难看出,“出租率”就取决于“客房的需求量”。因此,准确预测或者提高对“客房需求量”的预测就显得至为重要。
猛哥结合工作经验和手中的数据可以得出,经济型连锁酒店的“年平均出租率“大约在60%-70%之间,而且有些门店的“年出租率”甚至低于40%。综合以上因素,猛哥认为在“出租率”不达到80%以上前,应该设法提高出租率,从而让“RevPar”值有“质的飞跃”。因此,本文将先就“客房需求预测”进行实例演示与分析。
Makridakis等在1982年研究发现,单指数平滑、Holt双指数平滑以及Hlot-Winter三指数平滑方法对时间序列数据预测较好。所谓单指数平滑法是针对没有趋势和季节性的序列,二次指数平滑法针对有趋势但没有季节性的序列。而术语“Holt-Winter法”(可特指三指数平滑法)则包含了趋势和季节性等因素。本文中猛哥将采用“Holt-Winter法”来结合实例讲述,具体各不同指数的公式大家可自行查找。
   
3.实践与分析
     
3.1前期准备与工具
    R语言开发环境(如R、RStudio)
    源数据(可以是数据库中的数据、excel的数据、html上的数据等等)
3.2过程
读取数据,并画出源数据趋势模型。其代码和源数据趋势模型如下:
   
3.jpg
4.jpg    
   
利用Holt-Winter模型描绘模型预测数据与实际数据对比(黑色线条为源数据,红色线条为预测数据)。其代码和数据趋势模型如下:
     
    5.jpg
    6.jpg
   
利用Holt-Winter模型描绘模型并给出未来6个月的预测值(黑色线条为源数据,蓝色线条为预测数据)。其代码、系统给出的预测结果和数据趋势模型如下:
   
       7.jpg    
      8.jpg
      9.jpg    
     
4.需求预测模型可行性分析与结论
      
   10.jpg
11.jpg
11.png
12.png
13.png
14.png
   
5.总结
在许多典型的收益管理问题中,企业无法避免不完全的数据。若不对具有不完全信息的需求进行处理,必然会带来较大的预测偏差,因此,在进行需求预测时,势必要进行修复。而且由于需求的不确定性,仅由历史数据提供的预测信息就显得不足。目前,猛哥知道的、了解的或者有思路的就是结合历史数据与机器学习的方法综合运用,才能较为准确的预测需求。
实际上,在经济型连锁酒店或者单体门店的收益管理领域,国内外学者或者企业都在慢慢地摸索中不断前行,猛哥也希望和各位一起共同努力,探索出一条具有可行性的道路。


本文转自人人都是产品经理网,作者:软院猛哥
文章链接为:http://www.woshipm.com/data-analysis/756362.html
侵删

回复

使用道具 举报

高级模式
您需要登录后才可以回帖 登录 | 免费注册

  • 官方微信

    欢迎关注永洪服务号!收费为0,价值无限

    扫码关注
  • 新浪微博

    让每位用户轻松挖掘数据价值!

    访问新浪微博
  • 智能客服
50W

会员等你来哦

Copyright   ©2012-2024  北京永洪商智科技有限公司  (京ICP备12050607) 京公网安备110110802011451号 |联系社区管理员|《永洪社区协议》
返回顶部