大數據應用案例酒店行業

① 如何利用大數據促進旅遊業發展

旅遊與互聯網深度融合大勢所趨

當今世界，正在經歷一場更大范圍、更深層次的科技革命和產業變革，以互聯網、大數據、人工智慧等為代表的新一輪科技革命正在深刻改變全球經濟發展和人們的生產生活。互聯網是20世紀最偉大的發明之一，給人們的生產生活帶來巨大變化，對很多領域的創新發展起到很強帶動作用。

旅遊行業也不例外。旅遊與互聯網的深度融合已是大勢所趨，為文化和旅遊帶來了前所未有的發展機遇和全新空間。旅遊因互聯網的灌溉，而更加生動、精彩;互聯網因旅遊的洗禮，而更加豐富、絢麗。

上半年中國旅遊行業總體運行情況分析

據前瞻產業研究院發布的《旅遊產業發展趨勢與投資決策分析報告》統計數據線，2018年上半年，國內旅遊人數28.26億人次，比上年同期增長11.4%。其中，城鎮居民19.97億人次，增長13.7%;農村居民8.29億人次，增長6.3%。國內旅遊收入2.45萬億元，比上年同期增長12.5%。其中，城鎮居民花費1.95萬億元，增長13.7%;農村居民花費0.50萬億元，增長8.3%。

大數據對於旅遊產業發展的提升作用主要體現在三個方面

1、改變營銷策略，通過大數據得出的用戶畫像，能夠掌握遊客行為和旅行偏好，真正在營銷中實現「投其所好」，實現推廣資源效率的最大化。

2、通過產業運營狀況分析對產業實施有效的管理，推動旅遊產業建設，幫助旅遊行政主管部門和景區等企業改善經營管理。

3、依託行業資料庫建立縱向橫向分析模型，通過數據分析與推演，有效協助旅遊行政部門和景區提升服務體系建設。

大數據與一線的景區管理之間的距離也並不遠。藉助大數據的力量，能夠完成個性化的精準定位，並在項目評估和可行性分析方面發揮作用，幫助旅遊景區構建符合市場需求的旅遊產品。同時，數據分析成果則能夠為景區進行精準的市場自我定位提供可行性依據，並成為指導其市場營銷與收益管理的利器，為景區需求開發提供新的思路，提高市場競爭力和收益能力。

大數據展望——未來風口

在冒總看來，「從數據資源體系、行業規模、產值等方面看，大數據在未來一定會成為一個新的風口。」

大數據的發展有數據自營、數據租賃、數據平台、數據倉庫、數據眾包和數據外包等多種模式。能與旅遊行業結合的方面也一定會是方方面面的。而更值得我們注意的是，未來，「大數據+AI」所發揮的巨大能量不容小覷。一是管理層面，現在正在出現的智能酒店，就是酒店行業以人工智慧和數據分析為基礎，進行酒店管理升級的探索的典型案例。第二是服務的提升，比如國家在做的廁所革命，通過數據分析，能夠在景區廁所選址、設置密度等方面有參考依據，而人工智慧技術則能實現對公廁的智慧化管理。第三是消費層面，隨著旅遊消費升級，目的地都希望遊客能多花錢，那用戶的錢花在哪方面?怎麼花?這些都能在對已有用戶消費和行為數據的分析後得到答案。根據這些遊客消費特徵，去科學設置和規劃消費區。

還是服務與消費層面，都將接受一輪全新的體驗升級。

隨著時代的轉型，旅遊行業也面臨新的發展機遇和挑戰，順勢而為完成轉型，才能更好地完成旅遊自願的開發與供應鏈的優化，最終，更好地服務於旅遊者。大數據，正在幫助我們重新認識行業，以及旅遊人所從事的這份事業。

② 關於大數據應用有什麼例子

大數據應用實例：

1、關能源行業大數據應用

計算居民用電量。

2、職業籃球賽大數據應用

專業籃球隊會通過搜集大量數據來分析賽事情況，然而他們還在為這些數據的整理和實際意義而發愁。通過分析這些數據，找到對手的弱點。

3、保險行業大數據應用

集中處理所有的客戶信息。

③ 在這個大數據時代，酒店行業如何利用大數據

酒店行業如何利用大數據，有很多種方式：
1、利用平台大數據，比如與攜程合作、與電信公司合作等，就是在利用平台大數據；
2、利用己方大數據，能做的事有：
——通過消費行為的統計研究，進行服務產品改善與提升；
——開發新產品；
——做精準營銷；
——運營效率提升。

④ 列舉大數據和雲計算技術在酒店管理領域的應用

各行各業都開始面對互聯網+的中大趨勢了，不同的行業有不同的應對策略。隨著專雲計算屬技術的不斷深入發展，改變的不僅僅是傳統企業IT系統由產品到服務的使用方式，更重要的在於創新企業組織管理體系，以消費者需求為中心向個性化商業之路探索。雲計算作為IT產業的革命性發展趨勢已經不可逆轉，並逐步成為一個領域、一個產業、一個城市甚至一個國家的基礎設施之一，規模宏大、市場前景廣闊。對於電子政務、醫療信息化、教育信息化、移動互聯網、物聯網以及智慧城市，雲計算將是其實現的最基本的前提。而未來，其對全社會各行業、各部門將加速滲透和擴張，改變傳統的產銷模式，帶來創新商業模式，直接影響沖擊傳統產業的發展。傳統產業如何正確把握在新經濟條件下的轉型之路，是迫切需要解決的問題。

⑤ 酒店大數據之客戶數據收集

酒店大數據之客戶數據收集

收益管理在酒店運營中發揮著至關重要的作用，其精確的數據分析能夠幫助酒店根據精準預測，提升效率、增加營收，而酒店標准化的實務操作則有助於發揮收益管理工具的最佳效果。通過制定和執行數據收集操作流程，細化客戶類別，酒店可提高實務操作的標准程度，進而使收益管理工具更好地為酒店服務。
在和客戶的溝通中，我們經常會被問到：
為什麼我們酒店每年拼了命維持住一定的出租率甚至有時還有些提高，但是最終卻發現酒店的收入不升反降？ 如果酒店已經能夠達到一個比較高的出租率的話，那麼收益管理到底還怎麼能幫助酒店繼續提高收益呢？
為了能夠幫助客戶尋找提升收益的機會，我們嘗試著讓客戶利用系統的數據對酒店的業務情況進行分析，卻發現這些數據中連一些最基本的信息都不夠完整。比如，酒店有多少是一般散客，有多少是預付或其他散客等等。
通過和客戶溝通，我們了解到——客戶在內部的數據管理上，並沒有清晰的標准。例如剛剛提到的市場細分，到今天為止，很多酒店還在使用預訂渠道或公司作為主要的業績統計來源。然而，相比幾年前，現在的OTA的預訂卻要復雜的多。除了常規的一般散客現付預訂，還會經常見到預付、包房、提早預訂訂單甚至還有某些商務公司的訂房，這幾乎已經涵蓋了酒店大部分的散客市場細分。因此，酒店僅僅統計客戶來源的做法，已經很難跟上時代的步伐。因為，大家都知道，對於酒店日常操作判斷來說非常重要的就是預測，但是預測的前提基礎是要找到有相同屬性的客戶的消費習慣，這樣才能使預測更符合實際。
酒店應該如何設定數據標准，在日常實務操作中收集數據，以便酒店能夠更好地理解客戶的購買行為，為日後發現潛在銷售機會以及提出更有針對性的市場活動提升銷售收入打好基礎？
數據收集標准操作流程的制定和執行
作為收益管理周期循環中的重要一環，數據收集是客戶購買行為劃分和分析的基礎，但卻並未引起大部分酒店或酒店集團的重視——大部分酒店沒有設立一個標准化的操作流程或者有標准卻不執行。
為了分別統計通過OTA的預付價格來預訂的客戶和通過OTA現付價格預定的客戶等等，需要設置幾個重要的分類標准：細分市場代碼、細分市場分組、客源代碼、房價代碼和客戶檔案的維護和團隊操作的標准流程等等。
細分市場代碼（Market Segment Code）和細分市場分組（Market Segment Group）
細分市場代碼主要是統計客戶的購買行為、價格、入住星期等等購買行為的代碼，是酒店對於客戶行為分析的最基礎數據。同時，把具有相類似購買模式的細分市場組合成細分市場分組，構成了進行預測的關鍵數據。對於細分市場代碼的有效的界定和嚴格的執行往往是我們能否做出精準預測的關鍵。很遺憾的是，很多酒店對此沒有引起足夠的重視，前台甚至是預訂部門都搞不清楚每個具體的細分市場的含義與用途。在實際工作中，這部分數據往往經常與客戶來源數據（Source Code）的使用相混淆。
客戶的購買行為的統計主要包括了對預訂的時間（也就是我們通常說的預訂進度）、價格、類型（散客預訂還是團隊預訂）、入住的星期（比如商務客戶一般選擇周中，而休閑客戶會選擇周末及假期）、入住的天數以及可能產生的不確定性（諸如取消或者未入住）。
隨著收益管理的不斷變化，關於細分市場的劃分會越來越專業化和精細化，將會出現一些根據是否有價格關聯或者是否能夠被調控的新的細分市場的趨勢。
客源代碼（Source Code）
客源代碼主要是統計客戶通過何種渠道來預訂的。包含酒店自有渠道，諸如傳統上的電話（或者呼叫中心）、傳真、郵件以及酒店官網和APP乃至於酒店官方微信營銷等，除此之外還包括第三方訂房渠道，如OTA、GDS渠道和酒店中央預訂系統產生的其他預訂等等。對於各種訂房來源進行歸類，能夠幫助我們更好地理解酒店客戶的訂房來源和預訂方式。現在幾乎很少會有客戶使用傳真這樣的方式來預訂，而更多地使用網路或者APP這樣的新型預訂方式。酒店應根據類似這樣的實際情況盡快調整自身的預訂接受方式。更甚者，有的酒店會調整預訂部的工作時間，以便接受晚上9點後APP預訂高峰所產生的訂單。
客源代碼能夠讓酒店了解各個訂房來源的實際情況，以便針對不同的客源實施不同的策略，甚至對不同渠道的投入提供數據支持。
房價代碼（Rate Code）
房價代碼是對不同客源客戶的價格進行分類的代碼，這個相對比較好理解。但是，我們經常在實際工作中看到，許多酒店會使用一個房價代碼來操作所有的團隊預訂，或者使用相同的房價代碼來處理同一個OTA渠道的所有訂單等等，之後，再使用手工變價的方式來滿足不同預訂價格的訂單。這種簡單的控制方法基本喪失了使用房價代碼來統計不同客源的可能。針對這種情況，酒店應該設置不同的房價代碼用於不同價格的預訂。簡而言之，同一個公司或渠道的不同的價格可以用不同的房價代碼來表示，這樣可以方便地統計出不同價格的預訂情況。
客戶檔案的建立和維護
幾乎每家酒店都會在PMS系統中建立客戶入住的檔案。但是由於不同預訂來源提供的客戶聯系方式不同（在中文中，同名同姓甚至同音的情況特別多），導致在預訂的時候，預訂員很難分辨是否為同一位客戶。大部分的情況下，預訂員會先處理完訂單，留待客戶入住時，由前台人員跟進確認。但是由於很多原因，在實際操作的時候，很難確保每位客戶的入住歷史能夠被很好地記錄下來，導致很多酒店的系統中存在許多重復的客戶檔案。這也意味著酒店很難像OTA那樣完整地記錄著客戶每一次的入住以及消費信息。所以，建議酒店定期檢查合並同一位客戶的檔案，以幫助酒店了解每位客戶的具體需求、入住習慣、價格水平以及消費記錄。
團隊操作的標准流程
說到團隊操作，很多酒店幾乎沒有清晰的運作標准。
銷售在報價的時候應該注意收集各種信息，包括客戶願意承受的預算以及競爭酒店的報價等等。 同時，在報價時還需要注意計算該團隊潛在的置換收入。 銷售或預訂部處理團隊鎖房的具體標准需要明確。詢價、待定、確定、分配，這些流程需要每一位團隊成員清晰了解並認真執行。
酒店對於團隊數據的處理需要遵循一致的標准，這樣才能幫助收益經理更加准確地理解團隊預訂的進度以及相對的不確定性，為團隊的合理預測提供有利的支持。
合理、准確並綜合運用這些不同的代碼，能夠幫助酒店精確地了解自身的客源結構、業績構成並能夠作為制定未來決策的數據基礎。然而，很多酒店的運營部門還沒有意識到自己的日常操作和服務對收益管理和數據處理所帶來的影響。只有自上及下認識到收益管理能夠給酒店帶來好處，收益管理才能實實在在給酒店帶來變化，讓酒店精準的數據分析給酒店管理帶來革命性的變化。如需了解更多有關內容，請注冊參加IDeaS公司8月26日舉辦的在線講座——「酒店大數據之客戶數據收集標准」。

⑥ 大數據有哪些具體的應用案例

大數據有具體的應用案例還是很多的，比如 ：

1、梅西百貨的實時定價機制。根據需求和庫存的情況，該公司基於SAS的系統對多達7300萬種貨品進行實時調價。
2. Tipp24 AG針對歐洲博彩業構建的下注和預測平台。該公司用KXEN軟體來分析數十億計的交易以及客戶的特性，然後通過預測模型對特定用戶進行動態的營銷活動。這項舉措減少了90%的預測模型構建時間。SAP公司正在試圖收購KXEN。
3. 沃爾瑪的搜索。自行設計了最新的搜索引擎Polaris，利用語義數據進行文本分析、機器學習和同義詞挖掘等。根據沃爾瑪的說法，語義搜索技術的運用使得在線購物的完成率提升了10%到15%。「對沃爾瑪來說，這就意味著數十億美元的金額。」Laney說。
4. 快餐業的視頻分析。該公司通過視頻分析等候隊列的長度，然後自動變化電子菜單顯示的內容。如果隊列較長，則顯示可以快速供給的食物;如果隊列較短，則顯示那些利潤較高但准備時間相對長的食品。
5. Morton牛排店的品牌認知。當一位顧客開玩笑地通過推特向這家位於芝加哥的牛排連鎖店訂餐送到紐約Newark機場（他將在一天工作之後抵達該處）時，Morton就開始了自己的社交秀。首先，分析推特數據，發現該顧客是本店的常客，也是推特的常用者。根據客戶以往的訂單，推測出其所乘的航班，然後派出一位身著燕尾服的侍者為客戶提供晚餐。
6. PredPol Inc.。PredPol公司通過與洛杉磯和聖克魯斯的警方以及一群研究人員合作，基於地震預測演算法的變體和犯罪數據來預測犯罪發生的幾率，可以精確到500平方英尺的范圍內。在洛杉磯運用該演算法的地區，盜竊罪和暴力犯罪分布下降了33%和21%。
7. Tesco PLC（特易購）和運營效率。這家超市連鎖在其數據倉庫中收集了700萬部冰箱的數據。通過對這些數據的分析，進行更全面的監控並進行主動的維修以降低整體能耗。
8. American Express（美國運通，AmEx）和商業智能。以往，AmEx只能實現事後諸葛式的報告和滯後的預測。「傳統的BI已經無法滿足業務發展的需要。」Laney認為。於是，AmEx開始構建真正能夠預測忠誠度的模型，基於歷史交易數據，用115個變數來進行分析預測。該公司表示，對於澳大利亞將於之後四個月中流失的客戶，已經能夠識別出其中的24%。

⑦ 有哪些大數據分析案例

如下：

1. 大數據應用案例之：醫療行業

1）Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息，通過大數據處理，更好地分析病人的信息。

在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鍾有超過3000次的數據讀取。通過這些數據分析，醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施，避免早產嬰兒夭折。

它讓更多的創業者更方便地開發產品，比如通過社交網路來收集數據的健康類App。也許未來數年後，它們搜集的數據能讓醫生給你的診斷變得更為精確，比方說不是通用的成人每日三次一次一片，而是檢測到你的血液中葯劑已經代謝完成會自動提醒你再次服葯。

2）大數據配合喬布斯癌症治療

喬布斯是世界上第一個對自身所有DNA和腫瘤DNA進行排序的人。為此，他支付了高達幾十萬美元的費用。他得到的不是樣本，而是包括整個基因的數據文檔。醫生按照所有基因按需下葯，最終這種方式幫助喬布斯延長了好幾年的生命。

2. 大數據應用案例之：能源行業

1）智能電網現在歐洲已經做到了終端，也就是所謂的智能電表。在德國，為了鼓勵利用太陽能，會在家庭安裝太陽能，除了賣電給你，當你的太陽能有多餘電的時候還可以買回來。

通過電網收集每隔五分鍾或十分鍾收集一次數據，收集來的這些數據可以用來預測客戶的用電習慣等，從而推斷出在未來2~3個月時間里，整個電網大概需要多少電。有了這個預測後，就可以向發電或者供電企業購買一定數量的電。

因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測後，可以降低采購成本。

2）丹麥的維斯塔斯風能系統(Vestas Wind Systems)運用大數據，系統依靠的是BigInsights軟體和IBM超級計算機，分析出應該在哪裡設置渦輪發電機，事實上這是風能領域的重大挑戰。在一個風電場20多年的運營過程中，准確的定位能幫助工廠實現能源產出的最大化。

為了鎖定最理想的位置，Vestas分析了來自各方面的信息：風力和天氣數據、湍流度、地形圖、公司遍及全球的2.5萬多個受控渦輪機組發回的感測器數據。這樣一套信息處理體系賦予了公司獨特的競爭優勢，幫助其客戶實現投資回報的最大化。

3. 大數據應用案例之：通信行業—通過大數據分析挽回核心客戶

法國電信-Orange集團旗下的波蘭電信公司Telekomunikacja Polska是波蘭最大的語音和寬頻固網供應商，希望有效的途徑來准確預測並解決客戶流失問題。

他們決定進行客戶細分，方法是構建一張「社交圖譜」- 分析客戶數百萬個電話的數據記錄，特別關注 「誰給誰打了電話」以及「打電話的頻率」兩個方面。「社交圖譜」把公司用戶分成幾大類，如：「聯網型」、「橋梁型」、「領導型」以及「跟隨型」。

這樣的關系數據有助電信服務供應商深入洞悉一系列問題，如：哪些人會對可能「棄用」公司服務的客戶產生較大的影響?挽留最有價值客戶的難度有多大?運用這一方法，公司客戶流失預測模型的准確率提升了47%。

4、大數據應用案例之：零售業—大數據幫零售企業制定促銷策略

北美零售商百思買在北美的銷售活動非常活躍，產品總數達到3萬多種，產品的價格也隨地區和市場條件而異。由於產品種類繁多，成本變化比較頻繁，一年之中，變化可達四次之多。

結果，每年的調價次數高達12萬次。最讓高管頭疼的是定價促銷策略。公司組成了一個11人的團隊，希望透過分析消費者的購買記錄和相關信息，提高定價的准確度和響應速度。

定價團隊的分析圍繞著三個關鍵維度：

1）數量：團隊需要分析海量信息。他們收集了上千萬的消費者的購買記錄，從客戶不同維度分析，了解客戶對每種產品種類的最高接受能力，從而為產品定出最佳價位。

2）多樣性：團隊除了分析了購買記錄這種結構化的數據外，他們也利用社交媒體發帖這種新型的非結構化數據。由於消費者需要在零售商專頁上點贊或留言以獲得優惠券，團隊利用情感分析公式來分析專頁上消費者的情緒，從而判斷他們對於公司的促銷活動是否滿意，並微調促銷策略。

3）速度：為了實現價值最大化，團隊對數據進行實時或近似實時的處理。他們成功地根據一個消費者既往的麥片購買記錄，為身處超市麥片專櫃的他/她即時發送優惠券，為客戶帶來便利性和驚喜。

透過這一系列的活動，團隊提高了定價的准確度和響應速度，為零售商新增銷售額和利潤數千萬美元。

5、大數據應用案例之：網路營銷行業（SEM）

很多企業在做SEM的過程中，都有這樣的感觸：每年都會花費大量的預算在SEM推廣中，但是因為關鍵詞投入產出無法可視化，常常花了很多錢卻不見具體的回報。

在競爭如此激烈的SEM市場中，企業需要一個高效的數據分析工具來盡可能地幫企業優化SEM推廣，例如BDP，來幫企業節省不必要的支出，提升整體的經營績效。

企業可藉助數據平台提供的網路營銷整合解決方案，打通各個搜索引擎營銷（SEM）、在線客服系統和CRM系統，營銷競價人員無需掌握復雜的編程技術，簡單拖拽即可生成報表，觀察每一個關鍵詞的投入和產出，分析每一個頁面的轉化，有效降低投放成本。

通過BDP實況分析數據，可以快速洞悉對手關鍵詞的投放時段、地域及排名，並對其進行可視化的分析，實時監控自己和競爭對手的投放情況，了解對手的投放策略，支持自定義設置數據更新的時間點、監控頻次和時段，及時調整策略。知已知彼，才能百戰不殆。

6、大數據應用案例之：電商行業

意料之外：胸部最大的是新疆妹子。曾經淘寶平台顯示，中國女性購買最多的文胸尺碼為B罩杯。B罩杯佔比達41.45%，其中又以75B的銷量最好，其次是A罩杯，購買佔比達25.26%，C罩杯只有8.96%。

雖然淘寶數據平台不能代表一切，但是結合現實來看，這個也具有普遍的代表性，只能感慨中國女性普遍size。在文胸顏色中，黑色最為暢銷，黑色絕對是百搭，每個女性必備。

從省市排名，胸部最大的是新疆妹子。這些數據都對於文胸店鋪而言是很好的參考，為店鋪的庫存、定價、款式選擇等策略都有奠定數據基礎。

7、大數據應用案例之：娛樂行業

微軟大數據成功預測奧斯卡21項大獎。2013年，微軟紐約研究院的經濟學家大衛•羅斯柴爾德（David Rothschild）利用大數據成功預測24個奧斯卡獎項中的19個，成為人們津津樂道的話題。

今年羅斯柴爾德再接再厲，成功預測第86屆奧斯卡金像獎頒獎典禮24個獎項中的21個，繼續向人們展示現代科技的神奇魔力。

總的來說，大數據的終極目標並不僅僅是改變競爭環境，而是徹底扭轉整個競爭環境，帶來新機遇，企業需要應勢而變。企業只有認識到這一點，使用合適的數據分析產品、聰明地使用和管理數據，才能在長期競爭中成為終極贏家。

⑧ 從你們各自的角度看酒店和民宿在利用大數據支持服務運營和市場營銷方面有哪些好的案例和誤區

有以下3點的好的方案和誤區。
以廣州花園酒店為例，該酒店常年的客戶銷售結構是國內70%外賓30%左右，會利用外關入境數據和航班信息預測入住率，結合往年的入住經驗擬定房價。一般是早上擬價較高，傍晚開始變價（入住率低於70%降價）。這樣做的好處有
1、可以根據市場情況隨時調價，保證當天高入住率
2、低價引流，能吸引顧客瀏覽網站信息
3、高流量方便宣傳和推廣自己的品牌，吸引潛在目標客戶
但這樣也往往會有以下幾點壞處
1、猶豫價格變化較大會導致較早購買的客戶覺得吃虧，導致客戶對產品和服務有落差感，降低滿意度
2、流量錯誤分析，因為數據本身存在誤差信息，並不是說當天航班多少留在廣州的外賓就有多少，客戶有可能是以廣州為中轉站當天乘車離開廣州到達周邊其他城市。
3、當天太早滿房的高入住率碰上大型節日和證書考試等人流量猛增的情況應付不急，失去很多盈利機會。
基於以上情況，建議企業先做好利潤分析，確定價格和入住率的關系定好最優價格（並不是說價格低住滿了利潤就最大）。應該常備20%左右的客房存儲量以應付突發事件，在利用大數據的同時要結合往年的經驗和客戶入住周期作為參考才能更加精準的預測入住率和定價。另外當天早中晚至少要根據銷售狀況預測市場三次，根據狀況隨時調價，以保障盈利最大化。
另外做好商家合作，遇到高價但是卻滿房供不應求的節假日行情，也可以跟顧客協商後當天先帶去周邊的酒店入住，第二天房態不緊張了帶回來入住，以保證客服入住率。

⑨ 如何利用大數據做好酒店經營管理

一、大數據的支持更有益於精確的前期市場定位

建造一座酒店，首先要進行項目評估和可行性分析，只有通過項目評估和可行性分析才能最終決定是否適合建造一家酒店。如果適合建造一家酒店，那麼，這家酒店的文化主題是什麼？建什麼樣的規模和檔次？設計什麼樣的產品？酒店的客源群體是什麼？能賣到什麼樣的價格？未來市場的供需情況等等，這些內容都需要在酒店建造之前來確定，也就是我們常說的前期市場定位。

建造一家酒店不僅要需要投入大量的資金，而且建設期一般需要3到5年或者更長，建造成本很高；一旦飯店建好投入運營，再想改變其市場定位就非常困難了，可以說前期市場定位是一項不容有任何偏差的工作。否則，將會給投資商帶來不可估量的後期損失。由此看出，前期市場定位對建造酒店非常重要，只有定位準確乃至精確，才能使建造出的酒店與未來市場環境相適應，構建出能滿足市場需求的酒店產品，使酒店在競爭中立於不敗之地。然而，要想做到這一點，就必須有足夠的相關數據和市場信息來供酒店研究人員分析和判斷，僅憑工作經驗是遠遠不夠的。通常，在酒店前期市場定位中，相關數據的收集主要來自於統計年鑒、行業管理部門數據、相關行業報告、行業專家意見及屬地市場調查等，這些數據多存在樣本量不足，時間滯後和准確度低等缺陷，酒店研究人員能夠獲得的信息量非常有限，使准確的市場定位存在著數據瓶頸。隨著大數據時代的來臨，藉助雲計算和數據挖掘技術不僅能給研究人員提供足夠的樣本量和數據信息，還能夠通過建立數學模型藉助歷史數據對未來市場進行預測，為研究人員數據收集、統計和分析提供了更加廣闊的空間。當然，僅靠酒店本身來完成大量數據的收集和統計分析工作是有困難的，還需要相關數據公司的幫助，為酒店制定更精準的前期市場定位。

二、大數據未來將成為飯店市場營銷工作的利器

在酒店市場營銷工作中，無論是產品、渠道、價格還是顧客，可以說每一項工作都與市場數據息息相關，而以下兩個方面又是飯店市場營銷工作中的重中之重。一是通過獲取數據並加以統計分析來充分了解市場信息，掌握競爭者的商情和動態，知曉酒店在競爭群中所處的市場地位，來達到「知彼知己，百戰不殆」的目的；二是酒店通過積累和挖掘顧客檔案數據，有助於分析顧客的消費行為和價值趣向，便於更好地為顧客服務和發展忠誠顧客，形成飯店穩定的會員客戶。

在傳統的市場競爭模式中，由於酒店獲取數據資源的途徑有限，只能夠依靠有限的調查數據對個體競爭者進行比較分析，無法全面掌握市場動態和供需情況，特別是競爭態勢，更難以確定飯店在競爭市場中所處的地位，給酒店制訂正確的競爭策略帶來困難。隨著酒店營銷管理理念的不斷更新，原有傳統營銷模式已面臨著嚴峻的挑戰，對管理者准確掌握市場信息，精確了解競爭對手動態，制訂合適的價格提出了更高的要求。市場競爭的分析也由原來簡單的客房出租率、平均房價、RevPAR分析轉化為對競爭群的數據分析，如：市場滲透指數（MPI）、平均房價指數（ARI）、收入指數（RGI)等，從維度上講還有時間維度、市場份額及同比變化率等。通過這些市場標桿數據的分析，可以使酒店管理者充分掌握市場供求關系變化的信息，了解酒店潛在的市場需求，准確獲得競爭者的商情，最終確定酒店在競爭市場中的地位，從而對酒店制訂准確的營銷策略，打造差異化產品，制訂合適的價格起到關鍵的作用。而大數據的應用概念正是需要酒店獲取這些市場市場數據，並通過統計與分析技術來為酒店提供幫助。在對顧客的消費行為和趣向分析方面，如果酒店平時善於積累、收集和整理顧客在飯店消費行為方面的信息數據，如：顧客在飯店的花費、選擇的訂房渠道、偏好的房間類型、停留的平均天數、來酒店屬地的目的、喜歡的背景音樂和菜餚等。如果酒店積累並掌握了這些數據，便可通過統計和分析來掌握顧客消費行為和興趣偏好。當顧客再次到店時發現你已經為他准備好了喜歡入住的房間，播放著他愛聽的音樂，為他推薦喜歡吃的菜餚，那麼他已經是你的忠誠顧客了。因此，可以說數據中蘊含著出奇制勝的力量，如果飯店管理者善於在市場營銷加以運用，將成飯店在市場競爭中立於不敗之地的利器。

三、酒店收益管理更是離不開數據的支持

收益管理作為實現酒店收益最大化的一門理論學科，近年來已受到業界的普遍關注並加以推廣運用，收益管理的含義把合適的產品或服務，在合適的時間，以合適的價格，通過合適的銷售渠道，出售給合適的顧客，最終實現飯店收益最大化目標。要做到以上五個要素的有效組合，需求預測、細分市場和敏感度分析是此項工作的三個重要環節。

需求預測是通過數據的統計與分析，採取科學的預測方法，通過建立數學模型，使飯店管理者掌握和了解潛在的市場需求，未來一段時間每個細分市場的訂房量和酒店的價格走勢等，從而使酒店能夠通過價格的杠桿來調節市場的供需平衡，並針對不同的細分市場來實行動態定價和差別定價；在市場需求旺盛的時候通過提高價格來盈得更大的收益，在市場疲軟的時期通過推出促銷價和折扣價等方式來招徠客源，以此來保證酒店在不同市場周期中的收益最大化。需求預測的好處在於可提高酒店管理者對市場判斷的前瞻性，並在不同的市場波動周期以合適的產品和價格投放市場，獲得潛在的收益。細分市場為酒店准確預測訂房量和實行差別定價提供了條件，差別定價是通過對同一種酒店產品（如：同類型的客房、餐食和康體項目等）按不同的細分市場制定不同價格的行為和方法，其特點是對高支付意願的顧客收取高價，對低支付意願的顧客收取低價，從而把產品留給最有價值的顧客。其科學性體現在通過市場需求預測來制定和更新價格，最大化各個細分市場的收益。敏感度分析是通過需求價格彈性分析技術，對不同細分市場的價格進行優化，最大限度地挖掘市場潛在的收入。酒店管理者可通過價格優化方法找到酒店不同市場周期每個細分市場的最佳可售房價—BAR，並通過預訂控制手段為最有價值的顧客預留或保留客房，較好地解決了房間因過早被折扣顧客預訂而遭受損失的難題。

大數據時代的來臨，為酒店收益管理工作的開展提供了更加廣闊的空間。需求預測、細分市場和敏感度分析對數據需求量很大，以往多是採集的是酒店自身的歷史數據來進行預測和分析，容易忽視外界市場信息數據，難免使預測的結果存在一定的離差。酒店在實施收益管理過程中如果能在酒店自有數據的基礎上，藉助更多的市場數據，了解更多的市場信息，同時引入競爭分析，將會對制訂准確的收益策略，盈得更高的收益起到推進作用。

四、客評的多維度分析成為挖掘飯店服務質量潛力的重要要素

網路評論，最早源自於互聯網論壇，是供網友閑暇之餘相互交流的網路社交平台。過去，顧客住店後對酒店在互聯網上的評價，也就是我們常說的客評並沒有引起酒店管理者的足夠的重視，針對顧客反映的問題，多數酒店沒有做到及時的回復甚至是根本不回復，日常管理中是否及時解決了客評中反映的問題就更不得而知了，這不僅拉大了與顧客之間的距離，而且顧客與酒店之間的信息顯得更加不對稱，失去了酒店與顧客情感互動和交流的機會。

隨著互聯網和電子商務的發展，現今的酒店客評已不再是過去簡單意義上評論，已發生了質的轉變，由過去顧客對酒店服務簡單表揚與評批演變為多內容、多渠道和多維度的客觀真實評價，顧客的評價內容也更趨於專業化和理性化，發布的渠道也更加廣泛。因此，如今的客評不僅受到了酒店管理者的重視，更是受到消費者的高度關注。有市場調查顯示，超過70%的客人在訂房前都會瀏覽該酒店的客評，成為主導顧客是否預訂這家酒店的主要動機因素之一。從某種角度看，客評在互聯網走進人們生活的今天已成為衡量酒店品牌價值、服務質量和產品價值的重要要素。多維度地對客評數據進行收集、統計和分析將會有助於酒店深入了解顧客的消費行為、價值趣向和酒店產品質量存在的不足，對改進和創新產品，量化產品價值，制訂合理的價格及提高服務質量都將起到推進作用。要做到這一點，就需要酒店平時善於收集、積累和統計客評方面的大量數據，多維度地進行比較分析，從中發現有價值的節點，將會更有益於推進酒店的營銷和質量管理工作，從中獲取更大的收益。

綜上所述，大數據，並不是一個神秘的字眼，只要酒店平時善於積累、收集、挖掘、統計和分析這些數據，為我所用，都會有效地幫助酒店提高市場競爭力和收益能力，盈得良好的效益。