京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“大数据”时代到来 转型中旅游业将如何应对
2012年12月,英国人维克托·迈尔·舍恩伯格所著的《大数据时代》在我国出版,他在书中指出,大数据带来的信息风暴正在变革我们的生活、工作和思维,大数据开启了一次重大的时代转型。而哈佛大学社会学教授加里·金说:“这是一场革命,庞大的数据资源使得各个领域开始了量化进程,无论学术界、商界还是政府,所有领域都将开始这种进程。”
那么,在这时代的转型中,旅游业又将如何应对?
挖掘大数据
山东省旅游局局长于冲认为:“旅游是一项庞大、复杂的经济社会活动,利用来自各方面的数据进行产业运行情况分析,进行产业运行监测,对产业实施有效管理,是推动旅游业科学发展、建设现代旅游产业的必要手段。”而今年年初召开的山东省旅游工作会议,明确提出要以移动互联网应用为重点,以大数据应用为核心,提升产业现代化水平。日前,山东省旅游局副局长王元生对外宣布,5月,山东省旅游旗舰馆(店)将上线运营,这一动作被视为山东省在大数据时代交出的首份成绩单。
按照山东省的发展思路,将整合公安、交通运输、环保、国土资源、城乡建设、商务、航空、邮政、电信、气象等相关方面涉及旅游的数据,同时与百度、谷歌、淘宝等主要网络搜索引擎和旅游电子运营商合作,建立社会数据和旅游及相关部门数据合一的旅游大数据资源,推行旅游的数字化管理,开展数字化营销,以达到与旅游业网络化、散客化、大众化的发展趋势相一致的目的。
于冲指出,在游客以“亿万”计数的时代,对旅游业市场进行细分,制定正确的发展规划,简单的统计和定性分析已远远不能满足。
众多旅游企业同样认识到了这一点。“五年之前、十年之前,说大数据挖掘,基本不太靠谱,因为基础存量不够。而今天,谁忽视了这个大数据挖掘,我相信就没有明天了。”携程旅行网总裁范敏认为,当今中国的大数据已具备一定的成熟度,通过数据挖掘以及整合营销,可以产生非常巨大的产业收益。大数据正在发挥着帮助旅游主管部门、旅游企业形成判断的作用。
掘金大数据
目前,微博、微信、视频网站、社交网站等都产生以亿计的数据。这其中既包括预订网站中用户的预订频率、价位,也包括旅游攻略网站中用户对酒店床垫软硬的评价、对旅游景点公共服务设施是否齐全的描述,这些信息可能是文字,也可能是图片或视频音频。
范敏指出,如何有效地利用这些数据进行有效的商业智能挖掘,将会成为一个企业做强做大的必由之路。正如一家媒体所言:“宛如一座大金矿,大数据散发着令人难以抗拒的财富气息。”一批以“大数据”为标签的旅游企业创立,包括旅行计划网站、社交旅游网站、酒店整合搜索引擎、酒店声誉管理公司、有关餐厅质量检验的数据收集平台、个性化酒店预订提供商等。
“在大数据时代,如何能够把通过各种途径抓取过来的数据,有的放矢地设计成个性化服务,这是非常重要的。”范敏说。旅游网站能够根据旅游者的具体需求、爱好和此前的购买行为,为不同的旅行者提供不同的选择,而不仅仅是基于旅行者的类别提供大众化的选择。(来源:中国政府网)
例如,目前国外已经在进行这样的旅游服务尝试:客户定了一张飞机票,但是由于大雨,赶到机场需要一个半小时,可能会赶不上航班。此时服务供应商知晓客户的所在位置,并计算出达到机场所需的时间,于是马上推送一个通知给客户,并帮助预订下一航班。大数据技术在大量数据中发现规律的能力,使得那些拥有大数据项目的企业能以一种全新的方式向消费者销售旅游产品。
大数据带来新挑战
众所周知,旅游业是典型的体验式经济。而这种体验不仅会存留在顾客的记忆中,也会以点评的方式发布在网络上。
“酒店就在景山公园东门,位置相当好,老板是湖北人,挺有心的一个人,庭院式酒店,虽然地处北京中心地带,也是很旺的旅游点,但里边非常安静,院内的葡萄架长起来后,夏天坐在葡萄架下喝喝茶,看着天空发发呆也很不错,不过千万不能开车去,在老胡同内,没地儿停车哦。”这是一条发布在携程预订网上的住客点评。类似于这样的点评散布在网络的各个角落。据统计,2012年,通过携程、艺龙、同程、去哪儿以及大众点评、驴评等网站,共收录到的酒店点评信息近800万条,覆盖4万多家国内酒店,平均每天产生2万多条点评。与此同时,通过微博发布的酒店体验信息更是不胜枚举。
海量的点评数据,往往会让旅游业者感到没有头绪。而网络信息的快速传播会加大差评的影响力度,倘若旅游企业对相关数据处理滞后,则会影响企业形象。与过去游客单纯通过行业投诉电话反映意见不同,网络点评具有及时性、扩散性,如何智慧地运用这些点评,从而扩大正面影响,降低负面影响,将是旅游企业面临的新课题。而这类大数据带来的新挑战,已经越来越多地摆在旅游业者的面前。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19