将业务智能技术运用到信息化程度较高的旅游景区，把景区积累的历史数据进行挖掘分析，找出对景区经营管理有用的隐藏信息，并且在业务智能技术的基础上，构建决策支持系统，帮助景区科学决策，将是旅游景区信息化建设的一大趋势。依据楚静等关于黄山景区业务智能系统开发的实践，如图11-6所示，景区智能决策系统首先应通过ETL提取各业务系统数据，通过对不同格式数据的转换、清洗，搭建统一的业务经营系统数据仓库平台；按照地域、时间、入口等维度组织数据仓库中的数据，利用已组织好的数据仓库平台，通过OLAP技术，实现对数据的各维度钻取操作；利用各系统的历史数据，结合数据挖掘技术、专家系统或已有案例库、企业知识库信息，寻找景区核心业务指标与历史数据之间的关系，挖掘潜在数据信息；最终通过前端展现技术，将辅助决策信息展现给景区管理者。

图11-6　业务经营决策支持系统框架图

图11-7　业务经营决策系统功能图

1.系统决策功能(www.daowen.com)

根据业务智能的相关技术，并结合景区业务经营管理中的实际需求，探讨景区业务经营决策支持系统的功能。如图11-7所示，该系统基础数据由三个方面组成，各业务经营数据主要包括电子门禁系统数据、电子商务数据、GPS人员和车辆定位系统、电子政务系统、视频监控系统等；景区状态数据主要是景区天气状况；节假日优惠信息包括管委会推出的各促销方式、预售团体票等信息。这些基础数据信息通过分析模型进行相应挖掘分析，并结合专家知识库和案例库，最终输出景区各种报表分析、统计图像、相关预测信息以及景区各因素之间的相互关联关系。

景区业务经营决策支持系统的决策功能包括以下几个方面：（1）分散数据信息的收集与整合。各分散系统的数据进行ETL处理，构建数据仓库平台，为决策支持系统提供统一的数据共享及支持。（2）数据多角度全面分析、个性化分析。对景区人流量与相关景点、缆车点等数据进行组合查询、形成统计报表和图表，根据不同的维度，通过对数据进行加工、挖掘、切片实现对数据进行多维度全面分析；利用OLAP技术，根据不同的查询需求，实现自定制的报表信息，组合查询，辅助管理者进行决策。（3）景区客流量预测。根据历史数据并参照其他影响因素，构建风景区客流量预测模型，实现景区的日度、月度和年度客流量的分别预测。根据预测结果，当预测客流量数据较大，超过设定的景区接纳游客数量时，设置警报提醒，提示客流量负载较大。利用这些预测数据，景区管委会可方便地进行近、远期的物资和管理规划。（4）根据游客消费信息、客源地、购票信息等进行追踪分析和数据挖掘，按照关联模式分析，寻找出游客客源地、购票方式、购物偏好、住宿及所游览景点等之间的相互关系。根据关联分析结果，从而辅助景区管理者制定有针对性的旅游营销计划。（5）旅游线路设计。对以往游客的历史游览线路与景点选择进行挖掘分析和比较，提取出游客喜欢的景点与线路信息，根据游客不同偏好设计旅游路线，开发相关旅游资源。

2.典型应用

ETL与数据仓库平台。ETL是负责将分布的、异构数据源中的数据，如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，作为联机分析处理和数据挖掘的基础。数据仓库面向主题设计，主要用以分析数据，包括事实表和维表，维是看问题的角度，比如时间、部门，维表放的就是这些东西的定义，事实表里存放的是要查询的数据。

数据挖掘系统。数据挖掘是从数据仓库中寻找和发现隐藏知识的过程，目的是帮助决策者找出数据之间的隐含关系，发掘辅助企业决策的潜在知识。数据挖掘的方法有机器学习法、人工神经网络法、遗传算法以及支持向量回归等。从数据仓库中挖掘的知识通过一定的展示技术呈现给决策者，而知识的展现又可分为描述性展示和预测性展示。对于景区的日常游客数据，按照一定的关联规则挖掘出不同数据集之间的关系；比如游览的游客与地域之间的关系，按地域划分是否来游览的游客数之间有明显差异，仔细分析差异的原因，再进行有针对性的宣传和营销。而预测性分析是根据数据之间的互相影响关系挖掘出未来人流量与各影响因子之间的预测模型，准确预测出未来一段时间的人流量，以便协助景区做好相关的应对工作。