Vergleich von Vorhersagemodellen zu Stornierungen von Hotelbuchungen

Abstract

In dieser Arbeit werden Stornierungen von Hotelbuchungen mithilfe verschiedener Methoden maschinellen Lernens vorhergesagt. Buchungsstornierungen stellen für die Hotelindustrie ein Problem dar, da sie die Planbarkeit von Einnahmen und Kosten stark erschweren. Unter Verwendung von logistischen Regressionen, Random Forests und künstlichen neuronalen Netzen werden Modelle erstellt, die diese Stornierungen vorhersagen sollen. Diese verschiedenen Modelle werden anschließend miteinander verglichen, um die effektivste Methode zu finden. Vorhersagemodelle könnten bestehende Probleme, die durch Stornierungen entstehen, lösen, in dem Maßnahmen wie Überbuchungen effektiver eingesetzt werden könnten. Bei der Analyse wird ein Datensatz, der von zwei portugiesischen Hotels stammt, mit fast 120.000 realen Beobachtungen und 31 Variablen zu Hilfe genommen.

The aim of this thesis is to predict hotel booking cancellations with different machine learning methods. Hotel booking cancellations are a problem for hotels, because they diminish revenue and make it harder to plan future income. Using logistic regressions, Random Forests and artificial neural networks different prediction models are computed. The models are being compared to eachother to find the most effective method. These models could solve existing problems caused by cancellation, because measures such as overbooking could be used more efficiently. The analysis is based on a real dataset from two portuguese hotels and has almost 120,000 observations and 31 variables.