大数据在旅游管理中的应用探讨研究

刘志霞

（广东农工商职业技术学院　外语系，广东　广州　510507）

大数据在旅游管理中的应用探讨研究

刘志霞

（广东农工商职业技术学院外语系，广东广州510507）

旅游管理的核心对象——旅游服务供应链，以旅游产品为主线，由基础设施生产商、提供食住行游购娱的旅游供应商、旅游中介商、旅游者以及旅游管理部门组成。通过实现旅游供应过程中服务流、信息流、价值流的“三流”合一，大数据正深刻影响着旅游服务供应链上的各方，旅游业发展也因此开始真正迈向“智慧旅游”。

旅游服务；供应链；大数据分析；智慧旅游

一、引　言

旅游业的发展与国民经济的发展水平息息相关：一方面其发展受制于国民经济发展水平；另一方面，旅游业又可以对国民经济相关产业的发展起到促进作用，如推动饮食业、住宿业、民航、铁路、商业、园林、工艺美术业等的发展。因此，旅游业在国民经济发展中占有非常重要的地位。

根据中国互联网信息中心 （CNNIC）《2014年中国在线旅行预订市场研究报告》中的有关数据，2014年中国旅游市场平稳增长。随着人均收入水平的提升和旅游市场的完善，我国的旅游市场需求不断扩大，国内游和出境游人数迅速增长。其中，国内旅游达 36.11亿人次，较2013年增长10.67%；出境旅游首次突破 1亿人次大关，达1.07亿人次，较2013年增长 19.49%。全年旅游总收入3.38万亿元，增长 14.7%；其中国际旅游收入 569亿美元，增长10.16%。［1］

在旅游业繁荣发展的背后，一些数据和现象更加值得我们关注和思考。2014年我国在线旅游预订市场用户规模达到 2.22亿人，较2013年底增长 4096万人，增长率为 22.7%。手机在线旅行预订用户规模达到 1.34亿人，较2013年增长 8865万人，增长率为 194.6%，手机在线旅行预订成为移动端增长速度最快的商务应用。在线旅行预订品牌异军突起且呈现寡头竞争态势：携程网用户规模优势明显，去哪儿网深度用户较多。部分地区旅游行政主管部门已经着手开展旅行社团队跟踪监测、景区人数监测，并与公安、消防等部门合作，通过分析预测客流趋向，及时采取相应措施进行客流疏导。

以上种种事实表明，随着出行方式的日趋多样，以及旅游主题网站、博客、微博微信、视频网站、社交网站等新兴媒体的崛起，人们生产数据的能力越来越强，正在源源不断地产生数以亿计的数据；同时多源数据收集、储存、分析、处理及反馈等技术也在飞速发展，支持人们通过一定的方法，在这些复杂的数据中发现价值；旅游提供商、旅游中介商、旅游者、旅游管理部门对数据的认知意识与分析能力也在逐步提高。种种迹象表明，旅游业已经迎来自己的大数据时代。在这样的背景下，本文以旅游业的核心——旅游服务供应链为主线，结合大数据技术特点，思考并探讨大数据在旅游服务供应链管理中的典型应用场景以及所涉及的关键技术。

二、旅游大数据的内涵

一般认为，大数据就是数量极其庞大的数据资料，无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量复杂的数据集合。大数据的基本规则是：Bigger than Bigger（没有最大，只有更大）。［2］

对于旅游业的核心——旅游服务供应链来说，其每个组成部分，从基础设施生产商、提供食住行游购娱的旅游供应商、旅游中介商，一直到旅游者以及旅游管理部门，在整个旅游过程中都在源源不断地产生着数据。整个供应链伴随着服务流、信息流、价值流的交互，数据类型众多且数据量庞大，具有显著的大数据“4V”特征［3］，即 Volume（数据体量大）、Variety（数据类型多）、Velocity（数据流速高）、Value（价值密度低），因此又可以被称为“旅游大数据”。充分挖掘和利用旅游大数据，对国家可持续发展、以点带面带动国民经济中多个产业发展具有巨大的经济价值和应用前景。

旅游大数据主要由结构化大数据和非结构化大数据两部分组成（见图1）。结构化大数据是指按照特定格式整理、能被核心系统进行储存管理的数据，简而言之就是数据库。非结构化大数据是指其他所有格式的数据，如办公文档、文本、图片、XML、网页、各类报表、图像和音频/视频信息等。就旅游大数据而言，结构化旅游大数据包括旅游企业ERP数据、财务系统数据等。非结构化旅游大数据包括社交网络中的旅游数据、景区景点的监控视频、旅游音频、旅游视频、游客点评、旅游舆情、在线旅游营销等数据。

图1　旅游大数据的内涵

三、大数据分析在旅游管理中的应用探讨

旅游大数据兼具宏观和微观两方面特点：既能通过宏观数据反映区域内旅游发展整体水平，也能通过记录分析诸如旅游者个人旅游偏好、消费习惯等微观数据表达个体差异。这就保证了旅游大数据不但可以应用在诸如需求分析、旅游规划、宏观调控等传统领域，也可以在如旅游市场细分、精准营销、个性化服务等需关注个体细节的微观领域大有作为。［4］

（一）旅游需求分析与预测

旅游需求分析预测的目的是为了更好地为旅游决策提供依据。具体来讲，旅游需求的准确预测不但可以为政府旅游规划决策提供重要依据，还可以有效服务于旅游服务供应链上的各个环节，实现上下游的有效协同。［5］

旅游需求主要包括两方面内容：一是游客对旅游设施等“硬件”的需求，二是对旅游服务质量等“软件”的需求。由于旅游设施的建设和更新是一个持续和缓慢的过程，因而发展相对较为稳定。但是旅游服务却具明显的季节性、无形性和不可存储性等特点，变化性较强，这就使得因需求预测不够准确而产生的成本风险、行业内竞争风险变大。因此旅游需求分析预测的重点首先应是旅游服务。

对旅游服务供应商及中介商来说，如果准备不足，会导致服务等待时间变长，服务质量缺乏保障，从而损害游客的实际利益，同时也会导致服务在短期内被过度使用，不利于服务提供者的稳定及长期发展；如果准备过剩，则会导致成本提高和服务资源的浪费，无法有效提升生产效率。2013年10月四川九寨沟风景区游客滞留事件、2014年 12月 31日上海外滩踩踏事件都是由于各方对旅游需求预测不足，从而引发了公共事件，导致游客、旅游服务供应商等各方利益均受到损害。

旅游需求预测的大部分研究是建立在统计方法学的基础之上的，特别是时间序列法和计量经济学，这就为利用大数据进行需求预测提供了先天条件。［6］归纳起来，目前主流旅游需求预测模型可以分为四类：趋势外推模型、定性模型、仿真模型和结构模型。趋势外推模型依据一系列历史数据推测未来形势；结构模型是依赖于旅游需求与一系列原因变量之间的关系确定；仿真模型是由趋势外推模型和结构模型结合而成的一组更综合的系统方程；定性模型（特尔菲法预测定性模型）是设立问卷对选定的一组专家进行意见征询，经过几轮的反复征询专家的意见基本一致，从而得到对未来的预测结果。［7］在实际应用中，四类模型的选择依据主要从成本、时间与精确性要求，以及和其他资料限制之间的关系等几方面综合考虑。

（二）游客市场细分及精准营销

在对旅游需求预测的基础上，可以利用旅游大数据对游客市场进行细分并支持实现个性化旅游。具体是指基于旅游大数据对包括游客基本属性、行为特征和游客偏好等内容进行多维度分析，从而定位客源市场，细分旅游市场，诊断旅游营销和推演可行性项目，最终达到提升精准营销能力的目的［8］（见图 2）。游客基本属性包括游客年龄、性别、教育程度和车产状况等属性。行为特征包括游客的出游方式、旅游动机和旅游网站搜索热度等行为。游客偏好则包括了游客出行时的住宿偏好、交通偏好以及餐饮偏好等多种数据。

对旅游供应商及中介商来说，利用大数据对游客市场细分后，可识别出其重点客源市场，便于针对主要潜在客户人群特点进行精准营销及广告投放。同时还可以对旅游市场洼地进行挖掘，培育并发展新的客户群体，提升客源市场转化率。对于出现的游客抱怨、客源流失等不利因素，也可以通过大数据（旅游评价、微博、游记、投诉记录等）进行原因分析，及时采取补救措施，或开发新的旅游兴趣点。在此基础上，通过对游客的属性、行为偏好进行分析，同时整合互联网大数据，可以针对全国市场乃至海外市场范围进行客源地与目标消费者的精准定位与营销。

对旅游者来说，游客市场细分后最大的好处就是支持个性化旅游。目前的旅游消费模式已由卖方市场转向买方市场，旅游需求更加个性化、多元化。旅游方式也由传统的观光旅游模式转向观光、休闲、度假、户外健身等多元化旅游模式。游客可通过多种方式提前了解旅游目的地的交通、住宿、天气、旅游项目是否存在同质化、旅游服务质量及评价状况等内容，来决定自己的旅游方式及服务内容。

对旅游地管理机构来讲，可通过景区大数据（景区票务系统、酒店预订等）与互联网、运营商等第三方大数据整合，对未来一定时间内的人流量、车流量进行预测，并根据游客属性进行提前资源准备与服务应对；结合景区监控系统对突发事件如踩踏、拥挤进行实时监测，及时预警；通过监控系统及大数据分析，对景区人力、物力资源进行科学分配，并加强市场违规行为管理。［9］

图2　大数据分析在游客市场细分及精准营销中的应用

（三）旅游规划及宏观调控

在传统应用方面，基于大数据本身所具备的相关性和前瞻性，旅游规划专业机构可结合深度的市场剖析以及需求分析预测，给出更加科学客观的市场分析结论；可以通过预测旅游区在投入运行时的市场需求规模及特征，为旅游区发展运营提供相对准确有效的市场分析定位、旅游区核心设计和运营措施，有助于改变“规划滞后于市场”的行业现状。

除此之外，在目前“互联网+”背景下，旅游规划出现了一些新的理念，即将“大数据”“互联网思维”“以游客为中心”“跨界整合”等新思维加入到了旅游规划中，创建了“无景区化旅游目的地”。其目的不是要取消景区，而是要将旅游目的地的发展由现在的主要依靠景区和门票，逐步过渡为依靠全域旅游目的地形象。

大数据分析本身可以对旅游规划转型提供很好的支持，有效提高旅游规划的质量。前面已经提到，利用大数据分析对游客量、客源地、游客年龄、性别、游客兴趣、轨迹、景区偏好等进行专门研究以后，可以实现游客市场细分及精准营销，这些都是后续开展旅游规划工作时，进行诸如旅游规划整体项目设计、旅游路线设计、旅游区交通规划、旅游基础服务设施规划等工作的重要依据。旅游规划机构可以据此制定更精准的目的地营销方案以及事后评价指标体系。未来，旅游规划将会通过建立大数据中心实现智慧化管理，可以有针对性地、适度超前地进行智慧旅游综合服务体系规划，具体内容包括区内服务设施的合理布局、交互式智能导游系统的分析设计、突出特色的旅游营销核心策略、区内安全监控及应急疏散指挥系统等。［10］

在旅游产业宏观调控方面，信息引导相比较于规划引导、法律规范和行政干预等其他调控工具，已逐步发展成为旅游产业宏观调控的主要手段。而大数据由于其擅于处理海量多源数据的先天优势，可以有效用于旅游信息引导过程之中。

目前无论是政府还是企业，都在有意识地建立行业运行大数据监测平台，一方面用于自身辅助决策支持，另一方面用作增值服务。在这些大数据监测平台建立的基础上，通过建立一整套完善的旅游大数据公共信息发布机制和决策分析制度，可以有效提高大数据在旅游信息引导和旅游公共服务方面的能力。同时，为保证信息的可达性，结合目前移动互联网趋势可以考虑配套开发旅游公共服务移动应用 （APP），向游客提供旅游相关的交通、气象、消费指引、签证等信息，以及旅游中的安全、急救等突发事件处理常识。在上述两方面应用的基础上，可以加强旅游信息动态分析与舆情监测，主动引导公共舆论导向以形成有利于整个旅游业发展的良好氛围。［11］

（四）旅游管理信息共享与协同

通过大数据将旅游服务供应链的各参与方连接起来，实现彼此之间的数据交换与信息共享，可以实现旅游供应过程中服务流、信息流、价值流的“三流”合一，即旅游协同。按比较形象的说法，旅游大数据就像一张蜘蛛网，网上的任何一点动一下，蜘蛛马上就能感觉到。旅游服务供应链上的各方存在着紧密的关联关系，起始端旅游需求量的变动，必然会引起下游各环节的变动，而利用大数据正可以帮助我们判断一系列变动的规律。

旅游产品的特点之一就是生产和消费的同时性。旅游产品尤其是服务类产品，在实际购买前是无法检查的，游客需要前往目的地才能体验旅游产品。而游客对产品的预期往往来自诸如产品说明和过往经验。这种不一致性极易造成供求双方的风险和收益失衡，以及机会主义等信用缺失行为的发生。由于供应链上下游企业之间的信息不通畅，也会导致资源的重复使用，增加产品的同质性。以上情况会降低旅游产业效率，极大降低旅游业的满意度和吸引力。

利用大数据，可以支持游客在购买旅游服务前通过微博、点评等先对服务质量进行评估。供应链各成员之间也可以利用大数据，实现对需求状况、生产要求、产品供应量、实时数据等信息的共享。通过旅游大数据的应用，可以有效提高供应链效率。

由此可知，旅游服务供应链要想成为一个整体，实现链条上各环节间的无缝对接，需要各参与方的协同运作。利用大数据可以有效实现旅游管理信息的共享与协同。

四、旅游大数据关键技术研究

旅游大数据关键技术研究，重点在于突破对旅游时空动态数据的采集、存储、分析与展现等技术难题，全面发挥大数据价值和应用效益。［12］具体来讲，是指根据旅游大数据技术特性和应用需求，在大数据融合、组织与存储、计算与分析、领域知识表示与推理及可视化等领域进行研究，重点解决海量时空动态数据的检索及查询优化、分布式架构下应用驱动的计算任务加载及调度算法优化、时空数据的分布式数据库ACID实现、混合式大数据存储及管理等关键技术问题，全面掌握开展旅游大数据应用的核心技术。

（一）融合现有数据仓库的混合式大数据存储及管理模式

旅游服务供应商，特别是旅游中介商为了能够快速提供特色服务，满足日益膨胀的旅游需求，已在传统集中式数据存储与处理方面，建立了成熟的信息系统并完成大量的技术积累。除此之外，在用户设备、云存储、个人空间、博客等多种介质上也存在大量混合式数据。如何在多种存储介质并存的情况下，将新型分布式技术与现有技术进行有效融合，既充分保护已有数据资产及信息化投资，同时又使流式计算、内存计算等技术充分发挥效用，是旅游大数据在架构设计方面需要重点攻克的难题。

目前，在大数据的存储方面国内外已经有了较多的授权专利。尤其是近一两年以来，随着大数据的研究越来越热，关于大数据存储的专题研究及专利也随之增多，如“一种大数据存储系统（CN103428232A）”“一种大数据存储方法及装置（CN103440288A）”“基于 HBase的矢量空间大数据存储方法（CN103116610A）”等国内专利，以及“Mass data storage system（WO2007019076A）”“Large data storage system（WO2013170504A1）”等国际专利。但相关技术主要是对传统的基于磁盘的数据存储方式进行的优化，未考虑在多种存储介质并存的情况下，如何实现多种存储介质下大数据的分层存储体系、数据管理方法优化及能耗感知。

对于旅游大数据的存储及管理模式关键技术研究，主要从以下几个方面开展。

1.研究多介质混合存储的旅游大数据层次化存储体系

结合旅游大数据典型应用场景，研究多介质混合存储模式下的层次化的存储体系，主要包括多介质混合存储系统的一体化管理技术、存储器结构感知的数据管理方法、分布式协同存储技术。充分考虑新型存储读写非对称性、寿命、价格成本以及数据访问的局部性原理、合理的设计存储的结构，如 SSD（或者PCM、MRAM、RRAM）作为读缓存、写缓存或者二级存储时，面向不同的应用、不同的存储容量、不同的数据量时对系统的效率造成的影响。综合定量的分析存储结构、应用、容量、数据量对存储系统效率的影响，给出针对旅游大数据不同应用场景下的合理的存储体系结构设计。

2.研究多介质混合存储的旅游大数据管理算法

针对旅游供应链上产生的大量的多源、异构数据以及在各类存储设备上分层存储的特点。研究在多介质混合存储条件下，数据库管理的系统层核心算法，主要包括大数据库的持久化策略、大数据的可靠性，以及大数据的查询及索引算法优化。从旅游大数据的访问特性出发，同时根据多介质之间物理特性的差异性来合理地分配不同类别数据的存储位置，可以有效实现旅游大数据存储时大容量、高性能的目标。

3.多介质混合存储模式下能耗感知的旅游大数据管理技术

主要是指研究数据管理系统的能耗有效性算法和相关技术。具体包括研究旅游大数据管理系统能耗测试、能耗查询处理机制；研究在多个数据库节点集群情况下如何实现能耗均衡性；研究如何根据负载使数据库集群的各个节点以及存储设备动态切换电源状态，以实现负载与能耗之间的合理匹配。具体包括能耗均衡的数据库节点集群体系，能耗均衡的存储分配、高能效缓冲区置换技术。

总体来讲，上述各个研究部分之间既相互独立又相互依存，构成了一个有机的整体。面向新型存储的大数据层次化存储体系拟解决的技术难点包括：多介质混合存储系统的一体化管理、存储器结构感知的数据管理、分布式协同存储技术。面向新型存储的大数据管理算法拟解决的技术难点包括：大数据持久化、大数据可靠性、大数据的索引及查询优化。能耗感知的大数据管理技术拟解决的技术难点包括：有效的查询优化算法、能耗均衡的存储分配、高能效缓冲区置换技术。通过研究不同技术组件的技术特性和技术应用需求，可以考虑技术组件的融合应用方案，并进行适应性改造，从而构建起融合现有数据仓库的混合式大数据存储及管理模式。［13］（见图 3）

（二）分布式架构下应用驱动的计算任务加载及调度算法优化

图3　混合式旅游大数据存储模式

对旅游大数据来说，其规模庞大，计算任务复杂，应用类型多样，对各类软、硬件资源进行全局优化、统筹调配，从而在合理的软硬件资源配置下支撑各类应用需求，是亟待解决的技术难题。［14］

随着大数据技术的应用越来越广泛，与大数据处理有关的专题研究与专利也越来越多。包括如下国内专利：一种基于云计算的大数据统一分析处理方法（CN103491187A）、大数据环境下的流式数据处理方法 （CN103345514A）、一种多系统大数据的处理及融合方法（CN103473459A）、一种快数据和大数据结合的数据处理方法及其系统（CN103268336A）等，以及 如 下 国 际 专 利 ：Big data analytics system （US20140006338 A1）、Method and system for handlinglargedatasetsinastatisticallanguage （US7739311 B2）等。这些专题研究包括了对大数据批处理计算技术和实时计算技术的相关方法。但是这些方法主要侧重在数据采集、查询索引优化以及具体应用领域，如电子商务的大数据处理技术。在旅游大数据领域如何进行数据处理，则相关专题研究较少。

对于旅游大数据的数据处理关键技术研究，主要从以下几个方面开展。

1.旅游大数据处理平台的数据预处理技术研究

通过研究异构旅游大数据的数据特性（详见“本文第二节：旅游大数据的内涵”），按照数据来源、数据类型（结构化数据、半结构化数据、非结构化数据）、数据获取频率（秒、分钟、天）、数据应用对数据处理的要求 （在线online、近线nearline、离线 offline）等研究数据特性，建立大数据处理统一分类标准，形成旅游大数据处理平台的数据预处理模型。

2.海量异构旅游大数据的多元数据输入批处理计算技术研究

根据输入数据的数据特性分类，按照统一数据分类标准，设计满足不同要求的多元数据输入批处理计算技术；研究典型结构化数据批处理应用场景（分布式数据仓库）批处理计算模型；研究典型半结构化数据应用场景（客户行为分析）批处理计算技术；研究典型非结构化数据应用场景 （景区视频监控分析）批处理计算技术；研究对时限要求较高的近线数据应用场景（如节假日的客流预测、应急预案推荐）批处理计算技术。

3.海量异构旅游大数据在约束条件下的实时处理计算技术研究

结合旅游管理典型应用场景，从实时处理计算架构（无中心节点的对称式系统架构/有中心节点的主从式架构）、各计算节点的数据传输方式（主动推送方式/被动拉取方式）、编程接口（类MR用户编程接口/类Spout和Bolt应用编程接口）、高可用性技术（被动等待策略/主动等待策略/上游备份策略）等方面研究海量异构旅游大数据的实时处理计算技术。

旅游大数据数据处理的技术难点包括：（1）在具备多元数据输入的批处理计算技术后，如何优化以满足应用场景的不断提升的时限要求；（2）在具备实时处理计算技术后，如何针对实时数据流的突发性、持续性以及对存储的高要求，对实时计算技术进行优化。

图4　旅游大数据计算任务加载及调度算法优化

总体来说，利用分布式架构下应用驱动的计算任务加载及调度算法优化，通过对各类计算任务执行情况进行深度学习，了解不同任务在不同数据量、不同计算规模、不同资源配置等情况下的时间、空间复杂度，从而以应用为驱动，以任务复杂度为依据，对计算任务进行动态调度规划，可以达到资源调配效果，从而实现旅游大数据分析的真正实用化。（见图4）

（三）海量时空动态数据的检索及查询优化

时空数据是指具有时间元素特征并随时间变化而变化的空间数据，涉及到如地物要素的数量、形状、纹理、空间分布特征、内在联系及规律等的数字、文本、图形和图像，具有明显的空间地理分布特征，并且具有数据量大、非线性以及随时间变化等特征，这在旅游行业表现得最为典型。其主要由空间、时态和属性3类特征组成，构成了时空数据特有的多维结构。根据时空数据的特性可以将其抽象为 “What”“Where”和“When”三个基本要素，需要通过开展“海量时空动态数据的检索及查询优化”研究，实现对这些时空数据的统一管理、动态处理、精确分析和快速查询，即构造合理的空间、时间和属性联合的数据模型。（见图5）

图5　时空动态数据的多维结构

旅游大数据分析应用需要围绕时间、空间以及多种属性进行检索和查询，目前基于Key-Value的分布式数据存储和检索机制难以满足海量时空动态数据的多维度检索需求。

就解决方法上来说，主要包括：（1）应用基于交叉Hash校验的数据一致性保障和敏感代价模型驱动的方法优化旅游时空数据存储和检索模型，实现时序数据、空域数据、非结构化数据基于列式数据库和多级混合索引的存储及检索方法；（2）针对旅游大数据分析应用类型和相关需求，基于装箱模型设计集群并发计算任务工作流的智能规划、快速加载及量化管控；（3）面向旅游领域海量非结构化数据，构建旅游领域的知识推理和管理模型，设计基于内容的非结构化数据快速检索及在线分析方法。

（四）面向旅游时空数据的分布式数据库ACID实现

旅游大数据包含大量时序、地理空间数据，而分布式存储系统在网络延迟、节点失效情况下会降低系统数据一致性和系统可用性。如何保障时空数据的分布式数据库 ACID是旅游大数据应用的难点问题。经初步分析后，可考虑通过改进Hash算法，研究旅游时空一致性散列模型，保证数据存储的一致性；同时，在多节点冗余存储的情况下，基于投票协议的数据一致性模型，也可确保数据在多节点存储的最终一致性。（见图6）

图6　旅游时空数据的ACID实现

图7　面向旅游管理领域知识的海量非结构化数据内容检索及分析

（五）面向旅游领域知识的海量非结构化数据内容检索及分析

旅游行业拥有大量的视频、图片、动画等非结构化数据，包含着大量的信息，将这些信息中有用的内容进行自动识别、提取，并形成知识，对提升旅游服务供应链运行的智能化水平、降低人工处理工作量具有重要意义。在这方面，可以通过开展面向旅游管理领域知识的海量非结构化数据内容检索及分析，构建包括多类非结构化数据特征识别模型，并通过大规模深度学习，挖掘非结构化数据之间的特征影响关系，从而为风险预警、异常监测提供支撑。（见图7）

五、结　语

将大数据思想引入旅游服务供应链管理，是提升旅游管理水平，实现智慧旅游的必经之路。本文首先介绍了旅游大数据的内涵，之后就大数据分析在旅游管理中有哪些典型应用进行了分析归纳，具体包括在旅游需求分析与预测、游客市场细分及精准营销、旅游规划及宏观调控等方面的应用。最后探讨了为达到这些应用，需要在现有大数据技术架构基础上重点关注并研究那些旅游大数据关键技术。从中可以看出旅游大数据分析可以对供应链上的各方提供服务便利性，并最终实现旅游管理信息共享与上下游协同。

正如任何事情都有两面性一样，旅游大数据分析不可避免会涉及到个人隐私问题。［15］除此之外，如何确保旅游大数据的真实性、易购性和预警性，是挖掘旅游大数据价值的最大难题。如何识别和校验旅游服务供应链中数据的真实性；一个旅游服务供应链上有多个企业、中介，如何整合起来或采购来自不同系统的数据；在获得有效的旅游大数据后，如何通过数据的变化预警供应链上的各方，这些都是目前旅游管理行业正在面临和亟须解决的问题。

［1］2014年中国在线旅行预订市场研究报告［R］.中国互联网络信息中心，2015（4）.

［2］王元卓，靳小龙，程学旗.网络大数据:现状与展望［J］.计算机学报，2013（6）：1125-1138.

［3］蒋晓科，符龙生，李健.大数据关键技术及应用研究［J］.计算机与信息技术，2009（1）：38-40.

［4］陈涛，李佼.基于大数据的旅游服务供应链管理研究［J］.电子政务，2013（12）：32-40.

［5］Frechtling D.Forecasting Tourism De mand:Methods and Strategies［M］.Oxford:Butter worth-Heinemann，2001:221-239.

［6］任来玲，刘朝明.旅游需求预测方法的比较分析［J］.世界科技研究与发展，2006（6）:84-88.

［7］百度百科，词条——旅游需求预测模型.http:// baike.baidu.com/link？url=ntEoP_DAN_u8CSrBzb_95ZR_ XxfKOe250QgiLsscrB4xSIsCHpxLuX33zofr2s_UarfXnJrVC3 OobwTxKc7r9K.

［8］李曦.旅游目的地新媒体整合营销传播研究——以天津为例［D］.南开大学，博士学位论文，2014.

［9］闫海艳，吴文智.大数据在地方旅游公共信息服务中的应用探究［J］.消费经济，2014（11）：109-111.

［10］颜景楠.议大数据应用技术在旅游规划行业的应用［J］.旅游管理研究，2015（10）：26.

［11］唐晓云.用大数据把握旅游管理部门宏观调控的主动权［J］.旅游学刊，2014（10）：9-11.

［12］孟小峰，慈祥.大数据管理：概念、技术与挑战［J］.计算机研究与发展，2013（1）：146-149.

［13］孙大为，张广艳，郑纬民.大数据流式计算：关键技术及系统实例［J］.软件学报，2014（4）：839-862.

［14］陈翀，谢晓军，陈康.大数据关键技术及其在运营商中的应用研究综述［J］.广东通信技术，2013（8）：2-7.

［15］冯登国，张敏，李昊.大数据安全与隐私保护［J］.计算机学报，2014（1）：246-258.

［责任编辑：张瑜东］

Research on the Application of Big Data in Tourism Administration

LIU Zhi-xia
（Guangdong AIB Polytechnic College，Guangzhou Guangdong 510507）

The service supply chain of tourism，as the core of the tourism administration，takes tourism products as its major target which consisted of the infrastructure manufacturers，the suppliers that provides food，accommodation，transportation，shopping and entertainment services，the travel agents，the tourists and related administrative departments.Through combing the flows of service&information as well as the value stream in the tourism services providing processes，the big data has been profoundly affecting each party in the supply chain，and the tourism industry is stepping into the era of"Intelligent Travel".Combining the service supply chain of tourism and the key technical characteristics of the big data，the practical adoption of Big Data in tourism service supply chain management will be discussed from the macro and micro dimensions，and some key technologies involved also are analyzed.Finally，the outlook for the next stage of tourism administrative development in the big data environment will be put forward.

the service supply chain of tourism；big data；intelligent travel

F 49，F 592

A

1672-402X（2016）04-0095-08

2016-01-12

刘志霞（1981-），女，山东青岛人，理学硕士，广东农工商职业技术学院讲师。研究方向：旅游管理与规划。