郭鹏

贵阳学院经济管理学院，贵州 贵阳 550005

收益管理中基于大数据仓库的需求无约束估计：框架与挑战

郭鹏

贵阳学院经济管理学院，贵州 贵阳 550005

现有需求无约束估计方法均为基于公司内部数据仓库中所获需求信息而开发，在当前基于大数据分析的激烈竞争市场环境中，无法满足收益管理系统日益增长的实时需求预测和优化决策分析需要。为了实时、动态地同时获取并分析内部和外部数据资源中有关每位顾客的无约束需求数据，包括结构化和非结构化的信息，提出了以面向收益管理需求无约束估计为主题的大数据仓库框架，并据此讨论了无约束需求知识挖掘以及需求无约束估计商务智能分析工具开发应用过程中面临的各项挑战。

revenue management, demand forecasting, unconstraining estimation, data warehouse, big data, business intelligence, sentiment analysis

1 引言

收益管理（revenue management，RM）理论诞生至今，研究者对其进行了多种定义，其中被引用最多的是：“以最佳的顾客和经营者满意度，在正确的时间以正确的价格将正确的产品销售给正确的顾客[1]。”RM的目标是通过对易逝性产品存量的优化控制和管理来最大化公司的盈利能力，其整个决策过程依赖于顾客需求数据。但是，在RM优化策略实施过程中，未能成功预订到偏好产品的顾客的需求会带来“溢出（spill）”和“再现（recapture）”效应。因此，在对未来需求进行预测之前，需要对历史顾客真实需求进行无约束估计（unconstraining estimation）[2-4]。事实上，需求无约束估计不仅是RM需求预测的核心问题之一[5]，在大数据背景下的企业竞争情报深度学习过……