Napovedovanje zasedenosti hotela z uporabo rezervacijskih oken

magistrsko delo

Povzetek

Uspešnost večine sistemov za upravljanje prihodkov temelji na sistemu za napovedovanje povpraševanja. Bolje kot takšen sistem napoveduje povpraševanje, lažje je upravljati z omejenimi sredstvi in cenami, kar vodi do večjih prihodkov in boljšega izkoristka sredstev. V magistrskem delu predlagamo dva pristopa za napovedovanje povpraševanja, ki sta sestavljena iz enega oziroma več regresijskih modelov na podlagi rezervacijskih oken. Predlagani metodi primerjamo z vztrajnostnim modelom, statističnim modelom ARIMA in podobnim modelom iz sorodnega dela. V delu izvedemo eksperiment z domenskim ekspertom in njegove rezultate primerjamo z našima pristopoma. Metode testiramo na realnih podatkih konkretnega hotela, za katerega v delu razvijemo tudi aplikacijski programski vmesnik za pridobivanje napovedi o zasedenosti. Rezultati pokažejo, da sta predlagani metodi izmed uporabljenih najboljši, saj so napovedne napake manjše od napak ostalih metod ter napak domenskega eksperta.

Ključne besede

napovedovanje zasedenosti hotela;regresijski modeli;napovedovanje časovnih vrst;magisteriji;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2022
Tipologija:	2.09 - Magistrsko delo
Organizacija:	UL FRI - Fakulteta za računalništvo in informatiko
Založnik:	[M. Šavli]
UDK:	004.8:640.4(043.2)
COBISS:	136475395
Št. ogledov:	58
Št. prenosov:	21
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Forecasting hotel occupancy using booking windows
Sekundarni povzetek:	The success of most revenue management systems is based solely on demand forecasting systems. The better such a system predicts demand, the easier it is to manage limited resources and prices, which leads to better utilization and higher revenue. In this master's thesis, we propose two different demand forecasting approaches, one of which consists of one model and the other of several regression models based on booking windows. We compare the proposed method with the persistence model, the statistical ARIMA model and a similar model from a related work. In the thesis we also conduct an experiment with a domain expert and compare his results with our approach. We test the methods on real data of a specific hotel, for which we also develop an application programming interface for obtaining demand forecasts. The results show that the proposed methods are the best among those considered, as the forecast errors are smaller than the errors of the other methods and the domain expert's errors.
Sekundarne ključne besede:	forecasting hotel occupancy;machine learning;regression models;time series forecasting;computer science;computer and information science;master's degree;Strojno učenje;Hotelirstvo;Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS):	Magistrsko delo/naloga
Študijski program:	1000471
Konec prepovedi (OpenAIRE):	1970-01-01
Komentar na gradivo:	Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani:	102 str.
ID:	17341827