2022年智慧景区大数据分析平台建设方案.pptx

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,11/7/2009,#,2,0,2,0,智慧景区大数据分析平台,建设方案,目,录,CONTENTS,壹,贰,叁,背,需,方,景,求,案,简,分,介,述,析,绍,进行产品的设计和产品运营,2018年在线旅游交易规模创新高：2016年在线旅游市场交,4%：2018年中国旅游业互,旅游大数据预测型分析,智慧景区大数据分析平台,旅游大数据预测型分析,融合视频分析、物联网、定位导引、云计算技术、借助前端设备，主动感知旅游,资源、旅游经济、旅游活动、旅游者等方面的信息，通过互联网及时、快速、准确发,中国旅游业保持高速增长,八达岭长城每年接待海量游客，巨大的人流量带来了丰富的数据资源，这些基础数据涵,化的方法，主要用于采集到的历史信息。,壹,背景简述,中国旅游业保持高速增长,旅游业市场规模（万亿元）,2018年旅游占GDP比重,7,20.10%,20.00%,6,5.99,11.04,%,5.4,5,15.20%14.00%14.70%,4.69,15.10%,15.00%,4,4.13,13.60%,2.95,3.38,11.00%,11.11%,10.00%,3,2.25,2.59,2,2018年我国旅游消费持续增长，全年国内旅,1,5.00%,游人数预计达55.4亿人次，中国公民出境旅游人数,预计达1.48亿人次，预计实现旅游总收入5.99万亿,元。,0,2011年,2012年,2013年,2014年,2015年,2016年,2017年,2018年,0.00%,总收入,增长率,据文化和旅游部初步测算，2018年，全国旅,游业对GDP的综合贡献为9.94万亿元，占GDP总量,的11.04%,多方面因素促进中国旅游市场,互联网化,Technological,技术环境,Political,政治环境,PEST,居民收入水平提高,，,旅游业有效促进宏观经济,发展,可支配收入达到,居民收入水平提高,28228,：,2018元，年，比上年名义增长全国居民人均,8.7%,拉动效应显著,旅游业在,旅游业对,GDP,GDP,中占比达到。,贡献度持续上涨,11.4%，对关联产业的,：,2018年中国,产业已实现直接就业,旅游产业有效拉动就业,2826万人,：,截至，旅游直接和间2018年，旅游,接就业,Social,7991万人，占全国就业总人口的10.29%。,分析模型,旅游互联网化程度加深,，,诸多利好政策出台,明,展规划,确产业地位：,提出大力发展旅游业2016年12月“十三五，将其定位为国民”旅游业发,经济战略性支柱产业。,制改革,供给侧结构性改革激发旅游市场活力,、鼓励落实带薪休假制度、开放二孩政策,：,消费税、,错峰旅游制度诈强制购物等促进旅游业健康有序发展、规范旅游市场秩序、整治价格欺。,构加大信贷支持,发展壮大,积极发展,，,“,拓展旅游企业融资渠道,互联网+旅游”：,推动在线旅游企业，鼓励金融机,Economical,经济环境,新兴技术发展迅速,商发展迅速,PMS,系统：,。针对酒店及非标住宿产品的,，,为在线旅游创新提供支撑,PMS厂,移动支付：,移动支付日渐普及，为在线旅游预,订的即时性,新兴技术：,、便捷性提供了技术基础数字地图、智能穿戴、。直播、大数,据、空中WIFI、VR、AR、AI等技术不断加深和创,新在旅游市场中的应用。,T,P,社会环境,80、90,后成消费主力人群,，,促使旅游消费升级,80、90,后成消费主力：,80、90后成为劳动人,口和消费人群主要构成际的影响、带动作用。，,决策时更加注重自主性和趣味性,旅游消费升级趋势明显：,消费者在旅游产品;在游览过程中,更加注重旅游体验和服务品质。,线下企业,探索,“,，,线上,跨界合作的现象也愈演愈烈,+,线下,+,体验,”,新模式,：,OTA。联手,S,其消费观念具有跨代,E,行业互联网加速,在线旅游渗透率,19.00%,17.00%,15.80%,16.50%,16.40%,旅游业市场规模（万亿元）,15.00%,12000,56.10%,60.00%,13.00%,11.50%,10000,49.60%,8923.39854.6,50.00%,11.00%,9.40%,8000,45.20%,7394.24,40.00%,9.00%,7.40%,7.00%,6.60%,6000,31.30%,28.00%,4737.69,30.00%,5.00%,4000,3166.6,20.67%,20.00%,2012年,2013年,2014年,2015年,2016年,2017年,2018年,2000,1703.72180.3,10.44%,10.00%,2018,年在线旅游交易规模创新高：,2016年在线旅游市场交,易规模达到9854.6亿元人民币，名义增幅达到10.44%。,2018,年在线旅游渗透率达到,16.4%：2018年中国旅游业互,联网化提速，随着在线旅游企业向资源端拓展，在线旅游,渗透率达到16.4%。,0,0.00%,2012年,2013年,2014年,2015年,2016年,2017年,2018年,总收入,增长率,贰,需求分析,旅游信息化发展阶段,单向控制多应用,宽带网IPV4,互联网分布化,电子化,人工,纸质,传统旅游,数字旅游,互联网+物联网+云计算,时代的旅游服务市场,景点选择自由化,游玩计划个性化,配套设施协同化,景区信息共享化,电子旅游,景区大数据,纸质,智能化云计算,计算机,局域网,单应用,IPV6技术,互动式,全应用,旅游大数据需求,游客需求,快速获取资讯,通过多个渠道获取最新信息，如：景区概况,交通情况人员分布,科学规划行程,依据获取到的信息规划行程如：景点分布情况,景点的访客数当前人流量,游客,需求,尽情享受过程,快速购票和进入目的地；景区景点错峰游玩,有效防范风险,规避安全风险避开风险高发地,减少消费陷阱,旅游大数据需求,景区需求,整体安全监控,提供差异化出行解决方案，满足游客个性化的需,求,合理拓展营销宣传渠道,景,区,整体,监管,改善景区秩序,提升,游客,体验,服务的手段更加多样化,科学,精准,运营,景区科学化营销,安全事故预警,服务的内容更加丰富,应急救援管理,服务的种类多样化,精准的信息投放,旅游大数据需求,其他相关方,1、旅游信息互联互通,2、加强旅游行业监督,旅游局,3、提升公共服务质量,4、保障旅游安全,5、统一规范标准，实现产业整合,旅行社、酒店,共享旅游客的客流、喜好、游客来源、游客消费等数据，用于对,游客的分析，支持旅行社、酒店的营销和市场调研,等,服务行业,旅游大数据方案目的,01,主动感知,02,信息互通,03,智能决策,04,主动推动,融合视频分析、物联网、定位导引、云计算技术、借助前端设备，主动感知旅游,资源、旅游经济、旅游活动、旅游者等方面的信息，通过互联网及时、快速、准确发,布各景点实时信息和广告精准投放，让人们能够及时了解旅游信息，及时安排和调整,工作和旅行计划，从而达到对各类旅游信息的智能感知、方便利用的效果。,叁,方案介绍,旅游大数据分析平台总体架构,数据,管控平台,管理人员,内部用户,外部用户,用户访问,层,流程,调度平台,实时数,据查询,历史数,据查询,内部管理分析,沙盘演练预测,数据增,值产品,数据应用,数据,标准,层,应用集市数据区,流程,调度,游客管理,消费管理,安全管理,沙盘演练数据区,品数据区增值产,数,质据,量,流,调程,度,层,历,归史,档数,区据,大数据区,主,题,数,区据,数据,管,控,层,实时,据数,区,游客汇总,消费汇总,地区汇总,数据,计算,控监,警告,待处,大理,数据,社交媒体,移动互联用户评价,处理,后大,据数,监控主题,安防主题,景点主题,层,数元,据,访问日志,购票数据,验票数据,贴源数据区,大数据交换组件,数据库数据交换组件,数据区数据交换组件,数据交换,数,据安,全,数据交换平台,层,数据,产生,售票系统,验票系统,监控系统,门户系统,系统,层,旅游大数据,指标对比分析法,指标对比分析法，又称比较分析法，是通过有关的指标对比来反映事物数量上差异和变,化的方法，主要用于采集到的历史信息。,八达岭长城每年接待海量游客，巨大的人流量带来了丰富的数据资源，这些基础数据涵,盖了重要指标和业务的衡量方法，因此合理科学分析是一项重要工作。,A,B,C,购票分析,游客分析,验票分析,根据游客的购票渠道，游客信息，购票频次等方面对游客购,票行为作出分析，为景区票务工作提供数据支持,析、购票游客来源地分析、团购票游客年龄、男女比例分,队散客分析、高频购票游客分析提醒。,据，分析游客验票高峰、验票根据验票设备收集的验票数,设备使用情况，团队及散客验票对比等信息,现有模型对将来事件的预测能力。,旅游大数据实时数据可视化,化的方法，主要用于采集到的历史信息。,队散客分析、高频购票游客分析提醒。,智能标签分类用户，如学习、健康环保、手工达人等,旅游大数据指标对比分析法,（挖掘更多价值）受众交叉营销持续营销,94万亿元，占GDP总量,Technological,2018年在线旅游交易规模创新高：2016年在线旅游市场交,产业已实现直接就业旅游产业有效拉动就业2826万人：截至，旅游直接和间2018年，旅游,通过通过智能匹配找到目标人群A/B Test监测推送效果,岭长城域内重点区域的游客流量实时监测,制改革供给侧结构性改革激发旅游市场活力、鼓励落实带薪休假制度、开放二孩政策：消费税、,共享旅游客的客流、喜好、游客来源、游客消费等数据，用于对,旅游大数据,指标对比分析法,指标对比分析法示例,1.游客来源分析；2.京津冀旅游热度；3.热词分析,40%,19%,28%,16%,20%,0%,0%,4%,4%,11%,2%,0%,5%,10%,1%,河北,天津,8.91,交通便利,20,000,旅游度假,12.35,时节美景,15,00010,000,游玩活动游玩目,%,%,出行平安,5,0000,摄影,北京,行程游玩,旅游安全出游线路,78.75,体验大草原,好玩游玩风,%,假期,时间,旅游大数据,指标对比分析法,40%30%,20%,10%,游客消费金额,游客住宿方式,37%,47%,3%,1%,12%,0%,宾馆,露营,酒店,会所,农家乐,500,400,300,200,100,缓解压力4000旅游,会议2000,避暑,户外活动,交友,欣赏美景,亲近大自然,0,拍摄,锻炼身体,观光游玩,0,度假,放松心情,爬山,体验生活,2014,工作,游客出游时间,游客出游目的,旅游大数据,指标对比分析法,性别分布,年龄分布,度假旅游,24.50%,75.50%,13.00%15.10%,28.70%,15.10%,28.10%,52.4,47.6,酒店预订,61.90%,38.10%,11.60%14.10%,24.80%,19.90%,29.60%,0%,0%,航空服务,71.80%,28.20%,6.50%11%,33.30%,16.90%,32.30%,PC,男,女,0%,20%,40%,60%,80%,100%,24岁以下,24-30岁,31-35岁,3094.2,2224.9,消费能力分布,度假旅游,10%10.00%,36.40%,27.40%,16.30%,2122.7,酒店预订,11.70%11.80%,28.60%,25.50%,22.40%,航空服务,酒店预订,度假旅游,单位：万人,航空服务,14%,14%,14%,32.40%,25.70%,游客消费占比,0%,20%,40%,60%,80%,100%,低消费者,中高消费者,中低消费者,高消费者,中等消费者,旅游大数据,实时数据可视化,基于前端采集设备（如验票设备、安防监控设备等），将获取到的实时数据，加以整,理分析，并与历史信息相对比，展示在中心大屏，为景区提供综合管理决策。,D,E,F,各门区验票实时统计,对观光游客的游览时间情况进行分析，各通道验票数据及团,队散客对比，并综合通过历史信息进行分析,安防监控大数据分析,景区热力图,通过地图、结合安防监控及票务系统数据进行分析，对八达,岭长城域内重点区域的游客流量实时监测,以“热力图”的方式展示景区内部景点的拥挤程度,旅游大数据,实时数据可视化,中心大屏效果总览,旅游大数据,实时数据可视化,实时信息展示和预警,旅游大数据,实时数据可视化,热力图,通过前端监控设备采集到的人员分布数据，结合3D数据可视化引擎，将人口的实时分,布情况展示在地图中，红色区域表示人流密度最大，黄色次之，而绿色和蓝色表示的人流,相对较少些，3D热力图是在2D热力图的基础上多了一个高度的数据，高度越高则表示人,流密度越大。,旅游大数据,游客画像,游客画像构建,静态属性,动态属性,消费属性,心理属性,静态属性主要从用户的基本信息进行用户的划,分。如性别、年龄、学历、角色、收入、地,动态属性指用户在互联网环境下的上网行为。,动态属性能更好的记录用户日常的上网偏好。,消费属性指用户的消费意向、消费意识、消费,心理、消费嗜好等，对用户的消费有个全面的,数据记录，对用户的消费能力、消费意向、消,费等级进行很好的管理,境、社会或者交际、感心理属性指用户在环,情过程中的心理反应，或者心理活动。进行用,户心理属性得划分更好的依据用户的心理行为,进行产品的设计和产品运营,域、婚姻等。,包,旅游大数据,游客画像,智能标签,智能标签分类用户，如学习、健康环保、手工达人等,多维度精准推送，如时间、地区、爱好等,摒弃盲目推送，真正实现精细化运营,分组对比测试,通过通过智能匹配找到目标人群A/B Test监测推送效果,提高点击率、转化率和用户留存率,围栏技术,通过冷数据画像和温数据回溯筛选精准目标人群,深挖用户场景，实时触发消息精确命中用户需求,旅游大数据,基于游客画像的智能营销,引,流,精准需求人群,完,成,Group A,Group B,Group C,受众引流储备,（把景区做大）,获取潜客,受众映射营销,（把景区做好）,促进销售,（挖掘更多价值）,受众交叉营销,持续营销,驴友,学生,白领,自驾游,周期推荐,自驾游攻略,摄影爱好者,关联交叉推荐,美景,游记,引流至网站行为，转化此类储备人群,/,公众号，促进其关注,引流至贴吧进想出游人群转化为储备人群,/,论坛,/,游记,/,攻略，促,按需求用户标签进行全网人群拓展,按周期进行产品推荐按关联指数交叉推荐,按用户临时需求推荐,旅游大数据,基于游客画像的智能营销,手机网站,爱奇,行业网站,WAP端,攻略,艺,环球贸易,陌陌,游记,PC端,腾讯视,PPS,频,优酷,论坛,微博,贴吧,广告流量,微信,流媒体,着陆页,Google,QQ,视频广告,自然流量,哔哩哔,手机广告,36氪,哩,新浪,图片广告,婚纱网站,今日头,书签,文字广告,房天下,条,一点资,域名,58,鲜花网站,讯,旅游大数据,预测型分析,预测型分析主要用于进行预测。事件未来发生的,可能性、预测一个可量化的值，或者是预估事情发生,的时间点，这些都可以通过预测模型来完成。,预测模型通常会使用各种可变数据来实现预测。,数据成员的多样化与预测结果密切相关。,本项目中可以通过历史售票信息、历史客流情,况、天气、节假日等信息，预测未来一段时间的游客,量客流量预测。,旅游大数据,预测型分析,选择最佳模型,准确性,(KI):,模型对现有数据的解释能力怎样？通过最小化误差获得,稳定性,(KR):,现有模型对将来事件的预测能力。减小不稳定性,风险,最佳模型,检验误差,学习误差,模型复杂度,旅游大数据,预测型分析,模型数据输出,游客数量分析预测（万人次）,2017年,2018年,2019年,340,320,300,280,260,240,220,200,180,1月,2月,3月,4月,5月,6月,7月,8月,9月,10月,11月,12月,2,0,2,0,谢谢你的观看,