酒店的预测方法概述

酒店的预测方法概述数据的基本类型大多数预测方法假定：历史数据中存在一些类型的数据能被用来进行预测。接下来我们要介绍的方法对数据的基本类型做了明确的假设。因此，预测者必须试图用最合适的预测方法与数据的基本类型相匹配。数据有三种类型：趋势型、季节型和周期型（将在下文讨论并绘于图B中）。趋势型只是用于对业务活动长期评估的预测。趋势型的数据常常显示若干年的情况。图B显示了客房销售的趋势是增加的，我们可以运用我们后面提出的方法确定这一点。当一系列数据随时间以某种方式波动时，就存在季节型。业务可能随季节、月、周，甚至一周中的几天而有规律地波动。饭店业中数据的季节性波动主要来自行业的外部力量。例如，许多度假型饭店在夏季有非常高的客房出租率，而在淡季则要停业。受季节波动影响的饭店的管理者为了能高效率地经营，必须重视这一影响。数据的最后一种基本类型是周期型。周期型数据一般在一年以上的趋势线附近移动。图B显示了周期型与季节型是相似的，只是周期长度不同而已。周期型最难预测，因为它与季节型不同，它不一定在连续的时间间隔内重复自己。最后，在所有历史数据里都存在着随机变动。随机变动没有什么固定形式，这些随机变动都会由于某些原因而出现，但不管用什么预测方法饭店管理者都无法预测到。因此，实际看到的结果是趋势性与随机性的结合。只要有随机性存在，就会出现不确定性。然而，当预测者能鉴别基本数据的确切类型时，随机偏差就缩小到最小程度了。图B一家虚拟饭店的基本数据类型预测方法概述现有许多预测方法，从简单的直觉方法到复杂的方法，预测方法的分类可以参见图C。预测方法首先分为非正规预测方法和正规预测方法。非正规预测方法依靠直觉并且缺乏供其他预测者参考的系统程序。正规预测方法概括了所需遵循的步骤并可以反复应用。正规预测方法细分为定量分析法和定性分析法。定量分析法是本章的主要部分，它又分为因果分析法和时间序列法。在时间序列法中，假设一种类型的数据会随时间重复发生，当确认后，就可以预测任何销售额季节型周期型趋势型0时间随后时间段内的数值。例如，如果12月份的季节型数据是30%的饭店出租率，低于已确认的月平均水平，那么可以估计来年12月份饭店出租率很可能还是30%且低于月平均水平。时间序列法假设在源于序列的历史数据的基础上可以独立确认数据类型。他们没有考虑管理者面向未来做出的某些决策，如定价、广告等。接下来我们介绍时间序列法包括朴素法和平滑法。因果分析法假设某一变量是其他变量的函数。例如，饭店中食品和饮料的销售量是饭店客房出租率的函数。因此预测食品和饮料的销售额要参考客房销售额的预测值。因果分析法包括一元和多元线性回归、非线性回归和计量经济法。我们只介绍一元线性回归法。图C预测方法方法简要描述非正规预测方法依据历史资料做出判断或直觉的方法正规预测方法定量分析法因果法回归分析法自变量以最小平方的形式与因变量相关，y=A+Bx1+Cx2方法包括一元线性回归、多元线性回归和非线性回归计量经济法一种描绘一个或多个经济因素彼此相关的鬼鬼方程式体系。时间序列法朴素法简单规律，例如预测值与上一期实际业务活动结果相等。平滑法依据过去某时间序列的平均值（移动平均）或者时间序列中，近期的数值权数较大，元气数值权数较小（指数平滑）。分解法时间序列按趋势、周期、季节和随机等方式分解定性分析法市场调研法从潜在顾客处收集有关“新”产品或服务的信息。经理意见审查法管理高层联合编制预测。销售力量估计法综合各部门预测的底线值。德尔菲法由一组专家对影响公司市场状况的未来时间取得一致意见的正规过程