预测的方法多种多样，很多酒店对预测工作不够重视，即使做预算或营业计划，也流于形式、走过场。另外，一些酒店虽然重视预测工作，但是没有掌握科学的预测方法。 预测建立在凭直觉或直观判断的基础上。例如，某酒店最近几个月客房预订量很大，酒店管理人员讨论后认为未来几个月市场需求量也会很大，于是决定提高客房价格。这 些依靠直觉或主观判断的预测方法称为非正式预测法，用这种方法进行的预测不科学， 而且风险很大。

与非正式预测法相反的是正式预测法。正式预测是依据科学的方法做出的预测， 正式预测法多种多样，通常分为定性预测法和定量预测法两大类。定性预测法一般是  通过开展深入细致的市场调研，或者企业内部各级管理人员或外来专家通过专题研讨  来预测未来的方法，市场调研法、集合意见法、类比法、专家意见法(德尔菲法)等都是 常见的定性预测方法。定性预测法主要适合在缺乏量化数据的情况下使用。例如一家  新开业的酒店，往往是没有任何经营数据的，这时的市场预测工作往往就需要依靠定性  预测法。而对于酒店收益经理或收益管理系统而言，主要还是依靠定量预测法来指导  日常的工作。下面主要讲解回归分析法和时间序列法两种定量预测方法。

一 、回归分析法

回归分析法是一种典型的因果分析预测法，认为要预测的某个对象的结果依赖于 其他的一些因素，或者是这些因素作用的结果。因此，回归分析法研究的是因变量和自 变量之间的关系，并用公式来描述这些关系。具体来讲，回归分析法又可分为简单线性 回归、多元线性回归以及非线性回归等方法。但这些方法由于需要建立数学模型以及 进行复杂的运算，不太适合手工操作，增加了其在实践中的操作难度。

二、时间序列法

时间序列法是根据市场过去的变化规律，把历史数据按照时间的先后顺序，通过一 定的统计分析来预测未来发展趋势的预测方法。

( 一)直接预测法

第一种时间序列法是直接预测法，也称为幼稚预测法，是时间序列法中最简单的方 法，通常用最近发生的情况来预测将来的情况。例如，上个月酒店售出了5000间房晚， 那么就预测这个月很可能也出售同样多的房晚数量。这种预测方法看上去不太严谨， 但却非常简单实用，得出的结论也具有一定的参考价值。

(二)简单平均预测法

第二种时间序列预测法称为简单平均预测法。表5-2所示的是某酒店连续5周的 客房经营情况。以3月15日为例，当日最终卖出了250间客房，在离人住日还有一周 的时候酒店已卖出150间客房，在离入住日28天的时候已经卖出50间。通过连续5 周的数据统计可见，该酒店在入住日前一周，也就是提前7天的时候，平均可卖掉102 (247—145)间客房，两周内(14天)可卖掉141间客房，三周(21天)内可卖掉178间 客房，四周内(28天)可卖出214间客房。

表5-2  某酒店连续5周的客房经营情况  (单位：间)

同步思考

根据表5-2的数据，假设现在离入住日还有21天，现在酒店已经卖出了68间 客房，请预测日当天酒店能卖掉多少间客房?

这种方法称为简单平均预测法的加法预测模式。面对同样的问题还可以用乘法预 测模式，区别在于计算的不是平均值而是占实际客房销售的百分比。可见，该酒店离入 住日还有一周时，可获得酒店59%(145÷247)的预订，距离两周可获得43%的预订， 距离三周的客房销售占比是28%,四周是13%。

那么回到刚才的问题，在提前3周的时候酒店卖出了68间客房，采用乘法模 式的预测结果会是多少呢?

当然，随着时间的推移，根据历史经营数据对未来影响程度的不同，还可以在加法 或乘法模式的基础上使用加权平均预测模式。一般来说，距预测期越近的数据对预测 值的影响越大，应该赋予更高的权重。

(三) 一次移动平均预测法

第三种时间序列预测法称为一次移动平均预测法。简单平均预测法由于没有考虑 市场需求的波动因素以及数据远近对预测值的影响，导致数据具有一定的随机性，这就 有可能使预测出现一定偏差。移动平均预测法是按时间序列将观察值由远到近进行排 列，并按一定跨越期来计算不断向前移动的若干个数据的平均值的预测方法。

其计算公式是：移动平均数=过去N 个时段的值的总和除以N 。 它通过引用越来 越近的新的数据，不断修正随机因素的影响，并且能够反映市场数据变化的趋势。

同步案例

假如某酒店有300间客房，表5-3中所显示的是前15周每个星期一的客房销 售量，下面用一次移动平均法预测第16周星期一的客房销售量。 

表5-3一次移动平均法预测值列表

首先，把前15个星期一的客房销售量作为此次预测的观察值 Y,  然后设定跨 越期n, 在 n 的取值上并无明确规定，通常会有2～3个跨越期，在这里取2个跨越 期，分别取n=3  和 n=5,  并通过计算误差的大小来进行最后的取舍。先来看 n=3  的情况，酒店第4个星期一的预测值等于(Y₁+Y₂+Y₃)/3=(273+286+281)/3=280,而最终当天卖出的实际客房量Y 等于275,预测值与实际值的误差为5,第 5个星期一的预测值等于(Y₂+Y  ₃+Ya)/3=(286+281+275)/3  ≈281,   误差为 3,以此类推可以获得后面的其他数据。当n=5   时只是跨越期范围变大，计算法则并没有发生变化，因此第6个星期一的预测值等于(Y,+Y₂+Y₃+Y₄+Y₃)/5=(273+286+281+275+284)/5≈280,与第6个星期一的实际值269之间的误差为 11。 

当把两个跨越期的所有数据计算出来后，可以得出当跨越期 n=3   和 n=5    时的平均误差值，在这个案例中=3时所产生的平均绝对误差大于n=5    时的平均绝对误差，因此，取跨越期 n=5   来预测第16个星期一的房间销售量。第16个星期一的预测值等于(Y₁+Y₁₂+Y¹₃+Y+Y₁₆)/5=(271+281+275+284+271)/5≈276。 一次移动平均法的优点在于弥补了简单平均预测法的缺陷，可以消除由 随机因素导致的不规则变动和波动，使预测结果更加准确可行。但这种方法每次 只能对下一期的情况进行预测，且需要较多的历史经营数据的积累。

在酒店收益管理的实践中，除以上两类定量预测方法外，还有指数平滑法、预订进度法以及一些新兴的预测方法，例如神经网络法、模拟仿真法等。但这些方法往往都需要建立复杂的模型以及大量的计算，因此，通常大型酒店以及酒店集团会选择购买收益管理系统，依靠计算机技术完成运算过程，以提高日常经营管理的工作效率。市场预测模块算法的准确性以及功能的丰富性成为衡量一款收益管理系统的重要标准。

课程思政：低价机票预测上线1天就下架专家：航空公司封堵买低价票

2016年4月12日，“去哪儿网”推出了一款名为“智惠飞”的预测机票类产品， 称可以精准预测未来一周内会降价的航班，并按照预测的降价幅度预先销售。正当一些旅客想要试试这个产品是“神器”还是噱头时，没料想还不到24小时，“智惠 飞”就已正式下架，再次登录“去哪儿网”官网已找不出任何有关“智惠飞”的痕迹。

“智惠飞”是一款采用与阿尔法狗类似的人工智能技术大数据预测类机票产 品，可精准预测未来一周内可能会降价的航班，并按预测的降价幅度预先销售。这 款产品可以对某个航班未来一段时间内的销售价格波动建立数据模型，测算最低 折扣点位，并按照该折扣价格进行预先销售。“去哪儿网”称将承担全部风险：如果 预测错误，则由“去哪儿网”支付价格上涨的额外成本，确保消费者顺利出行。

有业内人士觉得，这款从旅客角度开发的产品与航空公司现行政策相悖，相关 专家称，“去哪儿网”开发出的这款产品违反了航空公司价格管控政策：“航空公司 此前出台了明确的代理渠道政策，‘去哪儿网’违反了相关规定。”之前四大航均有 明确规定，代理的票价不能低于航空公司官网的价格，也不能额外向旅客收取手续 费。同时，四大航均已要求“去哪儿网”正式下架所有的四大航机票产品。

另外一位机票业内专家则分析，航空公司这样做很大一部分原因是担心自己 的“高价票”没办法卖出去。如果这个产品预测准确的话，即使“去哪儿网”不提前 销售，那么旅客也可能按照预测等待，直到低价票出来。“航空公司将会很被动，甚 至在销售受阻的情况下无奈更大幅度降价。”

事实上，航空公司与“去哪儿网”之间正处于紧张的关系之中。目前航空公司  正在大力发展直销、提升利润率，企业追求利润最大化的心情可以理解，但因此而 封堵一些市场创新行为，恐怕最终结果并不会得到消费者的认可。也有分析指出， 背后航企施加压力应该是存在的.但大数据已经应用到各个领域，人工智能也越来  越成为将来发展的趋势。

请同学们根据以上材料进行讨论：智能化的大数据预测技术应用到酒店业后， 将会给酒店业带来哪些变革和影响?酒店又该如何看待和应对此类事件?