Ανάλυση δεδομένων από συστήματα ηλεκτρονικών κρατήσεων.

Abstract

Σκοπός της παρούσας πτυχιακής εργασίας είναι η ανάλυση δεδομένων από συστήματα online κρατήσεων. Ο κύριος λόγος που μας οδήγησε να ασχοληθούμε με την συγκεκριμένη ανάλυση είναι για να καταλάβουμε την μεθοδολογία αύξησης και μείωσης ενός καταλύματος με βάση την χρονική στιγμή. Σε πρώτη φάση θα μιλήσουμε για την δημιουργία της πλατφόρμας Airbnb που κατέκτησε ένα μεγάλο μερίδιο στην αγορά καθώς και τη διείσδυσή της στην Ελληνική αγορά. Στο ίδιο κεφάλαιο θα αναλύσουμε τον τρόπο λειτουργίας της πλατφόρμας και θα αναγνωρίσουμε τον κύριο πελάτη της. Με άλλα λόγια θα μιλήσουμε για τον ιδανικό πελάτη/ χρήστη δηλαδή σε απλή ορολογία marketing “Persona”. Φυσικά δεν μπορούμε να παραλείψουμε το target group, δηλαδή το κοινό με το οποίο έχει συναναστροφές η εταιρία. Στην συνέχεια, αναφέρουμε τα θετικά και τα αρνητικά της πλατφόρμας και ποια είναι η επίδραση της στο τουρισμό, καθώς και τις αντιδράσεις από την κοινότητα της Airbnb με κύριο ανταγωνιστή της τους ιδιοκτήτες ξενοδοχειακών μονάδων. Σε δεύτερη φάση παρουσιάζουμε τα δεδομένα τα οποία χρησιμοποιήσαμε σε αυτή την εργασία. Αργότερα προβαίνουμε σε μια ανάλυση αυτών των δεδομένων με σκοπό να βγάλουμε συμπεράσματα και τονίζουμε τον τρόπο που οι τιμές αυξομειώνονται ανάλογα την εποχή.

The purpose of this thesis is the analysis of data from an online booking system. The main reason that led us to deal with the analysis is to understand how the accommodation rates adjust over time. In the first part, we describe the Airbnb platform and it conquered a large part of the pie in the market, with an emphasis on the Greek Market. We also give the definition of the ideal customer/user i.e., in simple marketing terminology “Persona”. Obviously, we cannot omit the target group, that is, the audience that the company has associated with. Next, we discuss the advantages and disadvantages of the platform and its impact on tourism. Finally, we discuss the reactions from the Airbnb community and the hotel owners, which are the main competitors of the Airbnb platform. In the second part, we describe our data and carry out an analysis that lead to specific conclusions that mainly highlight the way prices fluctuate depending on the season.