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
摘要
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.
关于作者
И. Лакман
Башкирский государственный университет (Уфа, Россия)
俄罗斯联邦
俄罗斯联邦
В. Тимирьянова
Башкирский государственный университет (Уфа, Россия)
俄罗斯联邦
俄罗斯联邦
参考
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.
评论
供引用:
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. https://doi.org/10.17747/2618-947X-2021-2-170-177
浏览:
1720
Email this article 