Applying Artificial intelligence and Big data analysis in predicting the effectiveness of Strategic decision-making in the Hotel Industry - Decision Support System

在高风险的商业世界中，企业兴旺与衰败之间的区别往往取决于一个关键的选择：钱该投向哪里。几十年来，酒店业的领导者一直根据经验、直觉以及回顾过去的报告来做出这些战略决策。他们通过审查过去的财务报表，并寄希望于未来与过去相似，来决定是扩建新翼、重组债务，还是改变定价策略。然而，现代市场过于快速且复杂，这种旧的方法已不再适用。消费者的口味可能在一夜之间发生变化，经济状况剧烈波动，且可用信息的总量之大令人难以应对。为了应对这一局面，一种新的方法应运而生，它将商业战略视为一种科学而非一场赌博，利用海量数据在投入一分钱之前预测将会发生什么。

这种转变依赖于两种强大工具的协同作用。首先是大数据，它简单来说就是从许多不同来源收集海量信息，例如官方财务记录、行业报告，甚至在线客户评论的非结构化文本。第二种是人工智能，具体而言是一种被称为机器学习的计算机程序。与遵循僵化、预设规则的传统软件不同，机器学习允许计算机自主研究数据中的模式。它通过学习来识别哪些因素的组合——例如公司的债务水平、去年的利润额以及客户满意度——往往会导致未来的成功或失败。通过向这些系统输入历史数据，研究人员可以训练它们以极高的准确度预测未来决策的结果。

泰都大学（Tay Do University）的研究员陈光明（Trinh Quang Minh）致力于测试这种结合了大数据与人工智能的方法是否真的能帮助酒店高管做出更好的战略选择。该研究聚焦于越南酒店业，这是一个以快速增长和显著波动著称的市场。研究人员收集了从2010年到2025年长达十年的信息，涵盖了广泛的酒店公司。这包括来自像西贡旅游（Saigontourit）和金元（Vinpearl）等大型集团的详细审计财务报告，以及来自规模较小的上市公司和精品酒店的数据。数据并不局限于数字；它还包括行业基准，如平均房价和入住率，以及用于衡量公众情绪的在线客户评论原始文本。

这项研究的核心在于构建一个能够模拟不同商业场景的数字引擎。研究人员对收集到的数据进行了清洗，填补了缺失的空白，并对数字进行了整理，以便在不同规模的公司之间进行公平比较。随后，他们训练了多种不同类型的机器学习模型来充当预测器。其中一些模型是传统的统计方法，而另一些则是更先进的基于树结构的系统，能够处理变量之间复杂的非线性关系。其目标是观察哪种模型能最好地预测特定的战略决策（如资本投资或重组计划）是否会导致财务复苏和长期成功。

结果表明，先进的机器学习模型，特别是基于树结构集成算法的模型（如 XGBoost 和 Random Forest），在更广泛的基准测试中明显优于传统的统计方法。在旨在预测多周期财务复苏的测试中，最先进的模型实现了超过91%的准确率。然而，研究明确指出，当模型在非常小的特定样本集（仅6个样本）上进行测试时，达到了100%的准确率，作者将这一结果归因于“过拟合”和高数据可分性，而非真正的泛化能力。论文指出，虽然这些模型比旧有的线性方法更能发现业务因素之间的非线性联系，但由于测试样本量有限，完美的得分很可能是由样本规模限制造成的，大规模应用仍需更多数据来优化其泛化能力。

除了预测成功或失败之外，研究还揭示了究竟是什么驱动了这些结果。通过分析计算机依赖最重的哪些信息，该研究确定了驱动战略成功的核心因素。最关键的驱动因素是决策前的财务健康状况，具体包括公司的债务相对于资产的比例以及其在资本项目上的支出。这些财务指标贡献了超过三分之一的预测能力。第二个重要因素是公司的历史运营表现，例如毛营业利润和每间可售房收入。有趣的是，研究还发现非结构化的客户情绪（即在线评论中所表达的情感）发挥了至关重要的作用，它作为一个市场调节因子，能够影响酒店在重大决策后的复苏速度。

这项工作的最终目标不仅是开发一个更好的预测工具，而是创建一个实用的决策支持系统，供酒店董事会和高管使用。该系统允许领导者在投入昂贵的战略之前进行“假设”模拟。他们可以向系统提出问题，例如：“如果我们为了扩建新翼而承担这么多债务，会对未来三年的利润产生什么影响？”或者“如果我们现在改变定价策略，客户情绪会对我们的入住率产生怎样的影响？”研究表明，通过使用这种数据驱动的方法，酒店领导者可以不再依赖直觉，而是通过清晰的、基于证据的风险与潜在回报理解来进行高风险决策。

尽管研究结果令人鼓舞，但研究人员也承认该研究存在局限性，主要是由于用于最终测试的数据集规模较小。这些模型是在特定的越南酒店数据集中训练的，虽然在这一背景下结果高度准确，但研究人员指出，未来的工作应扩展到包括不同地区的更广泛的酒店，以确保预测在任何地方都同样有效。尽管如此，该研究为管理酒店业务提供了一种全新的方式。它证明了通过将历史财务数据与现代人工智能相结合，酒店业可以获得一个全新的视角来审视其未来，从而将不确定性转化为可控的变量，并将战略规划转变为一门精确的科学。