旅游大数据研究·常用的旅游大数据分析方法

大数据为旅游发展和旅游研究带来了巨大的机遇，随着数字技术、网络技术的飞速发展，大数据种类和规模的不断扩大，旅游大数据被应用于游客画像、游客满意度调查、舆情监测、客流统计、旅游推荐等场景中，而关于旅游大数据理论的探讨则主要集中在大数据下旅游管理模式、旅游流时空行为、游客情感体验和旅游舆情分析等领域的研究上。

无论是产业应用还是理论研究，都需要面对大数据数量，速度，多样性等不断增长的复杂性，并从海量、不完全的、有噪声的、模糊的、随机的大型数据库中发现隐含在其中有价值的、潜在有用的信息和知识。大数据的分析主要基于人工智能，机器学习，模式学习，统计学等。那么旅游大数据常用的分析方法有哪些呢？一起来看看吧！

1、Classification（分类）

分类是找出数据库中的一组数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别中。可以应用到涉及到应用分类、趋势预测中，如OTA根据用户在一段时间内的购买、评价等情况划分成不同的类，根据情况向用户推荐关联类的旅游线路、目的地或酒店，从而增加销量。

2、Regression (回归分析)

回归分析反映了数据库中数据的属性值的特性，通过函数表达数据映射的关系来发现属性值之间的依赖关系。它可以应用到对数据序列的预测及相关关系的研究中去。在旅游市场营销中，回归分析可以被应用到各个方面。如游客消费意愿；旅游消费及营销策划等。

3、Cluster Analysis （聚类分析）

聚类分析法也是常见的一种，简单来说，是自然的去分辨各种事物的组合，将类似的数据归类的一个集合的分析方法。

4、Association rules （关联规则法）

关联规则是隐藏在数据项之间的关联或相互关系，即可以根据一个数据项的出现推导出其他数据项的出现。

5、ANN (Artificial Neural Networks) （人工神经网络）

神经网络作为一种先进的人工智能技术，因其自身自行处理、分布存储和高度容错等特性非常适合处理非线性的以及那些以模糊、不完整、不严密的知识或数据为特征的处理问题，它的这一特点十分适合解决数据挖掘的问题。

以上是最常见的大数据分析方法，业务场景不同，对数据分析的需求也会有所变化。有的业务类型只需用到其中一种分析方法就能得出结论，而有的业务需求则需要用到多种分析模型求解，方可挖掘出大数据的最大价值。