收益管理中基于大数据仓库的需求无约束估计:框架与挑战

现有需求无约束估计方法均为基于公司内部数据仓库中所获需求信息而开发,在当前基于大数据分析的激烈竞争市场环境中,无法满足收益管理系统日益增长的实时需求预测和优化决策分析需要。为了实时、动态地同时获取并分析内部和外部数据资源中有关每位顾客的无约束需求数据,包括结构化和非结构化的信息,提出了以面向收益管理需求无约束估计为主题的大数据仓库框架,并据此讨论了无约束需求知识挖掘以及需求无约束估计商务智能分析工具开发应用过程中面临的各项挑战。

收益管理中非正态无约束估计的EM算法研究

对于收益管理中产品各"预售提前期间隔"的无约束需求,已有的无约束估计研究所采用的EM算法均假设其服从正态分布,这不完全符合收益管理实践中的需求数据特征。本文对收益管理无约束需求分布问题进行了多角度探讨,扩展了原有假设,建立了基于伽玛、威布尔、指数和泊松分布的EM算法,并改进了无失效数据情况下的算法应用。最后,通过数值算例说明了本文提出的基于非正态分布的EM算法简单易行,在结论部分对其相关应用提出了建议。