数据概览

数据分析

基于年份、月份的趋势分析

订单量分析

adr分析

用户类型分析

预定餐饮分析

订单渠道分析

其他变量分析

订单量分析

变量间相关性分析

总结

数据概览

数据分析

趋势分析

首先设置选项，方便查看不同酒店类型对应的数据，本文仅展示“全部”选项下的数据

1.订单量、adr分析

1.1不同年份的订单量、adr分析

函数

=IF($C$2="全部",COUNTIFS(hotel_bookings!D:D,A7,hotel_bookings!B:B,0),COUNTIFS(hotel_bookings!D:D,A7,hotel_bookings!B:B,0,hotel_bookings!A:A,$C$2))

数据结果

图表

2015年至2016年，酒店总体的订单数量涨幅较大，在2016年，酒店的订单数量最高

2015年至2016年，酒店总体adr上升，并且2016年酒店adr最高

2015年至2016年，顾客的需求数量上升，同样在2016年达到最大值

总的来说，订单数量，adr，用户需求量的涨幅趋势较为一致，均在2015-2016年间有较大程度的提高，并在2016-2017年有小幅度的下降

1.2不同月份的订单量、adr分析

函数

=IF($C$2="全部",COUNTIFS(hotel_bookings!$E:$E,A13,hotel_bookings!B:B,0),COUNTIFS(hotel_bookings!E:E,A13,hotel_bookings!A:A,$C$2,hotel_bookings!B:B,0))

数据结果

图表

以月份划分，订单量、adr和用户需求量的变化趋势较为一致，均在八月份达到峰值，其原因之一为国内外均在7、8月份放暑假，在此期间旅游行业进入高峰期

然而，在寒假期间，三方面的指标却没有再次回升

2.用户类型分析

2.1不同年份的用户类型

函数

=IF($C$2="全部",SUMIF(hotel_bookings!$D:$D,$A30,INDEX(hotel_bookings!$1:$1048576,0,MATCH(B$29,hotel_bookings!$A$1:$AG$1,0))),SUMIFS(INDEX(hotel_bookings!$1:$1048576,0,MATCH(B$29,hotel_bookings!$A$1:$AG$1,0)),INDEX(hotel_bookings!$1:$1048576,0,MATCH($A$29,hotel_bookings!$A$1:$AG$1,0)),$A30,INDEX(hotel_bookings!$1:$1048576,0,MATCH("hotel",hotel_bookings!$A$1:$AG$1,0)),$C$2))

数据结果

图表

2016年客户人数最多、老客户人数最多，2015年老客户占比最多

2015、2016、2017年的回头客所占比率区别并不大，即虽然2016年客户人数上升，但并没有提高老客户占比

酒店的住户多为成年人，儿童和婴儿占比较低

2.2不同月份的用户类型

数据结果

图表

以月份为划分维度，7、8月总体客户数量最多，成人、儿童、婴儿三种类型的顾客数量都有所上升，成人和儿童类型的客户涨幅较为明显

3.餐饮类型分析

函数

=VLOOKUP($A55,数据透视表!$A$4:$H$9,2)

数据结果

图表

BB：早餐

HB：早餐和其他一顿饭

FB：早餐、午餐、晚餐

SC：无餐包

2015、2016、2017年整体上的餐饮类型分布较为相似，大多数人选择BB类型的餐饮，极少数人会选择FB类型的餐饮

2015-2016年，HB类型占比下降，SC类型占比上升

2016-2017年，HB类型占比上了0.11%，SC类型占比再次上升，超过HB类型的餐饮，即无餐包类型的餐饮超过早餐和其他一顿饭

2015-2017，FB类型的餐饮占比持续下降，越来越少的人选择由酒店提供早餐、午餐、晚餐

总体分布上，早餐类型的餐饮选择较为稳定，但同时，酒店周边餐饮行业的发展对于酒店自身的餐饮服务会造成一定的冲击，从图表中可以看出，不选择酒店餐饮的客户占比逐年上升

4.来源分析

数据结果

图表

TA/TO即由旅行社预订

2015、2016、2017年总体上分布较为相近，大多数人采用TA/TO的方式进行预订，其次是直接预订，再次是公司预订。主要的订单渠道占比变化较小，每年的变化在2%以内

可以看出，与旅行社的合作对于酒店的营业额十分重要

其他变量分析

1.房间类型

数据结果

图表

0表示未退单，1表示退单

E类型房间的退单率最低，P类型房间退单率最高，为100%，可能是由于客户误订该房间类型所致

A类型房间的订单量最高，同时退单率也较高，退单率位列第3

2.订单来源

数据结果

图表

直接预订的退单率最低，而未被明确定义的订单来源方式退单率最高，可能与该类来源方式的安全性、可靠性有关，此外TA/TO类型来源的订单退单率位列第2

3. 订单来源与房间类型

TA/TO类型来源的订单中,A类型、D类型的房间偏好较为明显

而其他类型来源的订单中，A类型房间偏好较为明显

总体上看，各类型来源的订单均偏好A类型房间，而其他房间类型的偏好程度差异较小

基于excel的酒店预订分析相关推荐

数据分析：基于随机森林(RFC)对酒店预订分析预测
数据分析:基于随机森林(RFC)对酒店预订分析预测文章目录数据分析:基于随机森林(RFC)对酒店预订分析预测 1.前言 2.数据探索 3.数据可视化分析 3.1酒店预订量和取消量 3.2酒店各月份 ...
机器学习：基于随机森林(RFC)对酒店预订分析预测
机器学习:基于随机森林(RFC)对酒店预订分析预测作者:i阿极作者简介:Python领域新星作者.多项比赛获奖者:博主个人首页
基于php的酒店预订系统,基于PHP连锁酒店预订系统的设计与实现(MySQL)(含录像)
基于PHP连锁酒店预订系统的设计与实现(MySQL)(含录像)(开题报告,毕业论文18500字,程序代码,MySQL数据库,外文翻译,答辩PPT) 毕业设计(论文)中文摘要摘要:本系统是为晓庄连 ...
ssm+mysql+ssm基于web的酒店预订及个性化服务系统毕业设计-附源码241822
酒店预订及个性化服务系统摘要信息化社会内需要与之针对性的信息获取途径,但是途径的扩展基本上为人们所努力的方向,由于站在的角度存在偏差,人们经常能够获得不同类型信息,这也是技术最为难以攻克的课题. ...
（附源码）基于web的酒店预订及个性化服务系统毕业设计241822
酒店预订及个性化服务系统摘要信息化社会内需要与之针对性的信息获取途径,但是途径的扩展基本上为人们所努力的方向,由于站在的角度存在偏差,人们经常能够获得不同类型信息,这也是技术最为难以攻克的课题. ...
基于Android的酒店预订管理系统设计与实现
21世纪的今天,随着社会的不断发展与进步,人们对于信息科学化的认识,已由低层次向高层次发展,由原来的感性认识向理性认识提高,管理工作的重要性已逐渐被人们所认识,科学化的管理,使信息存储达到准确.快速. ...
SSM+基于web的酒店预订及个性化服务系统毕业设计-附源码241822
酒店预订及个性化服务系统摘要信息化社会内需要与之针对性的信息获取途径,但是途径的扩展基本上为人们所努力的方向,由于站在的角度存在偏差,人们经常能够获得不同类型信息,这也是技术最为难以攻克的课题. ...
基于springboot的酒店预订管理系统(源代码+数据库+10000字文档) 002
代码地址 https://gitee.com/ynwynwyn/spring-boot-hotel-manager-public 基于springboot的酒店预订管理系统(源代码+数据库+10000 ...
基于SSH的酒店预订系统
基于SSH的酒店预订系统含分页处理功能下载资源:https://download.csdn.net/download/qq_34235191/10607446 登录功能:含用户和管理员登录,注册用 ...

基于excel的酒店预订分析

数据概览

数据分析

趋势分析

其他变量分析

基于excel的酒店预订分析相关推荐

最新文章

热门文章