旅游大数据:从投资决策到分析工作的常态化

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

以下是如何在日常的业务中整合大数据的建议:

在线预订平台成功与否,其中一个最重要的衡量标准是,不管用户使用什么设备,从何处访问,平台是否向客户提供了优质的用户体验和预订体验。

分析来自各流量来源、用户点评、用户个人喜好以及酒店资料等各种来源的数据,可以持续提升平台的可用性。

App 开发者如果更深一层地理解了客户旅程,就能改善用户界面和预订流程背后的算法。开发者所积累的深层知识,有助于网站为消费者提供个性化的用户体验和定制化的推荐。

作为较早采用前瞻预测式数据分析的公司,我们将分享如何运用大数据项目的心得和建议。理解大数据的原则是一方面,而分享我们如何在大数据的帮助下提升业绩,这亦将对其他人带来鼓励。

选择合适的平台

我们都知道,合适的技术平台能够造就一个 IT 项目,甚至实现其升级突破;这在大数据的解决方案上亦然。

技术层面的决策应该基于对商业需求的透彻评估,亦应考虑数据分析未来可以带来的价值。企业在选择技术平台的时候,不能只考虑到投资的成本。

评估对象还要包括平台性能、其技术可靠性、可用性、数据安全以及——尤为重要的——平台的可扩展性。

综合考虑利弊之后,Hotels.com 选择了 Datastax Enterprise 作为其在线数据平台,Datastax 的系统基于开源的 Apache Cassandra NoSQL 数据库。

这个选择使得可以免费使用开源解决方案的功能,还利用了 Datastax 的内置管理服务、附加安全功能、以及分布式计算整合等特色功能。

我们亦受益于 Datastax 的客户服务、日常维护和更新服务。因此我们可以腾出精力,聚焦数据分析和Hotels.com的业务支持。

获取高层的支持

一个大数据项目需要投资、亦需要全公司的协作配合:不同部门的各自为营,将对项目的长期成功形成障碍。比如说,Hotels.com的主要目标,是打破在线预订平台和线下预订渠道之间的屏障,而对此的核心解决方案就是借助大数据的力量。这就意味着,我们原先根深蒂固的业务流程,需要较大的改动。

我们发现,获得老板们支持的最佳途径,就是证明自身可以迅速提高投资回报率。为了证明这点,我们针对能够适用所提议平台的业务,收集了超过150个案例。从这些案例中提取了10个在短期内即可提高投资回报率的案例佐证。

看到我们的平台方案能带来快速的投资回报率提升,董事会更能确信方案的可行性,这也为未来面对使用案例方面的更大挑战做好了准备。

数据隐私应优先考量

用户的信任具有珍贵的价值。尊重数据隐私是打开成功大门的重要钥匙。因此,对任何大数据战略而言,确保客户数据隐私受到保护都是尤为重要的。匿名制对保护每一个用户的隐私非常重要,尤其是在分析大量聚合数据的时候。

将数据分析工作常态化

在打造一个可靠、高效、面向未来的平台时,团队负责人应一直关注项目的长期发展,同时兼顾成本、时间和组织局限等。平台的可扩展性,是项目长远规划中的重要组成部分,其确保了技术平台可以一直跟上结构性化和非结构化的海量数据的步伐。

一旦平台搭建完成,首批使用案例已经收获结果,公司的 CIO 们就应该开始在日常工作中整合数据分析的工作。只有当分析数据的工作已经常态化,IT 和数据团队才可以提出新的项目,继续推动公司业务的发展。

大数据的意义不止于分析

大数据与数据分析紧密相联,但 Hotels.com 大数据平台的功能并不止步于此。数据的最重要用途之一,就是为不同的显示屏幕、打造跨设备的用户体验,亦不受用户的访问位置的影响。

我们一方面分析用户数据,以判断其具体的访问设备。另一方面,我们记录数据是为能识别具体每一个用户在预订平台上所搜索的目的地,同时确保使用任何访问设备的用户都能被识别,这样用户在搜索过酒店后的重新访问时,能够重新开始上一次的搜索进程。

这对用户可以带来很大帮助,比如说,在乘坐火车时使用平板设备开始搜索住宿,随后在家里的台式电脑上确认预订,期间无需重新开始预订的流程。

这只是 Hotels.com 使用其数据平台改善预订体验、优化个性化体验的其中一例。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
5天前
|
存储 机器学习/深度学习 SQL
大数据处理与分析技术
大数据处理与分析技术
25 2
|
8天前
|
存储 监控 数据挖掘
【Clikhouse 探秘】ClickHouse 物化视图:加速大数据分析的新利器
ClickHouse 的物化视图是一种特殊表,通过预先计算并存储查询结果,显著提高查询性能,减少资源消耗,适用于实时报表、日志分析、用户行为分析、金融数据分析和物联网数据分析等场景。物化视图的创建、数据插入、更新和一致性保证通过事务机制实现。
46 14
|
13天前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
45 2
|
14天前
|
数据采集 机器学习/深度学习 搜索推荐
大数据与社交媒体:用户行为分析
【10月更文挑战第31天】在数字化时代,社交媒体成为人们生活的重要部分,大数据技术的发展使其用户行为分析成为企业理解用户需求、优化产品设计和提升用户体验的关键手段。本文探讨了大数据在社交媒体用户行为分析中的应用,包括用户画像构建、情感分析、行为路径分析和社交网络分析,以及面临的挑战与机遇。
|
14天前
|
机器学习/深度学习 搜索推荐 大数据
大数据与教育:学生表现分析的工具
【10月更文挑战第31天】在数字化时代,大数据成为改善教育质量的重要工具。本文探讨了大数据在学生表现分析中的应用,介绍学习管理系统、智能评估系统、情感分析技术和学习路径优化等工具,帮助教育者更好地理解学生需求,制定个性化教学策略,提升教学效果。尽管面临数据隐私等挑战,大数据仍为教育创新带来巨大机遇。
|
17天前
|
人工智能 供应链 搜索推荐
大数据分析:解锁商业智能的秘密武器
【10月更文挑战第31天】在信息爆炸时代,大数据分析成为企业解锁商业智能的关键工具。本文探讨了大数据分析在客户洞察、风险管理、供应链优化、产品开发和决策支持等方面的应用,强调了明确分析目标、选择合适工具、培养专业人才和持续优化的重要性,并展望了未来的发展趋势。
|
1月前
|
存储 SQL 分布式计算
湖仓一体架构深度解析:构建企业级数据管理与分析的新基石
【10月更文挑战第7天】湖仓一体架构深度解析:构建企业级数据管理与分析的新基石
64 1
|
20天前
|
数据采集 分布式计算 OLAP
最佳实践:AnalyticDB在企业级大数据分析中的应用案例
【10月更文挑战第22天】在数字化转型的大潮中,企业对数据的依赖程度越来越高。如何高效地处理和分析海量数据,从中提取有价值的洞察,成为企业竞争力的关键。作为阿里云推出的一款实时OLAP数据库服务,AnalyticDB(ADB)凭借其强大的数据处理能力和亚秒级的查询响应时间,已经在多个行业和业务场景中得到了广泛应用。本文将从个人的角度出发,分享多个成功案例,展示AnalyticDB如何助力企业在广告投放效果分析、用户行为追踪、财务报表生成等领域实现高效的数据处理与洞察发现。
48 0
|
1月前
|
SQL 分布式计算 大数据
大数据平台的毕业设计01:Hadoop与离线分析
大数据平台的毕业设计01:Hadoop与离线分析
100 0
|
1月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势