Big participants of IT market, whose profits can depend seriously on dynamics of tourist flows use today’s analytical systems in order to get information concerning tourist service providing. Such information can be used for efficient distribution of resources. In March 2021 spokespeople of such companies as ‘RZhD’, ‘Yandex’, ‘Megafon’, ‘MTS’, ‘Roscosmos’ and others delivered reports on possibility to use indirect data to analyze tourist flows at the round table discussion ‘Managing Tourist Industry on the Basis of Data’, that was arranged by the Analytical Center under the Government of the Russian Federation. Opportunities to use big data and advanced methods of data analysis were demonstrated. However, such systems are not meant to solve problems of social character. Moreover, a player cannot affect the steps and preferences of the considerable circle of people, which means that there is no need to test the community response on possible planned events that can increase usefulness of the entity. In view of state entities the latter is rather important, especially in case usefulness is considered in the social-economic aspect. As a conclusion the authors underline significance of tourist market modeling in Russia by using digital technologies.
В данной статье будет продемонстрирован механизм, отслеживающий динамику туристских потоков между регионами России под воздействием факторов средового влияния и, как следствие, отслеживающий динамику доходов/расходов дестинации от туристской деятельности и уровня развития инфраструктуры. Данный алгоритм основан на методах машинного обучения. В ходе статьи будет доказана важность построения двух типов моделей. Модели первого типа прогнозируют совокупный туристский поток, измеряемый числом ночевок и объемом доходов коллективных средств размещения (КСР), в регион с заданными характеристиками. Модели второго типа прогнозируют перекрестные потоки между регионами, при этом регион отправления и регион прибытия описываются разным набором признаков. В статье отмечено, что использование моделей двух типов обусловлено следующими причинами. Во-первых, стоит отметить, что мировой опыт прогнозирования туристских потоков представлен в большинстве случаев именно моделями прогнозирования туристских прибытий без анализа географической структуры спроса. Более того, представленные модели, за редким исключением, не предполагают использование факторов средового влияниях и уровня развития туристской инфраструктуры в качестве объясняющих переменных. Таким образом, поставленная в настоящей статье научная задача является новой. Во-вторых, имеют место существенные различия в методиках сбора статистической информации о туристском потоке.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.