| 标题 | 面向未来的旅游大数据研究：引领而非跟随 |
| 范文 | 钟栎娜 在旅游大数据研究人员和企业一起研讨的会议上，经常出现的现象就是，科研人员分享的成果，企业界的人员往往会觉得同类研究他们已经在做了，而且可能更深入。毕竟这个时代科学转化太快，如果说之前还是研究-知识-价值三点一线，现在几乎是研究-价值的短线条了。企业在某些方面走在学术界的前端，这对学术界的人来说，是常有的事情，而这往往也意味这一领域，对研究人员是一个巨大的挑战和研究转型的提示。那么，在旅游大数据研究领域，企业已经做了很多深入的挖掘开发和实践应用，我們作为研究人员如何避免重复跟随研究，转而提出真正能够引领行业、为行业创造新价值的新的科学方向呢？改进原来的思维模式可能是关键的一环。 首先，研究人员应该建立更具全局观的大数据应用思维。和商业企业更多关注的用户导向性不同，研究人员并没有这个局限，因此思维和视野可以是面向更广的层面。旅游大数据的研究者可能不一定能够在数据挖掘的关键技术上做出更新，但是可以在应用层面研究更为广泛。通过广泛地观察和研究大数据技术在其他领域的应用，以期为旅游大数据研究提供借鉴。大数据在金融、商业服务、交通等方面的应用都已经相对深入，有很多角度或者应用是为现在的旅游大数据研究所忽略的，比如大数据应用在金融行业非常重要，就是根据个人的信用消费进行征信评估，但是目前并没有针对旅游者消费习惯和偏好的旅游者深度分类研究；再比如大数据在商业服务方面很重要，就是智能交通出行推荐，但是相应的，在旅游目的地或者在旅游景区内根据游客流量的智能线路推荐研究都是缺乏的。从更广阔的背景来看，大数据在旅游行业可能的应用，会为研究者提供很多新鲜有趣的角度，而在这些角度上的研究突破会反向促进企业更商业化和针对性的研究与开发，这样可以为旅游大数据的深入研究拓展出新的空间。 其次，旅游研究者应该学会跳出大数据技术的局限，分析问题不应从大数据开始，而是从对人、世界、产品或者旅游商业行为的本质认识入手，寻找并设计实际的旅游问题然后去大数据中寻找答案。著名数据科学家、2014图灵奖获得者Michael Stonebraker 2016年在微软大会上提出：“用大数据进行应用研究，不能只看数据，也不必简单执着于技术手段本身，更不能让技术和思维来制约研究的想象，更重要的是通过合理的实验设计从数据还原真实的场景。”他认为大数据研究的本质是尽可能用数据去还原真实的场景。所以，大数据研究，说简单点，就是在统计学上应用机器学习，让机器找出那些我们无法找到的东西。问题最关键的部分在于——应该让机器去寻找什么。找出来之后如何解读，这是领域专家应该知道的，只有对行业有充分的了解，才能从数据之中发现有价值的联系。所以，旅游大数据专家一定先是旅游领域专家，要对旅游领域内需要解决的问题有充分的认识，发现问题，学会设计实验，熟悉数学和统计，知道如何应用大数据现有技术获取资料以及得到自己预期的结果。 大的方法论明晰了，具体到研究设计上，很多大数据科学家都分析过，大数据研究主要在三个层次：描述性分析（发生了什么）、预测性分析（可能发生什么）、指导性分析（选择做什么）。所以，放到旅游研究的情景下，基于大数据的旅游研究设计也可以进一步细化为以下六个层次： 1. 现状描述。现状描述指的是利用各种大数据资料分析，来评估旅游组织/旅游者/旅游产品/旅游决策的现状或者再进一步进行。这方面的研究目前是最多的，也是商业化最成熟的部分。研究者应该关注的就是哪些研究方法可以用于更好，或者更精确地还原场景。比如目前的一些商业统计和现状描述所选取的描述和评价指标是否合理，能否通过更为合理易得的指标选择，提供更为准确的现状描述，从而避免因为输入数据的误差而导致的描述结果误差。比较好的方式是使用大数据研究后，再通过小样本的研究进行比较分析，通过三角验证看看基于大数据的现状描述研究是否能够充分地反映现实。 2. 预测。很多旅游研究者都在从依赖大规模的调研转而依赖更大规模并且可得的大数据，从原来的线性模拟、时间模型、神经网络模拟等传统数据方法转移到混合频率、网络分析方法等非线性非传统的方法来进行预测，最近的研究都显示出比以往更加精确的预测结果。未来的预测研究将继续利用可得的更加丰富的大数据，包括但不局限于社交数据、交通数据、搜索引擎数据，以及传感器、手机数据等，依托于更新的分析技术，设计和选择出更好的预测模型。 3. 行为解读。根据大数据来分析游客的行为，理解行为的动机，从而为商业机构做出有利于未来的策略也将是重要的研究方向。旅游者行为分析是旅游研究的重要内容，在大数据时代，旅游者不断地创造和产生新的数据，比如地理位置、消费数据、评价数据等，通过分析这些数据，可以比以往任何时代都能更好地去记录旅游者的行为，去解读不同旅游者行为背后深层次的原因，并根据这一深入分析做出更好的商业决策。例如，利用景区内游客移动的数据，可以分析游客在景区内移动的路径以及原因，发现一些空白区域或者重要的联结点，可以通过补充新的吸引物，从而丰富整个旅游景区的体验。 4. 推荐。推荐是基于历史资料，将广告或商品推荐给潜在消费者。更好的推荐算法一直是计算机管理信息系统的研究热点。一些比较好的算法或者成果，也可以适用到旅游推荐。目前，消费者和供给方来看，适用于最新推荐方法的研究都是不足的。从消费者来看，可以基于海量用户消费结果进行旅游推荐研究，基于用户个人消费特征进行旅游推荐研究，基于用户自定义特征进行旅游推荐研究。从供给方来看，可以通过海量的浏览数据考察不同推荐产品和不同的推荐方法最终产生的点击率以及转换率，以寻找最优商业价值的推荐匹配等。 5. 决策优化。以往的旅游决策往往都是建立在人工的基础上，不论对于旅游者还是商业机构都是一个费时费力的过程。因为大数据的产生和机器学习算法的使用，现在旅游研究已经进入可以通过程序自动建议产生参数，为游客和旅游企业提供解决方案的阶段。比如，对于游客的决策优化，可以利用海量的旅游线路，让机器选择某一特定目的地在时间约束和约束内的最佳旅行线路，从而解决了游客自行设计线路的很多问题。对于企业来说，可以通过大量的数据输入，去分析新的酒店、餐厅应该开设在哪一个地点会有更好的盈利，或者某一区位的地理特征，根据大数据的匹配选择和分析，最适宜进行的旅游开发等。 总的来说，社会科学研究是一门发现、解释和预测社会发展变化的学科。研究的核心在于引领社会的发展，让社会行业的发展更加符合科学的原理。在这个快速改变的大数据时代，旅游研究要走在社会的前沿，需要研究者更广泛地关注社会各个行业，发现可以在新数据和新技术条件下被解决或者可以被更好解决的问题。在如潮水般涌出的数据中，大浪淘沙，找出最关键和有价值的数据，来解读和解决实际的问题，从而引领整个旅游行业更好地使用大数据，更好的发展。 （作者系该中心主任；收稿日期：2017-04-16） |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。