Preview

Стратегические решения и риск-менеджмент

Расширенный поиск

ТЕХНОЛОГИИ СБОРА ДАННЫХ В СЕТИ ИНТЕРНЕТ И ИХ ПРОСТРАНСТВЕННОГО АНАЛИЗА ПРИ ПРИНЯТИИ СТРАТЕГИЧЕСКИХ РЕШЕНИЙ В ТУРИСТИЧЕСКОЙ ОТРАСЛИ

https://doi.org/10.17747/2618-947X-2021-2-170-177

Полный текст:

Аннотация

В работе предлагается взгляд на новые возможности, которые открываются в управлении в условиях развития информационных технологий. Целью исследования является выделение преимуществ применения технологий сбора больших данных и пространственной статистики для принятия стратегических решений в туристической отрасли. В работе на примере горнолыжного курорта «Абзаково» показаны технологии сбора данных в интернете, проведена оценка пространственной зависимости данных и сформированы выводы, позволяющие в последующем принимать стратегические решения как предприятиям, расположенным на данной территории, так и органам государственного управления, заинтересованным в развитии этой туристической зоны. Так, анализ географии участников группы «Абзаково» позволил выделить статистически значимую пространственную зависимость их возраста, проявляющуюся в соседстве более взрослых участников группы вблизи курорта. Результаты анализа рейтинга объектов туристической инфраструктуры в районе горнолыжного курорта «Абзаково» выделили пространственно связанные зоны низких и высоких значений рейтингов.

Об авторах

И. А. Лакман
Башкирский государственный университет (Уфа, Россия)
Россия

Кандидат технических наук, доцент, заведующий лабораторией исследования социально-экономических проблем регионов, Башкирский государственный университет (Уфа, Россия). ORCID: https://orcid.org/0000-0001-9876-9202, ResearcherID: K-6878-2017, Scopus Author ID: 57192164952. Область научных интересов: методы статистического (эконометрического) моделирования, предиктивная аналитика, социально-экономические и биологические системы.



В. М. Тимирьянова
Башкирский государственный университет (Уфа, Россия)
Россия

Кандидат экономических наук, доцент, старший научный сотрудник, заместитель заведующего лабораторией исследования социально-экономических проблем регионов, Башкирский государственный университет (Уфа, Россия). ORCID: https://orcid.org/0000-0002-1004-0722, ResearcherID: N-3449-2015, Scopus Author ID: 57194428883. Область научных интересов: методы статистического (эконометрического) моделирования, потребительское поведение, пространственная экономика.



Список литературы

1. Булгаков Д.С. (2018). Использование пакета NLTK и модели Вадера для оценки туристической привлекательности страны на примере Российской Федерации. Web of Scholar, 2(20): 4–7.

2. Бутенко И.В. (2015). Тенденции развития туристической отрасли в России. Статистика и экономика, 5: 90–93.

3. Днепровская Н.В. (2020). Метод исследования компетенций субъектов цифровой экономики. Открытое образование, 24(1): 4–12.

4. Домбровская В.Е. (2020). Аспекты туристского брендинга территории на примере Тверской области. Вестник ТвГУ. Сер. «География и геоэкология», 3(31): 94–101.

5. Пигарева Е.Ю., Шевелев И.А. (2018). Данные пользователей Instagram как основа для маркетингового анализа в событийном туризме. Туризм и рекреация: инновации и ГИС-технологии: Материалы X Международной научно-практической конференции (г. Астрахань, 26–27 мая 2018 г.) / сост. И.С. Шарова, М.М. Иолин. Астрахань. Новая линия, 6–12.

6. Плотников А.В. (2016). Анализ геозависимых запросов в поисковой системе Яндекс для привлечения абитуриентов в вузы. Практический маркетинг, 1(239): 12–16.

7. Селиверстов Я.А., Никитин К.В., Шаталова Н.В., Киселев А.А. (2019). Оценка состояния транспортных магистралей Северо-Западного федерального округа с использованием анализа тональности отзывов пользователей сети Интернет. Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление, 12(3): 7–24.

8. Тархов С.А. (2019). Пространственный подход в географии туризма. Географический вестник, 4(51): 172–178.

9. Трифонов Н.Ю., Ливинская В.А., Коржуков В.В. (2020). Регрессионная модель оценки автомобилей на основе парсинга интернет-данных. Системный анализ и прикладная информатика, 2: 4–9.

10. Цыганова М.С., Буреш С.В., Чернушенко Д.А. (2020). Разработка инструментария анализа данных о государственных закупках по федеральным законам № 44-ФЗ и № 223-ФЗ (на базе аналитической платформы Loginom). Вестник Череповецкого государственного университета, 6(99): 59–72.

11. Шведов Д.И. (2017). Парсинг и матчинг данных для оперативного анализа динамических ситуаций. Горный информационно-аналитический бюллетень, 6: 200–204.

12. Adhinugroho Y., Putra A.P., Luqman M., Ermawan G.Y., Takdir, Mariyah S., Pramana S. (2020). Development of online travel Web scraping for tourism statistics in Indonesia. Information Research, 25(4): 885. URL: https://doi.org/10.47989/irpaper885.

13. Alaei A.R., Becken S., Stantic B. (2017). Sentiment analysis in tourism: Capitalizing on Big data. Journal of Travel Research, 004728751774775.

14. Anselin L., Syabri I., Smirnov O. (2002). Visualizing multivariate spatial correlation with dynamically linked Windows. Computing Science and Statistics. URL: https://www.semanticscholar.org/paper/Visualizing-Multivariate-Spatial-Correlation-with-Mirnov/4e34bd70317377971ba8df7259288b972ad6a239.

15. Chang Y.-C., Ku C.-H., Chen C.-H. (2020). Using deep learning and visual analytics to explore hotel reviews and responses. Tourism Management, 80, 104–129.

16. Ćurlin T., Jaković B., Miloloža I. (2019). Twitter usage in Tourism: Literature review. Business Systems Research, 10(1): 102–119.

17. Lee Y., Pennington-Gray L., Kim J. (2019). Does location matter? Exploring the spatial patterns of food safety in a tourism destination. Tourism Management, 71: 18–33.

18. Li D., Zhou X., Wang M. (2018). Analyzing and visualizing the spatial interactions between tourists and locals: A Flickr study in ten US cities. Cities, 74: 249–258.

19. Moran P. The interpretation of statistical maps (1948). Journal of the Royal Statistical Society, ser. B, 10: 243–251.

20. Piccoli G. (2001). Web-site marketing for the tourism industry: Another view. The Cornell Hotel and Restaurant Administration Quarterly, 42(6): 63–65.

21. Salas-Olmedo M.H., Moya-Gómez B., García-Palomares J.C., Gutiérrez J. (2018). Tourists’ digital footprint in cities: Comparing Big Data sources. Tourism Management, 66: 13–25.

22. Zhang S., Zhang G., Ju H. (2020). The spatial pattern and influencing factors of tourism development in the Yellow River Basin of China. PLoS ONE, 15(11): e0242029. URL: https://doi.org/10.1371/journal.pone.0242029.


Рецензия

Для цитирования:


Лакман И.А., Тимирьянова В.М. ТЕХНОЛОГИИ СБОРА ДАННЫХ В СЕТИ ИНТЕРНЕТ И ИХ ПРОСТРАНСТВЕННОГО АНАЛИЗА ПРИ ПРИНЯТИИ СТРАТЕГИЧЕСКИХ РЕШЕНИЙ В ТУРИСТИЧЕСКОЙ ОТРАСЛИ. Стратегические решения и риск-менеджмент. 2021;12(2):170-177. https://doi.org/10.17747/2618-947X-2021-2-170-177

For citation:


Lakman I.A., Timiryanova V.M. STRATEGIC DECISIONS IN THE TOURISM INDUSTRY BASED ON INTERNET DATA COLLECTION TECHNOLOGIES AND THEIR SPATIAL ANALYSIS. Strategic decisions and risk management. 2021;12(2):170-177. (In Russ.) https://doi.org/10.17747/2618-947X-2021-2-170-177

Просмотров: 178


ISSN 2618-947X (Print)
ISSN 2618-9984 (Online)