Халықаралық туризм және меймандостық университеті
Қонақжайлылық мектебі
Лекция № 9
ЖИ көмегімен туристік ағындарды болжау
Мақсаты мен міндеттері
Мақсаты:
Ресурстар мен кірістерді жоспарлау үшін туристік ағындардың болжамдарын құру және бағалауды үйрену.
Міндеттері:
Деректер көздері, маусымдылық, модель/горизонт таңдау, дәлдік метрикалары және енгізу (имплементация).
Жоспар:
- Дерек көздері және қатарлардың ерекшеліктері.
- Модельдер: классикалық және ML/нейрожелілік.
- Маусымдылық, оқиғалар, болжау горизонты.
- Дәлдік және бизнес-метрикалар.
- Тәуекелдер және қолдану.
1. Деректер және қатарлардың ерекшеліктері
Негізгі дереккөздері
Броньдар
Мобильді геоаналитика
Іздеу сұраныстары
Әуе сыйымдылығы
Ауа райы деректері
Қатарлардың ерекшеліктері мен өңдеу
Деректер ерекшеліктері:
- Маусымдылық, тренд
- Оқиғалар/промо кезіндегі секірулер
- Лагтар және жетіспейтін мәндер (пропуски)
Деректерді өңдеу:
- Тазалау, нормализация
- Күнтізбе және мерекелерді ескеру
- Әртүрлі дереккөздерді біріктіру және уақыттық ығысуға бақылау жүргізу.
2. Модельдер және болжам горизонты
Классикалық әдістер:
ETS / ARIMA / Prophet — маусымдық қатарлар үшін өте тиімді.
ML / Нейрожелілер (NN):
Градиентті бустинг, LSTM / Temporal CNN — күрделі тәуелділіктерді жақсы ұстайды.
Болжау горизонттары:
- Операциялық: 1–8 апта
- Тактикалық/Стратегиялық: айлар/тоқсан
Ансамбльдер және аралас тәсілдер болжамның тұрақтылығын айтарлықтай арттырады.
Туристік ағындар: факт vs болжам
Аймақтар бойынша ағындардың бөлінуі
Аймақтар бойынша ағындардың бөлінуі (шартты түрде)
3. Метрикалар және енгізу
Техникалық метрикалар
- Дәлдік: MAPE (Орташа абсолютті пайыздық қателік), RMSE.
- Тұрақтылық: sMAPE, MdAPE.
Бизнес-метрикалар
- Бизнес-KPI: жүктелім, кіріс, ресурстардың SLA көрсеткіштері.
- Сценарийлік талдау және сенімділік интервалдары.
- Қателерді пост-талдау және мерзімді түрде қайта оқыту.
Модельдердің дәлдігі
Болжамның орташа қателігі (MAPE, %)
Модельдердің дәлдігі (көрсеткіш төмен болған сайын жақсырақ)
4. Сценарий бойынша қолдану
| Сценарий | Шешім | Әсер |
|---|---|---|
| Маусымның пікі | Ауысымдарды/рейстерді көбейту, динамикалық баға | Бас тартудың азаюы, кірістің өсуі |
| Төмен сұраныс | Промо, серіктестік пакеттер | Жүктелімнің артуы, штаттың сақталуы |
| Қаладағы ірі оқиға | Маршруттар/шаттлдар, уақытша аймақтар | Кептелістің азаюы, қанағаттанудың өсуі |
Тәуекелдер және шектеулер
Негізгі қауіптер
- Толық емес немесе қате деректер (соқыр аймақтар).
- Форс-мажорлық жағдайлар мен күтпеген оқиғалар (пандемия, геосаясат).
- Модельдің «қара жәшік» (black box) болуы — шешімді түсіндіру қиындығы.
Дәріс қорытындысы
Ресурстарды жоспарлау: Ағынды болжау кірістерді басқарудың негізі болып табылады.
Деректер сапасы: Сәттілік деректердің тазалығы мен мерекелерді ескеруге тікелей байланысты.
Адам факторы: ЖИ – қуатты құрал, бірақ стратегиялық шешімдерді адамдар қабылдауы тиіс.
Үздіксіздік: Модельдерді (ARIMA, LSTM) үнемі жаңартып, серияларды қайта калибрлеу қажет.
Бақылау сұрақтары
- Туристік ағындарды болжау үшін қандай дереккөздер қолданылады?
- Прогноз сапасын бағалау үшін MAPE мен RMSE қалай қолданылады?
- Классикалық модельдер (ARIMA) мен ЖИ модельдерінің (LSTM) айырмашылығы неде?
- Дәл емес болжамдардан қандай тәуекелдер туындайды?
- Сценарийлік талдау бизнеске қалай көмектеседі?
Әдебиеттер тізімі
- Hyndman R., Athanasopoulos G. Forecasting: Principles and Practice.
- UNWTO Data Dashboard (суреттемелік есептер).
- Prophet/ARIMA/LSTM бойынша практикалық нұсқаулықтар.
- Баймухамедов М .Ф ., Баймухамедова А .М ., Боранбаев С.Н. Жасанды интеллект: Kaзipri заманғы теория және тәжірибе. - Алматы: «Бастау», 2020.