本发明涉及一种基于大数据的月度预算拆分至天的方法，属于计算机软件
技术领域：
。
背景技术：
：以酒店行业为例，酒店的年度预算制定完成后，绝大多数酒店的经营人员以均分的方法或结合酒店管理系统[pms(propertymanagementsystem)]历史数据，将年度预算拆分至月预算。预算细分至每天，酒店经营人员将更好的跟踪和调控经营模式。目前酒店经营人员或无细分至天的预算，或将月度预算均分至每天，但是由于日期的属性不同及对应的市场情况亦是波动的，若将每天的预算拆分为同等的，显然不合理，且以这些预算拆分的方法作为依据进行经营，将会导致预算与实际差距巨大，使得日后的跟踪和调控变得毫无意义，进而降低酒店的收益。技术实现要素：本发明要解决的技术问题是为了克服现有技术中未考虑大数据因素对预算拆分影响的缺陷，提供的一种基于大数据的月度预算拆分方法。本发明是通过下述技术方案来解决上述技术问题的：本发明提供了一种基于大数据的月度预算拆分方法，其特点在于，以酒店行业为例，结合酒店自身管理系统[pms(propertymanagementsystem)]数据及各类大数据源，进行预算拆分。本发明的技术方案为：一种基于大数据的月度预算拆分方法，其步骤为：1)设第i月的月度预算为待拆分月度预算；以星期对齐的方式找到第i月的历史同星期月，作为月度预算拆分的历史同期；所述历史同星期月由星期对齐的历史同日构成；2)获取历史同期中每天对应的pms历史数据，以及上一年的历史同期的展会信息；3)计算上一年的历史同期的平均每天每个展会信息带来的间夜量增量；4)根据步骤2)、3)得到的pms历史数据、展会信息和间夜量增量，对待拆分月度预算进行拆分，得到每一天预算间夜量。根据模型计算待拆分月度预算第i天的预算间夜量为ri；其中，α为展会影响因子，β为自然增长率，上一年的历史同期的第i天的间夜量为ri、可售房数为ti、是否有展会记为mi、展会个数记为hi，有展会则mi＝1，否则为mi＝0；待拆分月度预算的第i天的可售房数为ti、是否有展会记为mi、展会个数记为hi，有展会则mi＝1，否则mi＝0；若mi≠mi，且mi＝1，则hi取值为-hi。进一步的，当待拆分月度预算拆分后的第i天的预算间夜量ri大于第i天的可售房数ti或小于设定阈值时，根据公式进行处理；其中，θ为设定阈值，即用户可接受的最小间夜量。进一步的，所述α＝0.8，β＝0.01。进一步的，，所述间夜量增量＝(上一年的历史同期中具有展会日期平均每天间夜量–上一年的历史同期中非展会日期平均每天间夜量)/上一年的历史同期中展会总个数。进一步的，所述历史同星期月由星期对齐的多年历史或上一年同日平均值构成。以拆分本酒店的间夜量，大数据源为展会数据源为例，具体说明模型。本发明首先利用历史同期每天的pms历史数据，预估出预算拆分至天的值，再加入展会信息，综合得到月度预算拆分至天模型。注，此处历史同月每天的pms历史数据可指去年同月每天的pms历史数据，或过去几年同月的每天的pms历史平均值数据。本发明的目的还在于提供了一种基于展会的月度预算拆分方法，上述方法包括以下步骤：s1、设第i月的月度预算为待拆分月度预算；以星期对齐的方式找到第i月的历史同星期月，作为月度预算拆分至天的历史同期。星期对齐即若该第i月的第一天(如2016年11月1日)是周二，那么找到去年的周二日期中距离去年同日(2015年11月1日)最近的日期，作为星期对齐的历史同日，同星期月由星期对齐的历史同日构成。s2、获取历史同期(可能是一年或多年的平均，依据之前的选择对应)每天对应的pms历史数据。s3、获取去年的历史同期每日展会信息。s4、计算去年的历史同期的平均每天每个展会等因素带来的间夜量增量。s5、综合以上信息，建立模型(详见具体实施方式)将月度预算拆分至天。s6、预算拆分至天的结果异常值处理。本发明的积极进步效果在于：本发明通过加入大数据，使得预算拆分合理性更强，酒店预算完成率更高，从而协助酒店进行更科学的监控调度与收益管理。附图说明图1为本分明的实施例的基于展会及pms数据的酒店月度预算拆分至天方法的流程图。具体实施方式下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。本例假设只考虑展会，只从月度预算拆分到天。以某四星级用户酒店为例，该酒店所在商圈存在一定数量的展馆，将2016年11月的预算间夜量拆分至天。1.获取去年同星期月(同星期月由星期对齐的历史同日构成)(2015年11月3日至2015年12月2日)，记n为待预算拆分月的天数。2.获取去年同期每天的间夜量、可售房数、是否有展会及展会个数的数据。记去年同期的第i天的间夜量为ri，去年同期的第i天的可售房数为ti，去年同期的第i天是否有展会记为mi，去年同期的第i天的展会个数记为hi，取值如表1所示。表1为去年同期的每天展会个数3.获取待预算拆分月(即2016年11月)每天的可售房数、是否有展会及展会个数的数据。记第i天的可售房数为ti，第i天是否有展会记为mi，第i天的展会个数记为hi，注：若第i天mi≠mi，且mi＝1，则第i天的展会个数hi取值为(-hi)，取值如表2所示。表2为待预算拆分月(2016年11月)每天的可售房数、是否有展会及展会个数的数据预算拆分日期tmh2016/11/1157002016/11/2157122016/11/315716…………2016/11/11157132016/11/12157132016/11/13157132016/11/14157002016/11/1515700…………2016/11/29157002016/11/30157004.计算去年同期的平均每天每个展会等因素带来的间夜量增量δ＝(去年同期展会日期平均每天间夜量–去年同期非展会日期平均每天间夜量)/去年同期中展会总个数；即经计算得到展会等因素带来的间夜量增量为0.36。5.2016年11月的第i天的预算间夜量为ri：其中，α为展会影响因子，β为自然增长率。用户可根据实际情况自行设定，本文中设置α＝0.8，β＝0.01。那么待预算拆分日2016年11月3日的预算间夜量为147间夜。6.异常值处理当得到的2016年11月预算拆分的第i天的预算间夜量ri大于第i天的可售房数ti或异常小时，作如下处理：其中，θ为用户可接受的最小间夜量参数，本文设置为3，仅供参考。该酒店在设定预算间夜量为可售房数的95％的基础上，2015年该酒店应用平均拆分的方法，将月度间夜量拆分至天，其预算完成率约94％，2016年应用本文方法进行预算拆分至天，其预算完成率较去年约提升4个百分点。模型中还可考虑的大数据源包括市场热度、节假日、淡旺季、旅游行业的发展状况、竞争圈相关数据、天气、交通等信息。支持对酒店细分市场或房型的间夜量、收入、平均房价、出租率，单房收益等进行预算拆分。本模型并不仅限于酒店领域，对于其他领域的预算拆分也可应用本模型，如航空领域，若对航空的载客量进行月度预算拆分，则也可用本文模型考虑加入展会、节假日或旅游淡旺季等大数据信息。虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。当前第1页12