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

图B

最后，

实际

当预

C。

正规

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