新零售時代，對數(shù)據(jù)分析越來越密不可分，尤其像連鎖企業(yè)，通過大數(shù)據(jù)分析分析行業(yè)，分析市場，下面我們就來簡單的講解一下連鎖酒店行業(yè)數(shù)據(jù)分析。文章分享了經(jīng)濟型連鎖酒店行業(yè)的相關數(shù)據(jù)的分析方法，希望能夠對你有所幫助。隨著“大旅游”、“大住宿”的概念興起，酒店行業(yè)作為其中的一環(huán)起到了至關重要的作用。其中，酒店實施收益管理的重要意義便不言而喻。因為，其對酒店產(chǎn)品的定價和存量控制對顧客、酒店都具有非常重要的意義。對顧客而言，可以預訂或者買到自己滿意的服務產(chǎn)品;對酒店而言，可以避免盲目決策，科學訂房和銷售服務，以提高企業(yè)的收益水平。猛哥將在這個系列中結合工作實踐“淺談”經(jīng)濟型連鎖酒店行業(yè)的相關數(shù)據(jù)分析。

1.收益管理——客房

對于大型的國內外酒店集團、高中端的酒店和星級酒店，其收入結構復雜多樣，如：客房、餐飲、會議場所、娛樂、康健等等，而經(jīng)濟型連鎖酒店或者單體門店收入結構相對簡單，甚至可以說是單一。因為，其收入來源往往只來自于客房或者說是絕大部分來自于客房，一少部分來自餐飲。

國內外關于收益管理的研究主要涉及收益管理系統(tǒng)中服務產(chǎn)品的需求預測、定價和產(chǎn)品分配(存量控制)以及其他的相關領域。本文中猛哥將結合案例著重講述經(jīng)濟型酒店客房相關的收益管理中的一部分，即“需求預測”。

需求預測是收益管理系統(tǒng)的基礎部分，用來預測服務產(chǎn)品的未來需求，使管理者對今后的市場變化有較為清晰的認識，其目標就是通過優(yōu)化利用現(xiàn)有資源，實現(xiàn)總體收益的持續(xù)增長。目前常用的預測方法包括：移動平均、指數(shù)平移等時間序列方法(如AR、MA、ARMA、ARIMA)、貝葉斯預測方法(經(jīng)典貝葉斯、層次貝葉斯、經(jīng)驗貝葉斯法)、狀態(tài)空間模型(馬爾可夫法)、機器學習方法(如神經(jīng)網(wǎng)絡)等。

2.客房需求預測方法(一)——Holt-Winter三指數(shù)平滑方法

眾所周知，在酒店行業(yè)內中有一個較為“黃金”的指標，那就是“RevPar”值(RevPar是Revenue Per Available Room的縮寫)，其含義為每間可供租出客房產(chǎn)生的平均實際營業(yè)收入，用客房實際總收入除以客房總數(shù)，但一般都用實際平均房價乘以出租率表示，結果都是一樣的。

RevPar的計算公式：RevPar=客房總收入/客房總數(shù)量

RevPar=實際平均房價×出租率

出租率=已出租客房總數(shù)/客房總數(shù)量

實際平均房價=客房總收入/已出租客房總數(shù)

根據(jù)“RevPar”值的公式，我們可以得出兩個相關的因子，即“平均房價”和“出租率”。其中，“平均房價”可根據(jù)酒店品牌的營銷能力(品牌價值)、門店所在區(qū)位(城市、商圈、交通等)、時間(季節(jié)、節(jié)假日、周末)、周圍競品酒店房價等因素決定，不過大多的某一個經(jīng)濟型連鎖品牌門店的“平均房價”基本較為固定，即使波動也是相對不大(大約在10%-20%之間)。

而另一個因子，即“出租率”可以變動的空間以及幅度就相對較大。由上面的公式我們不難看出，“出租率”就取決于“客房的需求量”。因此，準確預測或者提高對“客房需求量”的預測就顯得至為重要。

猛哥結合工作經(jīng)驗和手中的數(shù)據(jù)可以得出，經(jīng)濟型連鎖酒店的“年平均出租率“大約在60%-70%之間，而且有些門店的“年出租率”甚至低于40%。綜合以上因素，猛哥認為在“出租率”不達到80%以上前，應該設法提高出租率，從而讓“RevPar”值有“質的飛躍”。因此，本文將先就“客房需求預測”進行實例演示與分析。

Makridakis等在1982年研究發(fā)現(xiàn)，單指數(shù)平滑、Holt雙指數(shù)平滑以及Hlot-Winter三指數(shù)平滑方法對時間序列數(shù)據(jù)預測較好。所謂單指數(shù)平滑法是針對沒有趨勢和季節(jié)性的序列，二次指數(shù)平滑法針對有趨勢但沒有季節(jié)性的序列。而術語“Holt-Winter法”(可特指三指數(shù)平滑法)則包含了趨勢和季節(jié)性等因素。本文中猛哥將采用“Holt-Winter法”來結合實例講述，具體各不同指數(shù)的公式大家可自行查找。

3.實踐與分析

3.1前期準備與工具

R語言開發(fā)環(huán)境(如R、RStudio)

源數(shù)據(jù)(可以是數(shù)據(jù)庫中的數(shù)據(jù)、excel的數(shù)據(jù)、html上的數(shù)據(jù)等等)

3.2過程

讀取數(shù)據(jù)，并畫出源數(shù)據(jù)趨勢模型。其代碼和源數(shù)據(jù)趨勢模型如下：

利用Holt-Winter模型描繪模型預測數(shù)據(jù)與實際數(shù)據(jù)對比(黑色線條為源數(shù)據(jù)，紅色線條為預測數(shù)據(jù))。其代碼和數(shù)據(jù)趨勢模型如下：

利用Holt-Winter模型描繪模型并給出未來6個月的預測值(黑色線條為源數(shù)據(jù)，藍色線條為預測數(shù)據(jù))。其代碼、系統(tǒng)給出的預測結果和數(shù)據(jù)趨勢模型如下：

4.需求預測模型可行性分析與結論

5.總結

在許多典型的收益管理問題中，企業(yè)無法避免不完全的數(shù)據(jù)。若不對具有不完全信息的需求進行處理，必然會帶來較大的預測偏差，因此，在進行需求預測時，勢必要進行修復。而且由于需求的不確定性，僅由歷史數(shù)據(jù)提供的預測信息就顯得不足。目前，猛哥知道的、了解的或者有思路的就是結合歷史數(shù)據(jù)與機器學習的方法綜合運用，才能較為準確的預測需求。

實際上，在經(jīng)濟型連鎖酒店或者單體門店的收益管理領域，國內外學者或者企業(yè)都在慢慢地摸索中不斷前行，猛哥也希望和各位一起共同努力，探索出一條具有可行性的道路。