疫后時代以來，報復(fù)性度假呈爆炸式增長，首先點(diǎn)燃的就是酒店行業(yè)。面對疫后更為理性“挑剔”的客戶以及酒店行業(yè)復(fù)蘇節(jié)點(diǎn)：

如何提升酒店管理效率？

怎么準(zhǔn)確判斷流量變化趨勢，拓展線上客源？

有沒有可能通過云科技手段，加強(qiáng)互聯(lián)網(wǎng)深度使用，實(shí)現(xiàn)酒店智能化、互聯(lián)化？

類似問題似乎是當(dāng)下無數(shù)酒店行業(yè)企業(yè)亟需解答的困惑。虹科Visokio Omniscope絕不能容忍任何酒店企業(yè)在疫后復(fù)蘇黃金期掉隊(duì)！下面虹科將以酒店行業(yè)為例，以其相關(guān)數(shù)據(jù)為基礎(chǔ)，主要從數(shù)據(jù)探索、數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析三個部分，為大家詳細(xì)介紹虹科提供的Visokio，作為一款商業(yè)智能和數(shù)據(jù)分析平臺，可以如何從數(shù)據(jù)到分析再到可視化，為企業(yè)提供一套完整的解決方案，幫助企業(yè)搶得先機(jī)，跑得更快！

一．?dāng)?shù)據(jù)探索

該表共包含119390條數(shù)據(jù)，含32個字段。由于源數(shù)據(jù)表字段是英文的，不太符合國人的閱讀需求，因此需要先進(jìn)行數(shù)據(jù)探索，將其轉(zhuǎn)換為中文，以便于更好地理解各字段的含義。

將數(shù)據(jù)集導(dǎo)入到MySQL數(shù)據(jù)庫后，各字段的名字、類型、長度等性質(zhì)都被做了重新整理，設(shè)計后的表結(jié)構(gòu)如下圖所示：

二．?dāng)?shù)據(jù)預(yù)處理

1.輸入數(shù)據(jù)

首先，在虹科Visokio Omniscope中構(gòu)建一個新的項(xiàng)目，用于處理酒店預(yù)訂數(shù)據(jù)的工作流。然后，添加一個數(shù)據(jù)庫輸入塊，通過JDBC，將MySQL數(shù)據(jù)庫中的“酒店預(yù)訂源數(shù)據(jù)”表連接到虹科Visokio Omniscope。最后，查看表中數(shù)據(jù)的分布情況：

我們可以發(fā)現(xiàn)`下單公司`該字段值存在明顯缺失，NULL值比例達(dá)到了94.31%。其次，“旅行社”字段也存在大量NULL值，比例達(dá)到13.69%。

因此，我們之后需要著重對這兩個字段值進(jìn)行處理。另外，由于客戶抵達(dá)酒店的日期被切分為年、月、周、日四個字段進(jìn)行存儲，所以為方便后續(xù)的使用，需要將其合并起來形成一個完整的日期。

2.重復(fù)值處理

由于數(shù)據(jù)源已經(jīng)做了脫敏處理，所以沒有包含任何客戶或酒店的敏感信息，原始數(shù)據(jù)表中也不存在主鍵或訂單ID等標(biāo)識，即使2條記錄完全一樣，也不一定就是重復(fù)的。因此該處不對“重復(fù)記錄”進(jìn)行刪除。

3.缺失值處理

（1）“下單公司”字段

由于該字段缺失率達(dá)到了94%，并且值的分布較為零散，不存在分布趨勢，因此可以認(rèn)為該字段參考價值較低，可直接將其刪除。

（2）“旅行社”字段

該字段值已經(jīng)作了脫敏處理，使用ID代表各個旅行社。雖然字段存在大量缺失，但存在合理性，因?yàn)榭蛻艨梢宰孕蓄A(yù)訂酒店，并不一定需要通過旅行社進(jìn)行預(yù)訂。于是，使用ID=0填充空值，代表該記錄沒有旅行社ID。

（3）“兒童數(shù)”字段

瀏覽全表，發(fā)現(xiàn)在將近12萬條記錄中，只有4條記錄的“兒童數(shù)”字段值缺失。作為int數(shù)值型變量，可采用中位數(shù)進(jìn)行補(bǔ)齊。

（4）“旅客國籍”字段

在該字段的所有值中，旅客國籍都用了國家的三字母代碼表示，不過可以發(fā)現(xiàn)其中有488條記錄值為NULL，故采用眾數(shù)PRT進(jìn)行填充。

4.異常值處理

（1）“餐類型”字段

該字段雖然沒有缺失值，但是觀察數(shù)據(jù)分布，發(fā)現(xiàn)有1169條數(shù)據(jù)字段值為“Undefined”，即未定義，占比0.98%。另外，該分類字段有一個類別是’SC’，即無餐。因此，可以把“Undefined”修正為“SC”。

（2）“市場細(xì)分”字段和“分銷渠道”字段

與用餐類型相似，通過數(shù)據(jù)分布情況發(fā)現(xiàn)`市場細(xì)分`字段存在2條記錄字段值為“Undefined”，分銷渠道`字段存在5條記錄字段值為“Undefined”。作為分類字段，此處使用眾數(shù)來進(jìn)行修正。

（3）入住人數(shù)統(tǒng)計

在一個訂單中，入住人數(shù)必須大于0，因此篩選出訂單入住總?cè)藬?shù)為0的記錄，即成人數(shù)、兒童數(shù)、嬰兒數(shù)均為0，共180條記錄，將其進(jìn)行刪除。不同地方有不同規(guī)定，此處不考慮未成年人訂酒店的問題，因此不對成年人數(shù)為0的記錄做處理。

（4）“平均每日費(fèi)用”字段

該字段不存在缺失值，但是存在異常值。對于每日的開銷，數(shù)據(jù)范圍應(yīng)是大于等于0，因此需要刪除開銷為負(fù)的記錄，共1條。其次，所有的記錄中數(shù)據(jù)均分布在0-520之間，存在一條值為5400的記錄，可以認(rèn)為這是離群值，會嚴(yán)重影響后期的聚合統(tǒng)計，因此將離群記錄刪除。

（5）入住天數(shù)為0

在一個訂單中，客人預(yù)訂房間入住的天數(shù)應(yīng)大于0，否則認(rèn)定為沒有預(yù)訂房間。因此入住總天數(shù)為0的異常記錄需要被刪除，即刪除周末和工作日入住天數(shù)均為0的記錄，此處共刪除645條記錄。

（6）“旅客國籍”字段

在該字段中，同時存在兩個表示中國的值，即CN和CHN，為方便后續(xù)表連接，此處將CN修正為CHN。此外，該字段還存在值TMP，在國家代碼記錄表中查詢不到，為錯誤值，并且占比較小，僅為3條記錄，因此直接將其刪除。

5.字段值漢化

數(shù)據(jù)表中的分類字段，值均為英文，為便于閱讀，將字段值替換為中文。

6.日期值處理

（1）入住日期處理

前面提到在該數(shù)據(jù)表中，客人預(yù)訂的入住時間被切分為了年、月、周、日四個字段。為方便后續(xù)的操作和閱讀，在此處需要將年、月、日三個字段合并起來，形成一個日期形式的字段值，新字段命名“預(yù)訂入住日期”，輸出模式設(shè)置為“yyyy-MM-dd”。

（2）“訂單最后更新日期”

原始數(shù)據(jù)表中訂單最后更新日期為字符型，需將其改為日期型，輸出模式設(shè)置為“yyyy-MM-dd”。

在便于閱讀Visokio Omniscope中完成上述所有的數(shù)據(jù)預(yù)處理，形成工作流如下：

三．?dāng)?shù)據(jù)分析

1.數(shù)據(jù)分布情況

首先可以對原始數(shù)據(jù)集中比較重要的字段數(shù)據(jù)分布做一個可視化處理，以便大家快速知道數(shù)據(jù)集中包含的信息以及各字段數(shù)據(jù)的分布情況，構(gòu)建出第一個儀表板-數(shù)據(jù)的分布情況，如下圖所示：

從上圖可以了解到，在總體數(shù)據(jù)中，城市酒店和度假酒店的訂單記錄約為2：1，相差較大。因此在之后分析的過程中，應(yīng)注重特征分布和比率，而不是值的大小。

其次，絕大多數(shù)的訂單都不需要提前交定金，但在需要交定金的14.6k個訂單中，只有162條訂單定金是可退的，這暗示了消費(fèi)者為避免造成不必要的損失，在預(yù)付定金時需要慎重考慮。

再者，對于訂單的取消情況，總體的取消率達(dá)到了37%，后期需要對取消情況進(jìn)行著重分析。

對于數(shù)值型變量，通過直方圖可以了解到：

大部分旅客都不會有特殊請求，約有94%的訂單顯示旅客不需要停車位。此外，在入住總?cè)藬?shù)上，基本在1-4人的區(qū)間內(nèi)，顯示入住2人的比例最高，達(dá)到了68.87%。而入住天數(shù)大多在1-4天的區(qū)間內(nèi)，顯示預(yù)訂入住2天的比例最高，達(dá)到了23.31%。

2.酒店數(shù)據(jù)分析

源數(shù)據(jù)中的酒店類型有兩種：度假酒店和城市酒店?？紤]到這兩個酒店類型本身性質(zhì)不同，且記錄數(shù)相差較大，因此在分析過程中將數(shù)據(jù)分為兩個類別進(jìn)行獨(dú)立分析，并且在儀表板中設(shè)置了過濾器，通過過濾器可以篩選出對應(yīng)類別的數(shù)據(jù)。

為提升訂單的入住率，酒店需要不斷優(yōu)化自己的服務(wù)，給顧客提供更舒服的體驗(yàn)。因此，從酒店運(yùn)營角度考慮，主要研究:整體的訂單情況、訂單的取消率、以及可能造成訂單取消的因素等等，并做出以下分析（以城市酒店數(shù)據(jù)為例）：

第一，處理后的數(shù)據(jù)集中，共有78895條城市酒店的預(yù)訂數(shù)據(jù)。通過100%堆疊條形圖可以看到，城市酒店的所有訂單取消率為42%，這說明客戶預(yù)訂訂單后，行程還是存在很大的不確定性。

在此基礎(chǔ)上，對各個月份的訂單量和取消情況進(jìn)行分析，繪制“各月份取消訂單數(shù)”面積圖?？梢园l(fā)現(xiàn)，訂單取消量隨時間變化的趨勢與總體訂單數(shù)量走向基本相同，因此可以判斷，季節(jié)因素對于旅客取消訂單的影響較小。

第二，根據(jù)酒店各月份的收入和訂單數(shù)繪制棒棒糖圖。結(jié)果顯示，兩圖不僅呈現(xiàn)趨勢相同，且變化程度也非常類似，這說明降價促銷或者急劇漲價的情況并不明顯，高訂單量同時也帶來了高收入。而對于各月份老客戶的訂單統(tǒng)計，并未從中發(fā)現(xiàn)明顯規(guī)律。2015年10月的回頭客訂單最多，為125條記錄，其次是2017年5月，為103條記錄。

第三，對入住人數(shù)的統(tǒng)計。對訂單的入住人員結(jié)構(gòu)進(jìn)行分析，可以發(fā)現(xiàn)，各月份的訂單主體都是以成人為主，兒童和嬰兒的比例極低。在大多數(shù)月份，幾乎看不到嬰兒的占比情況，這是符合我們的常理的。

第四，對于旅客國籍分布，繪制樹狀圖進(jìn)行分析。其中來自葡萄牙、法國和德國的旅客最多，占比分別達(dá)到了39%、11%和8%。對于停車位的需求，圖中顯示，98%的旅客不需要停車位，2%的旅客只需要1個停車位，停車位需求數(shù)大于1的訂單記錄數(shù)僅為5條，幾乎可以忽略不記，因此記為占比為0%。

第五，對于餐型的需求。絕大部分旅客只預(yù)訂了早餐，占比第二高的是無餐，即不需要預(yù)訂任何餐型，三餐都需要預(yù)訂的訂單占比是最小的。

3.取消預(yù)訂分析

通過上述分析可以了解到，城市酒店的訂單取消率達(dá)到了42%，這個數(shù)據(jù)不太理想。為提高酒店的盈利，對訂單取消原因進(jìn)行分析十分必要，從而可以有針對性的優(yōu)化酒店運(yùn)營，降低訂單取消率。對此，我們找出5個可能導(dǎo)致旅客取消訂單的因素，繪制了下面的儀表板：

（1）房間匹配度

在78895條城市酒店數(shù)據(jù)中，有6965個訂單的房間與旅客最初預(yù)訂的房間不同，占比達(dá)到了8.83%。將這些房間匹配度為否的數(shù)據(jù)篩選出來，可以發(fā)現(xiàn)未取消訂單和取消訂單的二級餅圖分布情況產(chǎn)生明顯變化。

當(dāng)旅客指定房間類型與最終預(yù)留房間類型為B-A或F-A時，更容易導(dǎo)致旅客取消訂單。因此酒店在面臨房源不足需要為旅客更改房間類型時，應(yīng)該盡量避免這兩種更改方案，以減少旅客訂單取消率。

（2）預(yù)付定金類型

在所有城市酒店中，定金類型共有三種：不可退、可退還和無定金。據(jù)此可以分別繪制未取消訂單和取消訂單的金字塔圖，從中發(fā)現(xiàn)未取消的訂單幾乎都屬于無定金類型。而在所有的取消訂單中，有12843條訂單定金顯示為不可退，占取消訂單原因的比例高達(dá)38.86%。

據(jù)此可知，原本酒店設(shè)置定金不可退就是為了防止旅客取消訂單，但很明顯，這個操作并沒有得到很好的防范效果，反而還很可能導(dǎo)致不良的口碑，因此酒店后期在設(shè)置定金規(guī)則時需更加謹(jǐn)慎。

（3）提前預(yù)訂天數(shù)

在所有城市酒店數(shù)據(jù)中，下單和入住間隔天數(shù)字段值的范圍為0-629。繪制提前預(yù)訂天數(shù)統(tǒng)計流圖，發(fā)現(xiàn)不論訂單是否取消，提前1個月預(yù)訂的占比都是較高的。因?yàn)闀r間越長，旅客行程變化的可能性越大，也就更可能取消訂單，所以為判斷提前預(yù)訂天數(shù)對取消訂單的影響，可以將數(shù)據(jù)范圍縮小到30以上，即30-629。

結(jié)果顯示，當(dāng)在提前240天以上預(yù)訂訂單時，旅客取消訂單的可能性會大于不取消訂單。因此酒店在計劃開放提前預(yù)約服務(wù)時，可以考慮適當(dāng)?shù)目s短預(yù)約周期。

（4）入住時長分析

從上文我們已經(jīng)知道，旅客預(yù)訂的入住天數(shù)普遍在1-4天。以是否取消訂單為類別，繪制兩者的箱線圖，發(fā)現(xiàn)兩者中位數(shù)均為3，上四分位數(shù)均為4。

為了更好的分析入住時長對旅客取消訂單的影響，將入住時長大于4天的數(shù)據(jù)篩選出來。結(jié)果發(fā)現(xiàn)，訂單的取消率由最初的41.9%下降到40.71%，似乎入住時長對取消訂單的影響并不大。然而，當(dāng)我們把入住時長范圍縮短到5-48天時，取消率達(dá)到了45.48%。當(dāng)縮短到10-48天時，取消率達(dá)到了64.65%。當(dāng)縮短到15-48時，取消率甚至到了76.97%。

這說明，入住時長在一定程度上確實(shí)是影響了訂單的取消，這也可能和旅客個人的時間安排有關(guān)。酒店在這方面的優(yōu)化措施可以是對大額訂單給予一些優(yōu)惠，以吸引旅客預(yù)訂。

（5）訂單等待時間

對于訂單等待時間，即酒店確認(rèn)訂單的響應(yīng)時間，值范圍為0-391。不論訂單最終是否取消，兩個類別中0-25的響應(yīng)時間占比都是最高的。

將數(shù)據(jù)范圍縮短到25-391，發(fā)現(xiàn)數(shù)據(jù)的分布情況發(fā)生了非常大的變化。幾乎各個區(qū)間，訂單的取消量都超過了未取消的訂單數(shù)，總體的訂單取消率高達(dá)66%。如果將數(shù)據(jù)范圍縮短到365-391，即訂單等待時間超過1年時，訂單取消率達(dá)到了96.7%。

這說明，酒店對客戶的響應(yīng)時間將在很大程度上決定訂單是否成交。因此，酒店應(yīng)優(yōu)化內(nèi)部的軟硬件設(shè)施和員工培訓(xùn)，盡可能的縮短客戶的等待時間。

“關(guān)于虹科Visokio Omniscope你了解多少？”

請聽題：

1. 虹科Visokio Omniscope支持哪些瀏覽器？(多選）

A.谷歌 ? ? ? ? ? B.Edge ? ? ? ? ?C. Internet Explore ? ? ? ? ?D.Safari ? ? ? ? ? ?E.Firefox

2. 虹科Visokio Omniscope是否支持私有化部署？

是【】 ? ? ? ? ? 否【】

記得點(diǎn)贊收藏轉(zhuǎn)發(fā)，關(guān)注我們哦~不要錯過下一期文末正確答案揭曉！當(dāng)然，也歡迎評論區(qū)告訴我們你的觀點(diǎn)，或者前往虹科云科技官網(wǎng)提前查看答案以及了解更多虹科Visokio相關(guān)資訊...

虹科提供的Visokio 是一套集ETL、分析、可視化、數(shù)據(jù)管理員、數(shù)據(jù)科學(xué)家、數(shù)據(jù)分析師等多重功能身份為一體的完美工具，是具備十足兼容性，開放性、可擴(kuò)展性、協(xié)作性、自動化、和安全性于一身的自助式商業(yè)智能平臺。

虹科是Visokio的中國區(qū)戰(zhàn)略合作伙伴，虹科持續(xù)關(guān)注各行業(yè)當(dāng)下急切需求，專注于為企業(yè)解答疑問，制定專屬服務(wù)，一站式解決問題！為企業(yè)的數(shù)據(jù)分析與決策提供定制化方案！是無數(shù)企業(yè)實(shí)現(xiàn)商業(yè)智能的最佳合作選擇！