
旅游业如何利用大数据
“不是随机样本,而是全体数据;不是精确性,而是混杂性;不是因果关系,而是相关关系。”如今,从硅谷到中关村,“大数据”是一个热门话题,一个大规模生产、分享和应用数据的时代正在开启。在这一背景下,包括旅游业在内的以终端消费者作为服务目标市场的行业,迎来了新的发展机遇。
“大数据”时代到来了
“大数据”被视为云计算之后的又一科技热点。对于“大数据”,目前还没有比较准确的定义,但是一般认为“大数据”就是指无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合。
随着信息技术尤其是互联网的发展,人们生产数据的能力越来越强。宽带普及带来的巨量日志和通讯记录,社交网络每天不断更新的个人信息,非传统IT设备产生的数据信息,以及持续增加的各种智能终端产生的图片及信息,这些爆炸性增长的数据充斥整个网络。
中国旅游研究院政策所副研究员唐晓云说,除了数据量大之外,“大数据”不同于传统数据地方更在于即时性、非结构化。这就使得传统数据处理部门无法进行传统意义上的存储、管理和分析。
难道这些数据真的一文不值的吗?不。人们发现通过一定的方法,可以在这些纷繁复杂的数据中发现价值。
首都经济贸易大学旅游管理系副教授李云鹏说,“大数据”之大,并不仅仅在于其容量之大,更多的意义在于,人类可以“分析和使用”的数据在大量增加,通过这些数据集的交换、整合和分析,人类可以发现新的知识,创造新的价值,知识的边界在不断延伸。
前景广阔超越传统
提到“大数据”在旅游行业的应用,不得不提到一家名为Hopper的旅游网站。据了解,Hopper通过“大数据”技术的应用,为游客提供最佳的旅游景点推荐。截至目前,Hopper声称自己已经抓取了“超过5亿页旅游数据”,而这一数字有望在今年年底达到10亿。各大旅游公司均已在“大数据”应用领域开始了一定的尝试。
随着“大数据”的应用热潮,国内旅游行业也开始重视“大数据”的应用。记者在采访旅游企业、旅游研究机构、旅游管理部门的过程中,也发现不少人已经开始关注、研究和应用“大数据”了。
“智游啦”是一家基于“大数据”挖掘、为游客提供“微攻略”的旅行规划服务网站。记者在网站上看到,只要游客点击想要去的地方,便会自动弹出相关的吃住行游购娱产品,这些产品不是简单的列表,而是基于网络评价的好坏筛选出来的精品。当用户面对一堆旅行目的地,而又不知道如何去规划自己的行程时,只需要选择自己喜欢的旅行风格,系统便为其量身定制出一个最合理的旅行计划。
整个世界已经进入了“大数据时代”,到了可以通过数据挖掘、数据的整合营销从而产生巨大产业收益的时候了。这一时代不光给旅游服务企业,也给了很多
相应以终端消费者作为服务目标市场的行业挖金、掘金的可能性。
“旅游行业是‘大数据’应用前景最广阔的行业之一。”闫向军说,有了“大数据”,可以准确预知客流趋向,进而采取相应的措施疏导客流;有了“大数据”,可以知道游客喜欢什么样的产品,进而开发建设适销对路的产品;有了“大数据”,还可以知道游客需要什么样的公共服务,进而改进旅游公共服务……这些都是具体的方面。
唐晓云说,旅游行业没有作为一个独立的产业列入国家产业目录,这就造成了全国统一、标准化的统计数据相对欠缺。无论是政府决策、学术研究,还是企业经营,都会面临数据相对缺乏的困境。但是,如果能够应用“大数据”,那么旅游行业就不愁没数据了!
闫向军认为,“大数据”对旅游行业的影响不是某个企业或某个领域,而是全方位的,是整个行业管理决策模式的转变。
首都经贸大学旅游管理系副教授李云鹏表示,随着大数据所蕴含价值的不断释放,旅游业大数据应用的未来必定是丰富多彩的,也会为旅游业的发展注入一股新的朝气和活力,发展前景广阔而且具有超越传统旅游业发展的特殊价值。
北京第二外国语大学旅游管理学院教授李宏表示,就旅游行业来讲,如果一个企业能够在大数据的应用方面先行一步,那么在未来的竞争中就能占得先机。
数据收集分析是难题
虽然“大数据”是个好东西,在旅游行业的应用前景也非常广阔,但是整个行业对于大数据的应用,仍存在较大的障碍。这些障碍来自于数据的收集,更来自于数据的分析和挖掘。
“大数据时代缺的不是数据,而是方法。”中国旅游研究院杨彦锋说,在数据极大丰富的时代,每个人都会产生巨大的数据,但是这些数据如何收集、挖掘、利用才是问题的根本。
史道发是北京某旅游规划设计院的一名规划师,他告诉记者,规划行业是最需要数据支撑的,但是现在的数据收集是个难点。“要是旅游规划应用了大数据,那就更能贴近市场、贴近游客了。”
大数据时代,数据是海量的,但是掌握这些数据的机构却不是开放的。目前,“大数据”的最主要来源是互联网,但是随着人们对“大数据”价值的认识,越来越多的平台将数据看做是重要的资产。因此要获得这些数据,必须要获得许可。
山东省旅游局是较早开展“大数据”收集和应用的行业管理机构,他们在收集“大数据”时也面临类似的问题。闫向军告诉记者,他们通过与百度公司合作获取了其免费提供的数据,但是这些数据对于普通机构来说,必须要付出一定的成本。此外,在获取住宿数据的时候更是大费周折。“由于各部门之间的系统都是相互独立的,不能彼此联网,要想获得另一个领域的数据非常困难,更何况相关企业或研究机构了。”
正如许多“大数据”研究者所说,“大数据”研究的重要条件是“数据开放”,但目前我国的数据开放程度远不能达到应用的要求。
“大数据”技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。
李云鹏说,由于数据是非系统化的,且不具有一致性和可靠性,因此企业很难有效地对数据进行操作。
在采访中,记者也发现,虽然多数人看好“大数据”的应用前景,但是在面对如何应用时多少会有点儿茫然。这种茫然主要是因为“大数据”的复杂。
据统计,现在计算机处理的大多是结构化数据,但这些信息只占互联网上流动信息的约10%。其他90%数据是非结构化数据,它们存储在音频、视频、社交媒体、网络日志等中,不直接以结构化模式储存。管理和分析这些非结构化的数据,让多数人感到有心无力。
闫向军说,大数据应用的根本在于从不相关的数据中找到相关性,如何分析纷繁复杂的数据至关重要,这就需要懂行业、又懂数据的人进行专业化的分析。但是目前“懂数据的人不懂旅游,懂旅游的人不懂数据。”
李宏认为,目前“大数据”研究主要在IT领域,旅游行业对于“大数据”的研究很少。如果要应用“大数据”,如何分析这些复杂的数据是一个难题。
此外,隐私也是大数据时代不得不面对的一大难题,甚至有不少人喊出了“大数据时代没有隐私”。正如一名网友在微博上所说,你在浏览网页时,你的浏览偏好可能被记录;你在下载手机应用时,你的需求偏好也可能被记录;甚至,旅行时对旅行社、旅游景区、酒店的偏好都可能被记录……而这一切,有个冠冕堂皇的理由:为了给您提供更好的服务。
从数据化入手
从记者采访的情况看,旅游行业普遍对于“大数据”仍显陌生,多数企业也不知道该如何应用“大数据”。
对此,杨彦锋说,目前旅游行业对“大数据”还停留在认识阶段,基本谈不上应用,即便是应用也仅在在线旅游企业。目前只有携程、艺龙、去哪儿等大的平台型互联网企业才能掌握足够大的数据。
李宏表示,现在讨论的所谓旅游企业“大数据”应用,更多的是“数据挖掘”的概念。
虽然目前旅游行业在“大数据”的应用上还存在较大的障碍,但是这并不代表可以不关注“大数据”。
“大数据”时代,每一个行业或企业都应该未雨绸缪,为以后“大数据”的应用做准备。
李云鹏说,对于旅游管理部门来讲,需要对游客旅游过程中产生的所有数据、旅游企业经营活动中产生的所有数据、旅游管理和目的地促销活动中产生的所有数据进行深入挖掘分析,为旅游决策提供可靠的依据和支撑,从而进一步提高效益,促进行业转型升级;对于旅游企业来讲,需要逐步通过对大量数据的分析和挖掘,指导和管理工作,如酒店更加精准地根据顾客特征和偏好推荐有吸引力的旅游产品和服务、旅游景区更好地进行客流疏导和调控、旅行社更方便地整合信息资源而开发出更有针对性和个性化的旅游产品等。
对于如何着手“大数据”的应用工作,李宏建议,旅游企业从企业内部管理系统着手,增强企业内部的数据化程度,进而改造优化内部管理流程。在客户管理方面则应该加强客户信息的收集,注重客户数据的积累,而不是简单地把这些数据放弃。
“虽然大数据的概念十分热,但是对于很多实体企业与传统行业而言,还是要扎扎实实地完成企业自身业务的数据化。”某知名网站主编何川说,短期内,多数企业还是要把重点聚焦在企业自身的业务模式上。
史道发说,“大数据”不仅仅是一个数据库的概念,但是却离不开数据库。因此旅游行业要应用“大数据”必须先从数据积累做起,借助目前智慧旅游平台的建设,注重游客数据的收集,进而建立一个相对完善的旅游数据库,为以后“大数据”的应用打好基础。
对此,李云鹏还建议,旅游管理机构应该有计划地公布旅游业运行的原始数据,鼓励技术公司开发基于原始数据的应用平台,服务于游客和旅游企业及旅游管理部门。
另外一种“大数据”应用方式则是购买第三方服务。目前,谷歌、百度、携程、艺龙、去哪儿等大型平台型网络都掌握着海量的数据。
“如果第三方大数据服务价格较低,‘大数据’确实有价值,企业完全可以通过购买数据服务来提升自身素质。”武汉大学信息管理学院教授沈阳说,微博就是“大数据”产生的一个重要平台,旅游行业要利用“大数据”不妨从微博的数据收集入手。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03