Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/19586
Autoria: | António, Nuno Miguel da Conceição |
Orientação: | Almeida, Ana de Nunes, Luis |
Data: | 26-Jun-2019 |
Título próprio: | Hotel revenue management: Usingdata science to predict booking cancellations |
Referência bibliográfica: | António, N. M. da C. (2019). Hotel revenue management: Usingdata science to predict booking cancellations [Tese de doutoramento, Iscte - Instituto Universitário de Lisboa]. Repositório do Iscte. http://hdl.handle.net/10071/19586 |
ISBN: | 978-989-781-230-9 |
Palavras-chave: | Data science Hotel industry Machine learning Predictive analytics Revenue management Aprendizagem automática Ciência de dados Gestão de receita Indústria hoteleira Modelos preditivos |
Resumo: | In the hotel industry, demand forecast accuracy is highly impacted by booking cancellations.
Trying to overcome loss, hotels tend to implement restrictive cancellation policies and employ
overbooking tactics which in turn reduces the number of bookings and reduces revenue. To tackle
the uncertainty arising from cancellations, models for the prediction of a booking's cancellation
were developed. Data from hotels' reservations systems was combined with data from other
sources (events, holidays, online prices/inventory, social reputation and weather). Despite data
class imbalance, concept drift, and dataset shift problems, it was possible to demonstrate that to
predict cancellations of bookings is not only possible but also accurate. Moreover, it helped to
better understand what the cancellation drivers can be. In order to assess the models under real
conditions, a prototype was developed for field tests allowing to evaluate how an automated
machine learning system that predicts booking’s cancellations could be integrated into hotels'
systems. The model's performance in a real environment was assessed, including the impact on
the business. The prototype implementation enable an understanding of adjustments to be made
in the models so that they could effectively work in a real environment, as well as fostered the
creation of a new measure of performance evaluation. The prototype enabled hoteliers to act
upon identified bookings and effectively decrease cancellations. Moreover, results confirmed that
booking cancellation prediction models can improve demand forecast, allowing hoteliers to
understand their net demand, i.e., current demand minus predicted cancellations. Na indústria hoteleira, a precisão da previsão da procura é altamente impactada pelos cancelamentos de reservas. Na tentativa de mitigar as consequências dos cancelamentos, os hotéis tendem a implementar políticas de cancelamento restritivas e táticas de "overbooking", o que, por sua vez, reduz o número de reservas e a receita. Para combater a incerteza decorrente dos cancelamentos, foram desenvolvidos modelos capazes de prever a probabilidade de cada reserva vir a ser cancelada. Neste desenvolvimento foram utilizados dados de oito sistemas de gestão de reservas de outros tantos hotéis, conjuntamente com dados de outras fontes (eventos, feriados, preços/inventário "online", reputação social e clima). Apesar dos problemas de desequilíbrio de classe de dados, desvio de conceito e variação de distribuição entre variáveis ao longo do tempo, foi possível demonstrar que prever cancelamentos de reservas não é apenas possível realizar, mas que é possível de fazer com elevada precisão. A elaboração dos modelos ajudou ainda a compreender os fatores que influenciam o cancelamento. Para avaliar os modelos em condições reais, foi desenvolvido um protótipo, o qual permitiu avaliar como um sistema automatizado baseado em aprendizagem automática para prever os cancelamentos de reservas pode ser integrado nos sistemas dos hotéis. Este protótipo permitiu ainda avaliar o desempenho dos modelos num ambiente real, incluindo o seu impacto na operação. A implementação possibilitou também compreender os ajustes a serem feitos aos modelos para que pudessem efetivamente trabalhar num ambiente real, bem como fomentou a criação de uma nova medida de avaliação de desempenho. O protótipo permitiu que os hoteleiros agissem sobre as reservas identificadas e efetivamente diminuíssem os cancelamentos. Para além disso, os resultados confirmaram que os modelos de previsão de cancelamento de reservas podem melhorar a previsão de procura, permitindo que os hoteleiros compreendam melhor a sua procura líquida, ou seja, a procura atual menos os cancelamentos previstos. |
Designação do grau: | Doutoramento em Ciências e Tecnologias da Informação |
Arbitragem científica: | yes |
Acesso: | Acesso Aberto |
Aparece nas coleções: | T&D-TD - Teses de doutoramento |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
phd_nuno_conceicao_antonio.pdf | 19,32 MB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.