利用数据挖掘技术提高饭店竞争力论文.docVIP

　　利用数据挖掘技术提高饭店竞争力论文 .freelium软件。 数据挖掘的研究方法和步骤 饭店生存与否的关键，是它是否有能力为顾客提供令其满意的服务和设施，比如饭店的清洁状况、登记入住和结账是否方便快捷、饭店服务员是否有礼貌、价格是否合理等等。 但是要把这些对顾客偏好的了解转化为有效的竞争力，饭店就需要挖掘有效的客户特征信息。而饭店是否能制定并执行切实可行的市场战略正是取决于饭店对客户偏好和行为特征的了解是否正确和全面。因此，我们首先需要利用数据挖掘技术发掘出详细有效的客户特征信息。 定义目标 开发任何数据挖掘模型，都应该遵守目标同样的规则：明确的目标，恰当的数据准备，合适的工具和技术，严格的处理和全面的验证。常常被忽略也最值得强调的是，数据挖掘模型之间最主要的区别是目标的区别。其处理步骤往往是相同的。所以，我们在具体实施中，不仅要从建模的角度强调定义目标的重要性，还需要从商业的角度强调清晰定义目标的重要性。 数据准备 数据准备是数据挖掘模型开发过程的第一个步骤，也是最重要的步骤之一。虽然数据挖掘的工具也很重要，但是数据是框架（信息库），模型的质量与底层的数据密切相关。数据准备阶段包括这几个部分的工作——数据收集、数据清理、数据集成、数据转换和数据归约。 首先我们必须收集支持模型的有关数据。只有对目标主体和市场有非常透彻的理解，才可能为目标模型选择出最佳的数据。在有了建模所需的完整数据集以后，下一步需要对数据进行清理，即检查数据，找出错误、异常值和缺失值。数据清理是数据准备过程中最花费时间、最乏味，但也是最重要的步骤，因为后面挖掘工作的质量依赖于数据的精确性和正确性。为了使后面的挖掘工作易于进行，我们还需要进行数据集成，即将来自不同数据源的数据整合成一致的数据存储。在拥有明确的目标和干净、准确的数据之后，还需要进行数据转换（将数据转换为适于挖掘的形式）和数据归约，使数据能够发挥最佳效果。 选择数据挖掘工具和技术 数据挖掘工具有很多，比如：规则归纳、聚类、决策树、遗传算法、神经网络等。每个工具都有它的优点和缺点，不能简单的说哪种工具好，哪种不好。我们需要针对具体的情况和饭店计划的目标来选择最适合的工具。 这个步骤包括定义模型结构（是树、神经网络、还是规则归纳？）、搜索（选择具体的算法）和验证（什么时候算法能够得到正确的模型并停止计算？）。 处理、验证和实现模型 模型开发的一个重要准则是：用模型开发过程中未使用过的数据来验证模型。这个准则可以检验模型的健壮性。所以，在准备好数据、选择好合适的数据挖掘工具后，需要进行的是模型处理之前最后一个步骤——将数据文件分割成建模数据集和验证数据集两个部分。然后，我们就可以用准备好的数据和数据挖掘工具处理模型了。而建立的模型是否健壮，就需要在验证数据集上检验模型。如果模型验证的结果不佳，可能是由于数据有问题、变量匹配差或建模使用的数据挖掘技术不合理等因素造成的，就需要使用合适的验证技术使模型更加严格、有效。在成功地挖掘出有用的信息后，就可以利用这些信息来制定合适的市场战略。通过这种方式，我们可以把数据挖掘技术挖掘出来的信息转化成为有效的企业竞争力。 数据挖掘技术在饭店业的应用 这里引用了一个基于韩国豪华饭店的实例研究，旨在说明数据挖掘技术在饭店业的有效性和实用性，并借此案例进一步阐明在饭店业使用数据挖掘技术的具体实施过程。这个研究的目标是帮助饭店决策者建立饭店顾客的行为模式，并以此作为饭店制定可行市场战略的重要基础。 为了最大化地获取并反映饭店顾客的行为模式，研究者选择了韩国汉城在经营价格、地理位置等方面都相似的11家饭店，并在光顾这11家饭店的顾客中精挑细选出281位顾客，对其进行了问卷调查。为了获得顾客情况的数据资料，研究者在问卷调查中通过设定的14个问题，主要考察了与之相关联的十多项数据。这十多项数据来自以下三个方面：顾客的人口统计学数据（年龄、性别、国籍、职业）；顾客的行为数据（旅行的目的、过去光顾饭店的频率、选择的饭店、楼层类型、房间类型、支付方式……）；顾客的心理或态度数据（对饭店服务员的礼貌、快速/平滑处理顾客投诉、预订的便利性、前台服务等方面的满意程度……）。值得强调的是，研究者为模型选择的数据是基于对饭店业本身以及顾客、市场情况等方面透彻理解之上的，比如研究者所考察的顾客对于饭店提供的某些服务的满意度数据，是从已经被证实与饭店服务质量紧密相关的属性中挑选出来的。同时应指出，由于顾客满意度数据等是无法从饭店数据库得到的，所以研究者使用了问卷调查这一方式对建模数据进行了完善。 在获得了建模所需的数据之后，研究者首先对收集的数据进行了清理，即填写缺失值，平滑噪声数据，识别、删除孤立点