© 2009-2023 г. Hotel Advisors info@hoteladvisors.ru + 7 812 603 77 73
Типы данных, часть 2
Сегодня мы продолжаем наш разговор про типы данных. Давайте коснемся более объемной темы, а именно – неструктурированных данных.
В предыдущем обзоре мы с вами поговорили про структурированную информацию, однако, зачастую мы сталкиваемся также и с неструктурированными данными - данными, которые не организованы. Отзывы гостей на TripAdvisor, например, содержат много входящей информации, однако, она не структурирована для того, чтобы ее можно было легко анализировать. Если структурированные данные - это данные, имеющие четкую структуру, соответствующие метки и годящиеся для «ручного» анализа, то неструктурированные данные – это те данные, которые не организованы и не подходят для анализа в том виде, в котором есть.
Однако нередко неструктурированные данные могут дать нам ценную информацию для управления отелем. Проблема с неструктурированными данными заключается в том, что нет простого или масштабируемого способа отбора необходимой информации из данных в его текущем состоянии. Давайте рассмотрим пример. Отзывы гостей на TripAdvisor, нравится нам это или нет, могут влиять на процесс принятия решений для потенциальных гостей. Но если бы мы попытались проанализировать эти данные, нам было бы необходимо совершить огромное количество действий вручную, чтобы обработать даже небольшое количество информации. У нас нет какой-то специфической метки, чтобы понять, хорошо или плохо ваши администраторы на стойке ресепшен встречают гостей. Это происходит потому, что отзывы клиентов TripAdvisor не структурированы так, чтобы их можно было легко отсортировать. И хотя такие компании, как Booking.com, пытались внедрить у себя в экстранете машинный алгоритм работы по анализу отзывов гостей, на данный момент эта программа не увенчалась успехом. Сейчас самым актуальным является лишь структурированный подход в виде балльной шкалы оценки того или иного параметра отеля. Компания BigTree в настоящий момент предоставляет на платной основе сервис Trustyou – систему управления репутацией отеля. В данной системе отчасти организован подход к обработке большого количества отзывов о вашем отеле с различных ресурсов:
- Booking.com
- TripAdvisor
- Hotels.com
- HolidayCheck
- Trivago.de
- Hotel.de
- Expedia и др.
И неструктурированные данные обрабатываются с виде наглядной информации:
Этот сервис, а также аналоги других компаний, может являться хорошим подспорьем для отельеров не только компилируя данные, но и предоставляя общие тренды по основным направлениям работы отеля.
Стоит отметить, что во многих отраслях машинный анализ неструктурированных данных сделал очень большой шаг вперед. Тут можно привести пример интернет-площадок, таких как Я.Маркет, внедрившей такой анализ для сортировки и структурирования данных, приходящих с небольших интернет-магазинов в разношерстном виде. Ведь для описания одной и той же модели принтера может использоваться множество различных параметров. Машинный анализ позволяет вычленить из неструктурированных данных необходимый минимум, приведя данные в корректный вид, сопоставив всю имеющуюся информацию. На выходе мы имеем одинаковую модель принтера, «подтянутую» с разных ресурсов на одной странице агрегатора.
Я очень надеюсь, что в скором времени и в отельном сообществе появится удобный и полезный инструментарий не только для отзывов. Ведь работа даже с малыми данными требует больших трудозатрат, не говоря уже об огромной трудоемкости работы с неструктурированными данными на данный момент. А если мы касаемся области больших данных, то тут нам предстоит только приблизиться к тем вещам, которые используют в своих аналитических инструментах такие интернет-гиганты, как Google, Amazon или Facebook. И, возвращаясь к началу нашего разговора, bigdata сами по себе – это по большому счету мусор. Без анализа этой информации и правильных подходов мы не в состоянии оценить и структурировать эти массивы. И только так большие данные превращаются в быстрые. Те, которые у нас под рукой.
Stay tuned!
Виталий Дударенко