Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Prédire les ventes d'un hôtel grâce à la Data Science

156 views

Published on

Projet Data final de Marion Bohuon après sa formation des Fondamentaux en Data Science

Published in: Data & Analytics
  • Be the first to comment

  • Be the first to like this

Prédire les ventes d'un hôtel grâce à la Data Science

  1. 1. Data Science Bootcamp Commencez votre carrière dans la Data Bohuon_Marion_Lgh
  2. 2. Thème : 
 Comment optimiser les ventes d’un hôtel ? — les spécificités du secteur : Non stockable Périssable Non extensible — les leviers: Le prix : prix moyen (PM) Volume de chambre : taux d’occupation (TO)
  3. 3. Problématique : 
 Identifier et définir la saisonnalité d’un hôtel Parisien — Saisonnalité calendaire : par motif de séjour client
 Loisirs : weekend et vacances scolaire Affaire : du lundi au jeudi inclus Dimanche Evènements — Saisonnalité par intensité de la demande
  4. 4. Clients Revenue manager Commercial Directeur d’hôtel Directeur financier
  5. 5. Réalisation du projet 
 Identifier et définir la saisonnalité d’un hôtel 

  6. 6. 1ère étape : constats Prix moyen (€) de janv -2018 à mai 2019 Taux d’occupation (%) de janv -2018 à mai 2019
  7. 7. 1ère étape : constats Rapport TO & PM de janv -2018 à mai 2019 Rapport TO & PM de janv -2018 à mai 2019 par scénario Légende : Scénario = saisonnalité calendaire et motif de séjour client L = Loisir A = Affaire D= Dimanche EV = évènements
  8. 8. 1ère étape : constats Rapport TO & PM de janv -2018 à mai 2019 focus sur le scénario Loisir
  9. 9. Bilan 1ère étape Forte variation du PM et du TO Faible corrélation entre PM et TO Même constat par scénario
  10. 10. 2ème étape : Identifier le nombre de saison 
 Méthode Elbow Curve
  11. 11. 2ème étape : Déterminer les saisons 
 Méthode kmeans Rapport TO & PM de janv -2018 à mai 2019 par saison Nombre de jours par saison
  12. 12. Bilan 2ème étape : Déterminer les saisons 
 Répartition de saisons par jour et après PM
  13. 13. Bilan 2ème étape : Déterminer les saisons 
 Performances par saison
  14. 14. Prochaine étape : ajouter des variables Canaux de ventes Profil clients Fenêtre de réservation
  15. 15. Data Science Bootcamp Des questions ?

×