ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ В БИЗНЕС-ПРОЦЕССЕ ОТЕЛЯ

Данное исследование направлено на повышение эффективности бизнес-процесса управления доходами в отеле путем автоматизации подпроцесса прогнозирования спроса. Цель исследования состоит в разработке модели машинного обучения, которая оптимизирует точность прогнозирования спроса, что может привести к улучшению решений по управлению доходами. Задачи исследования включают в себя обзор предметной области, изучение существующих подходов к прогнозированию спроса, формулировку проблемы в контексте машинного обучения, анализ методов подготовки данных и оценку различных методов машинного обучения с точки зрения их эффективности. Эмпирическая база включает в себя реальные данные гостиничной индустрии, в частности записи о бронированиях в двух отелях в Португалии.

В рамках исследования был проведен обзор существующих методов прогнозирования и анализ данных, по результатам которых были разработаны две модели машинного обучения: модель прогнозирования отмены бронирования и модель прогнозирования спроса, использующая данные о предполагаемых отменах. Впоследствии была проведена оценка ИТ-инфраструктуры и бизнес-процесса управления доходами в рассматриваемой организации. На основе полученных данных была разработана программа, позволяющая внедрить модели в бизнес-процесс управления доходами отеля, а также был составлен план внедрения и оценены экономические выгоды в его результате.

В заключении были сделаны выводы о том, что результаты моделирования можно считать успешными, а оптимизацию процесса управления доходами отеля за счет внедрения программы, автоматизирующей прогнозирование спроса, можно считать экономически выгодной.

Содержание 2

Введение 4

Глава 1. Анализ предметной области 7

1.1. Обзор существующих методов предсказания спроса в отеле 7

1.2. Постановка задачи в терминах машинного обучения 12

1.3. Выводы 13

Глава 2. Применение машинного обучения для предсказания спроса в отеле 15

2.1. Обзор алгоритмов машинного обучения для бинарной классификации 15

2.2. Обзор алгоритмов машинного обучения для регрессии 19

2.3. Обзор метрик для измерения качества прогнозирования 20

2.4. Этапы обработки данных перед обучением моделей 26

2.5. Выводы 33

Глава 3. Разработка и внедрение модели предсказания спроса 34

3.1. Описание данных и результаты их анализа 34

3.2. Разработка моделей машинного обучения 48

3.3 Внедрение модели в бизнес-процесс управления доходами 56

Заключение 70

Список литературы 71

Приложение 1. Таблица с описанием изначальных данных 75

Приложение 2. Модуль подключения к базе данных dbconnection.py 78

Приложение 3. Модуль обработки данных preprocessing.py 81

Приложение 4. Главный модуль main_functions.py 83

Приложение 5. Автоматический планировщик scheduler.py 86

Список литературы

1. Automation in Hotel Revenue Management: Yes, or No? – URL: customers perceptions of fairness //Journal of Revenue and pricing Management. – 2004. – Т. 2. – №. 4. – С. 303-314.

3. Kovaltchuk A. P., Blinova E. A., Miloradov K. A. Increasing the competitiveness of the Russian hotel enterprises under modern conditions //Journal of Environmental Management & Tourism. – 2017. – Т. 8. – №. 2 (18). – С. 407.

4. Ivanov S., Zhechev V. Hotel revenue management–a critical literature review //Tourism: an international interdisciplinary journal. – 2012. – Т. 60. – №. 2. – С. 175-197.

5. Weatherford L. R., Kimes S. E. A comparison of forecasting methods for hotel revenue management //International journal of forecasting. – 2003. – Т. 19. – №. 3. – С. 401-415.

6. Law R. Room occupancy rate forecasting: a neural network approach //International Journal of Contemporary Hospitality Management. – 1998. – Т. 10. – №. 6. – С. 234-239.

7. Wu D. C., Song H., Shen S. New developments in tourism and hotel demand modeling and forecasting //International Journal of Contemporary Hospitality Management. – 2017.

8. Zakhary A. et al. Forecasting hotel arrivals and occupancy using Monte Carlo simulation //Journal of Revenue and Pricing Management. – 2011. – Т. 10. – С. 344-366.

9. Andrew W. P., Cranage D. A., Lee C. K. Forecasting hotel occupancy rates with time series models: An empirical analysis //Hospitality Research Journal. – 1990. – Т. 14. – №. 2. – С. 173-182.

10. Rajopadhye M. et al. Forecasting uncertain hotel room demand //Information sciences. – 2001. – Т. 132. – №. 1-4. – С. 1-11.

итого 30 источников