钟栎娜
在游览大数据研讨人员和企业一同研讨的会议上，经常出现的现象就是，科研人员共享的效果，企业界的人员往往会觉得同类研讨他们现已在做了，而且或许更深化。究竟这个年代科学转化太快，如果说之前仍是研讨-常识-价值三点一线，现在几乎是研讨-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，是常有的工作，而这往往也意味这一范畴，对研讨人员是一个巨大的挑战和研讨转型的提示。那么，在游览大数据研讨范畴，企业现已做了许多深化的发掘开发和实践运用，我們作为研讨人员怎么防止重复跟从研讨，转而提出实在能够引领职业、为职业发明新价值的新的科学方向呢？改善本来的思想形式或许是要害的一环。
首要，研讨人员应该树立更具大局观的大数据运用思想。和商业企业更多重视的用户导向性不同，研讨人员并没有这个限制，因而思想和视界可所以面向更广的层面。游览大数据的研讨者或许纷歧定能够在数据发掘的要害技能上做出更新，可是能够在运用层面研讨更为广泛。经过广泛地调查和研讨大数据技能在其他范畴的运用，以期为游览大数据研讨供应学习。大数据在金融、商业效劳、交通等方面的运用都现已相对深化，有许多视点或许运用是为现在的游览大数据研讨所疏忽的，比方大数据运用在金融职业非常重要，就是依据个人的信誉消费进行征信点评，可是现在并没有针对游览者消费习气和偏好的游览者深度分类研讨；再比方大数据在商业效劳方面很重要，就是智能交通出行引荐，可是相应的，在游览目的地或许在游览景区内依据游客流量的智能线路引荐研讨都是缺少的。从更宽广的布景来看，大数据在游览职业或许的运用，会为研讨者供应许多新鲜风趣的视点，而在这些视点上的研讨打破会反向促进企业更商业化和针对性的研讨与开发，这样能够为游览大数据的深化研讨拓宽出新的空间。
其次，游览研讨者应该学会跳出大数据技能的限制，剖析问题不应从大数据开端，而是从对人、国际、产品或许游览商业行为的实质知道下手，寻觅并规划实践的游览问题然后去大数据中寻觅答案。闻名数据科学家、2014图灵奖获得者Michael Stonebraker 2016年在微软大会上提出：“用大数据进行运用研讨，不能只看数据，也不用简略执着于技能手段自身，更不能让技能和思想来限制研讨的幻想，更重要的是经过合理的试验规划从数据复原实在的场景。”他以为大数据研讨的实质是尽或许用数据去复原实在的场景。所以，大数据研讨，说简略点，就是在计算学上运用机器学习，让机器找出那些咱们无法找到的东西。问题最要害的部分在于——应该让机器去寻觅什么。找出来之后怎么解读，这是范畴专家应该知道的，只要对职业有充沛的了解，才能从数据之中发现有价值的联络。所以，游览大数据专家必定先是游览范畴专家，要对游览范畴内需求处理的问题有充沛的知道，发现问题，学会规划试验，了解数学和计算，知道怎么运用大数据现有技能获取材料以及得到自己预期的效果。
大的办法论清楚了，详细到研讨规划上，许多大数据科学家都剖析过，大数据研讨首要在三个层次：描绘性剖析（发生了什么）、猜测性剖析（或许发生什么）、指导性剖析（挑选做什么）。所以，放到游览研讨的情形下，依据大数据的游览研讨规划也能够进一步细化为以下六个层次：
1. 现状描绘。现状描绘指的是运用各种大数据材料剖析，来点评游览安排/游览者/游览产品/游览决议计划的现状或许再进一步进行。这方面的研讨现在是最多的，也是商业化最老练的部分。研讨者应该重视的就是哪些研讨办法能够用于更好，或许更准确地复原场景。比方现在的一些商业计算和现状描绘所选取的描绘和点评目标是否合理，能否经过更为合理易得的目标挑选，供应更为准确的现状描绘，然后防止由于输入数据的差错而导致的描绘效果差错。比较好的办法是运用大数据研讨后，再经过小样本的研讨进行比较剖析，经过三角验证看看依据大数据的现状描绘研讨是否能够充沛地反映实践。
2. 猜测。许多游览研讨者都在从依靠大规划的调研转而依靠更大规划而且可得的大数据，从本来的线性模仿、时刻模型、神经网络模仿等传统数据办法转移到混合频率、网络剖析办法等非线性非传统的办法来进行猜测，最近的研讨都显示出比以往愈加准确的猜测效果。未来的猜测研讨将持续运用可得的愈加丰厚的大数据，包含但不限制于交际数据、交通数据、搜索引擎数据，以及传感器、手机数据等，依托于更新的剖析技能，规划和挑选出更好的猜测模型。
3. 行为解读。依据大数据来剖析游客的行为，了解行为的动机，然后为商业机构做出有利于未来的战略也将是重要的研讨方向。游览者行为剖析是游览研讨的重要内容，在大数据年代，游览者不断地发明和发生新的数据，比方地舆位置、消费数据、点评数据等，经过剖析这些数据，能够比以往任何年代都能更好地去记载游览者的行为，去解读不同游览者行为背面深层次的原因，并依据这一深化剖析做出更好的商业决议计划。例如，运用景区内游客移动的数据，能够剖析游客在景区内移动的途径以及原因，发现一些空白区域或许重要的联结点，能够经过弥补新的吸引物，然后丰厚整个游览景区的体会。
4. 引荐。引荐是依据前史材料，将广告或产品引荐给潜在顾客。更好的引荐算法一直是计算机管理信息系统的研讨热门。一些比较好的算法或许效果，也能够适用到游览引荐。现在，顾客和供应方来看，适用于最新引荐办法的研讨都是缺乏的。从顾客来看，能够依据海量用户消费效果进行游览引荐研讨，依据用户个人消费特征进行游览引荐研讨，依据用户自定义特征进行游览引荐研讨。从供应方来看，能够经过海量的阅读数据调查不同引荐产品和不同的引荐办法终究发生的点击率以及转换率，以寻觅最优商业价值的引荐匹配等。
5. 决议计划优化。以往的游览决议计划往往都是树立在人工的基础上，不管关于游览者仍是商业机构都是一个费时吃力的进程。由于大数据的发生和机器学习算法的运用，现在游览研讨现已进入能够经进程序主动主张发生参数，为游客和游览企业供应处理方案的阶段。比方，关于游客的决议计划优化，能够运用海量的游览线路，让机器挑选某一特定目的地在时刻束缚和束缚内的最佳游览线路，然后处理了游客自行规划线路的许多问题。关于企业来说，能够经过很多的数据输入，去剖析新的酒店、餐厅应该开设在哪一个地点会有更好的盈余，或许某一区位的地舆特征，依据大数据的匹配挑选和剖析，最适合进行的游览开发等。
总的来说，社会科学研讨是一门发现、解说和猜测社会开展变化的学科。研讨的中心在于引领社会的开展，让社会职业的开展愈加契合科学的原理。在这个快速改动的大数据年代，游览研讨要走在社会的前沿，需求研讨者更广泛地重视社会各个职业，发现能够在新数据和新技能条件下被处理或许能够被更好处理的问题。在如潮水般涌出的数据中，大浪淘沙，找出最要害和有价值的数据，来解读和处理实践的问题，然后引领整个游览职业更好地运用大数据，更好的开展。
（作者系该中心主任；收稿日期：2017-04-16）endprint
