
大数据时代:智慧旅游现状和未来
北京理工大学大数据搜集与挖掘研究室主任张华平强调,数据大和大数据不是一回事,真正的大数据是通过一些潜在数据进行信息叠加,进一步挖掘出原来信息里所没有明显包含的内容。
二外党委副书记计金标认为,智慧旅游强调智慧,已经不再是单纯的单向、单点旅游资讯提供,而是从旅游前、旅游中、旅游后所有资讯的取得与购买重新整合与设计,使旅游者在旅游过程中获得因技术创新带来的便利与独特体验。而智慧旅游城市发展离不开移动互联网、云计算服务和大数据的支撑,只有依靠大数据提供充分的数据支持,才能准确获知游客走向、流向和满意度。
去哪儿网机票事业群副总经理丘晖表示,现在这个时代已经是一个大数据的时代。以航空公司为例,随着飞机越来越多、成本越来越高,航空公司开辟新航线的边际收益是很低的,他们更关心精准化营销,更多的是想办法获得非航收入。很多航空公司现在在向旅客推荐各种各样产品,他们需要知道哪些旅客有机会、有能力购买相关产品。对于航空公司来说,需要的是更多的数据。现在已经做到了数据大,下一步要研究怎么样把大数据应用下来。
对此,二外旅游管理学院钟栎娜博士表示,由大数据支撑的网络评价可以通过抓取社交媒体上普通民众及时、真实、原创的旅游评论,较为客观、公平地反映目的地、景区等在广大网民心中的真实形象。而通过对庞杂、多元的网络数据的整理、分析、集成,相关机构可以将“大数据”简化为“小信息”,这样将有助于以更科学、更简化方式推动政府管理、企业运营和消费决策。
游客体验:能否一部手机走天下?
台湾智慧旅游产业协会筹备处主任吴惠恩认为,发展智慧旅游的目的需要回归到关注人、服务人上面。游客到旅游目的地看的是风景,同时感受的还有服务。不少地方做的智慧旅游是为了管理方便,并没有给游客提供方便,而在游客体验上还有很长的路要走。
国家旅游局信息中心副主任蔡家成表示,发展智慧旅游需要充分挖掘游客体验、注重便捷性。智慧旅游最理想态的图景就是一部手机走天下,现在手机已经拥有了搜索查询、照相、录音、预定门票、电子钱包、信用卡等等功能。一部手机终端加上若干个支撑就可以给游客带来智能旅行社、智能酒店、智能景区、智能交通、智能购物、智能餐饮、智能娱乐消费。有人说:“智慧旅游想走就走的潇洒”,其实不光想走就走,还可以想停就停、想回就回、想说就说。
对于游客体验,百度旅游业务总监陈明月介绍,游客订房间时,他们发现29%的人都在关注房型图片。他们就利用智慧手段通过360度全景看房,让游客更好地了解到酒店房间的内貌。
二外旅游管理学院院长厉新建表示,在大数据时代,数据分享机制使得他人体验越来越有可能成为本我体验的“前兆”,从而极大地改变了旅游消费的“后验性”特征,改变了旅游消费决策的模式,提高了旅游消费正确决策的可能性和旅游业良性健康发展的可能性。
IBM大中华区智慧城市首席规划师岳梅樱介绍,欧洲国家特别重视对游客体验的分析,他们通过信息化手段密切关注客户群的爱好。“做智慧旅游,要围绕游客体验来转。游客要去哪儿?有没有好吃的东西?这些都需要提供便捷的信息服务。”
座谈会上,清华大学新闻与传播学院沈阳教授举的一个例子让记者印象深刻。他介绍,有个庙宇已经不让信众和游客捐现金了,要捐就用手机下载软件,扫一下二维码,在网络上支付。“这对我们景区有什么启示?内涵可以是古老的,但是,用户体验是能够现代的。”
人才培养:传统教学能否引入“电商”思维?
计金标表示,随着智慧旅游的发展,专业的旅游电子商务人才显得很缺乏。今年,二外旅游管理学院新设旅游电子商务专业,就是顺应了旅游信息化的大趋势,充分利用二外旅游学科的优势,将学科发展植根于深厚的旅游和商科基础上,形成自己独特的办学风格。“我校旅游电子商务培养目标与普通综合类大学电子商务学科相比具有较强的专业导向性,学生培养将更加针对旅游行业特点,培养社会急需的服务于旅游行业的高级电子商务人才,满足旅游电子商务企业日益扩大的人才缺口。”
二外旅游管理学院教师邓宁介绍,在自己负责教授的旅游信息化课程中,会讲授一些旅游电子商务的运行模式、盈利模式等,这些东西建立的是一种思维。即使学生将来做传统营销或者传统的规划,也可以有互联网基因。
东北林业大学旅游系主任赵希勇认为,传统的旅游办学方向和教学方式正在接受移动互联网技术、大数据、云计算挑战,传统教学方法和教学内容必须随之进行调整。比如讲旅行社课程,传统教学已经完全不适应新的时代要求,随着OTA、UGC以及垂直搜索的发展,在线旅游企业出现了很多颠覆传统旅行社的经营模式,再用过去比较模式化的那套教材,已经落后了。
赵希勇表示,面对智慧旅游的机遇和挑战,旅游院校应该转变教师的教学理念、教学方法。在课程设置和学科内容组织上,可以采用矩阵式结构模式,横向上和纵向上做一些交叉。横向是各个课程,涉及酒店管理、旅行社、景区管理等。纵向就是从发展智慧旅游出发,引入电子商务、信息系统、大数据挖掘等课程,拉深技术领域的深度。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14