【內(nèi)容提要】

      大地云游在5月21日推出了景區(qū)大數(shù)據(jù)畫像后引起很強的反響，但另一方面，也引出了景區(qū)管理者們的眾多疑問：“樣本具有代表性嗎？”，“能像傳統(tǒng)統(tǒng)計數(shù)據(jù)一樣實在和準確嗎？”，“只統(tǒng)計百度地圖用戶數(shù)據(jù)，那不用百度地圖的就不統(tǒng)計嗎？”，諸如此類，不一而足。那么，相比傳統(tǒng)數(shù)據(jù)，大數(shù)據(jù)又有什么優(yōu)勢呢？我們又該怎樣客觀地來看待旅游大數(shù)據(jù)？本文將從覆蓋維度、數(shù)據(jù)量、數(shù)據(jù)粒度等角度來系統(tǒng)分析大數(shù)據(jù)的優(yōu)勢。

      1.大數(shù)據(jù)可能是非結(jié)構(gòu)化的

      大數(shù)據(jù)的結(jié)構(gòu)是非常復雜的，既包括像搜索量、時間、游客量等連續(xù)型數(shù)值變量，像性別、行業(yè)、興趣等離散型變量這樣傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，更增添了如文本、社會關(guān)系網(wǎng)絡(luò)，乃至語音、圖像等大量新興的非結(jié)構(gòu)化數(shù)據(jù)，而這些非結(jié)構(gòu)化數(shù)據(jù)蘊含的信息量往往更加巨大。

      2.大數(shù)據(jù)可能是殘缺的

      在現(xiàn)實的世界里，由于用戶注冊時填寫的信息不全、計算機數(shù)據(jù)存儲的錯誤等種種原因，數(shù)據(jù)缺失是常見的現(xiàn)象。但通過不同數(shù)據(jù)維度的關(guān)聯(lián)特征，能夠準確復原缺失數(shù)據(jù)，并推斷產(chǎn)生新的數(shù)據(jù)指標，這就是用戶痕跡復原方法（Utra）。

     3.大數(shù)據(jù)是存在異常值的

      在現(xiàn)實的世界里，大數(shù)據(jù)里也會存在異常值（outlier）。比如某些連續(xù)型變量（如針對某景區(qū)某天的搜索量）的取值太大，就會被當做異常值，對待異常值還需要考慮實際情況。大數(shù)據(jù)分析前，首先要對數(shù)據(jù)進行清洗和去噪，以此提出異常值對分析結(jié)果的不良影響，最大程度上保證數(shù)據(jù)分析精度。

      可見，大數(shù)據(jù)存在諸多弱點，但通過一定的算法設(shè)計和數(shù)據(jù)處理流程，完全可以保證數(shù)據(jù)的質(zhì)量，加上其數(shù)據(jù)量大、抽樣范圍廣、數(shù)據(jù)維度大等優(yōu)勢，使其在不同行業(yè)里得到快速應(yīng)用，毫不夸張的說，大數(shù)據(jù)已經(jīng)給全行業(yè)帶來了顛覆性的改變，互聯(lián)網(wǎng)行業(yè)首當其沖，接著是商業(yè)智能與咨詢服務(wù)領(lǐng)域、零售行業(yè)，還包括醫(yī)療、衛(wèi)生、交通、物流甚至生物科技、天文……大數(shù)據(jù)催生的數(shù)據(jù)服務(wù)意識和能力，正在影響這個社會的方方面面，從旅游到醫(yī)療、政府、教育、經(jīng)濟、人文以及社會的其他各個領(lǐng)域，并催生了了各行各業(yè)的變革力量。

      二、不同數(shù)據(jù)源的優(yōu)劣比較

      那么旅游大數(shù)據(jù)對比傳統(tǒng)數(shù)據(jù)到底有哪些不同呢？下表或許會帶給我們更進一步的認識。

      三、旅游大數(shù)據(jù)的優(yōu)勢是什么？

      1.大數(shù)據(jù)擁有巨大的數(shù)據(jù)量

      大數(shù)據(jù)來源于互聯(lián)網(wǎng)文本數(shù)據(jù)、OTA數(shù)據(jù)、用戶注冊信息、搜索引擎數(shù)據(jù)等諸多數(shù)據(jù)源，這些互聯(lián)網(wǎng)用戶行為每天成萬上億次的發(fā)生在互聯(lián)網(wǎng)的各個領(lǐng)域，因此積累了極為龐大的數(shù)據(jù)量，僅針對景區(qū)而言，一年時間便能夠回溯百萬級用戶交易數(shù)據(jù)，數(shù)據(jù)規(guī)模早已突破原有數(shù)據(jù)倉庫和數(shù)據(jù)集市的規(guī)模，蘊藏了極其豐富的數(shù)據(jù)價值。

      2.大數(shù)據(jù)擁有豐富的數(shù)據(jù)維度

      不同數(shù)據(jù)源的數(shù)據(jù)維度存在很大差異，以通信運營商為例，其具有十分龐大的數(shù)據(jù)量和較高的數(shù)據(jù)精度，但數(shù)據(jù)維度相對較少，僅限于用戶性別、注冊地、年齡、籍貫等信息。相比之下，搜索引擎數(shù)據(jù)、OTA數(shù)據(jù)等具有較高的數(shù)據(jù)維度，不僅包括用戶基本屬性數(shù)據(jù)，還包括偏好特征和行為習慣等諸多細化指標，復合以百度地圖等LBS數(shù)據(jù)，能夠進行多維度交叉數(shù)據(jù)分析（切片分析），從而產(chǎn)生更加的數(shù)據(jù)價值。

      3.大數(shù)據(jù)抽樣時間尺度大、空間范圍廣

      調(diào)查問卷通常集中于數(shù)天或數(shù)周內(nèi)，且問卷集中于某一目的地，在時間和空間維度上抽樣均存在很大的局限性。旅游行業(yè)具有時間波動性、空間異質(zhì)性特征，不同的時段旅游消費行為存在很大的差異，不同的旅游目的地空間也存在很大的差異，因此，調(diào)查問卷存在抽樣范圍過小的問題。相比之下，旅游大數(shù)據(jù)能夠回溯數(shù)天、數(shù)月甚至數(shù)年的信息，抽樣時間和空間都足夠大，從而保證數(shù)據(jù)分析具有很高的可信度。

      4.大數(shù)據(jù)采集成本較低

      大數(shù)據(jù)的一個典型特征是數(shù)據(jù)積累是發(fā)生在業(yè)務(wù)或交易過程當中的，既沒有刻意查找和存儲數(shù)據(jù)，大數(shù)據(jù)往往是平臺業(yè)務(wù)的一個附屬產(chǎn)品，因而相較于調(diào)查問卷、普查數(shù)據(jù)等，大數(shù)據(jù)具有相對較低的采集成本。

      由上可見，旅游大數(shù)據(jù)比傳統(tǒng)數(shù)據(jù)更有利用和挖掘分析的價值。百度&大地云游大數(shù)據(jù)畫像，基于已經(jīng)構(gòu)建的旅游產(chǎn)業(yè)數(shù)據(jù)庫和百度50余個在線產(chǎn)品數(shù)據(jù)，通過用戶痕跡復原方法（Utra）對多維數(shù)據(jù)聚合與挖掘，最大限度上規(guī)避了各數(shù)據(jù)源的弱點，最大程度上保留了大數(shù)據(jù)分析的優(yōu)勢，從而為旅游景區(qū)管理與營銷提供堅持的數(shù)據(jù)基礎(chǔ)。

來源：大地云游信息開發(fā)有限公司