In der Übersicht
Im Freizeit-, Tourismus- und Mobilitätsmarkt schwankt das Kundenaufkommen kurzfristig. Für KMU aus dieser Branche ist es schwierig, das Kundenaufkommen hinreichend präzis abzuschätzen und auf Schwankungen angemessen zu reagieren. Die Folge kann eine Fehlallokation von Ressourcen sein. Im Rahmen des Innosuisse-Projekts „Kurzfristige Prognose und Steuerung des Gästeaufkommens im Freizeit- und Tourismusmarkt“ wurden ökonometrische Modelle, sowie Verfahren des maschinellen Lernens, evaluiert, um das Besucheraufkommen für KMU aus der Freizeit-, Tourismus- und Mobilitätsbranche vorauszusagen. Das Projekt hat gezeigt, dass die Daten eines einzelnen Unternehmens nicht ausreichen, um die Schwankung mit genügender Genauigkeit vorherzusagen.
In diesem Projekt untersuchen wir die Hypothese, dass durch den Zusammenschluss mehrerer Unternehmen im Bereich Freizeit/ Tourismus und Mobilität aufgrund der Korrelationseffekte eine informativere Datenbasis geschaffen werden kann. Wir wollen zeigen, dass diese neue Datenbasis die Prognosequalität auf Tages/ Stunden-basis für die einzelne Unternehmung signifikant steigern kann.
Dafür verwenden wir, nebst ökonometrischen linearen Modellen, Modelle des maschinellen Lernens, wie Support Vector Machines und neuronale Netzwerke.
Für dieses Projekt stehen historische Daten von neun Unternehmen aus dem Raum Luzern für den Zeitraum 2007 - 2018 zur Verfügung.
