Önbüro Otomasyonunda Rezervasyon Verilerinin Analizi ve Tahminleme
Özet
Bu çalışmada, bir otelin önbüro otomasyonundan elde edilen 1 Ocak 2023-31 Aralık 2025 dönemine ait 1.096 günlük oda satış ve doluluk kaydı, takvim örüntüleri ve tahminleme performansı açısından incelenmiştir. Günlük kapasitesi 66 oda olan işletmede veri bütünlüğü, kapasite paydası ve aylık toplamların uzlaştırılması doğrulanmıştır. Yıllık, aylık, çeyreklik ve haftalık betimsel analizlerin ardından dağılım varsayımları ve grup farklılıkları Kruskal-Wallis, Dunn testleri ve Holm düzeltmesi ile Wilcoxon testleri kullanılarak değerlendirilmiştir. Yıl, ay, haftanın günü, resmî tatil ve yıl×ay etkileşimini içeren Type III varyans analizi takvim bileşenlerinin ortak katkısını incelemek için kullanılmış; yıl×ay etkileşimi anlamlı bulunmuştur. ACF, PACF, Durbin-Watson, Breusch-Godfrey ve Ljung-Box sonuçları günlük seride pozitif seri bağımlılığı ve tekrarlayan haftalık otokorelasyonu ortaya koymuştur. MSTL ve GAM analizleri haftalık ve yıllık mevsimselliği göstermiş; GAM artıklarında seri bağımlılığı devam etmiştir. Haftanın günü etkisi güçlü bulunmuş, resmî tatillerde doluluk normal günlere göre daha düşük gerçekleşmiştir. 2024 yılında doluluk %52,57 ile en yüksek düzeye ulaşırken 2025’te %47,60’a gerilemiştir. Dış örneklemde ARIMA-Fourier ve TBATS en düşük hata değerlerini üretmiştir. Sonuçlar nedensel değil, betimleyici ve öngörüsel niteliktedir.
This study examines 1,096 daily room-sales and occupancy records from a hotel’s front-office automation system covering 1 January 2023-31 December 2025. The hotel’s daily capacity is 66 rooms, and data integrity and monthly totals were verified. Descriptive analyses were conducted by year, month, quarter, and day of the week. Group differences were evaluated using Kruskal-Wallis, Dunn tests with Holm adjustment, and Wilcoxon tests. A Type III analysis of variance included year, month, day of the week, public-holiday status, and a year×month interaction; the interaction was significant. ACF, PACF, Durbin-Watson, Breusch-Godfrey, and Ljung-Box results indicated positive serial dependence and recurring weekly autocorrelation. MSTL and GAM identified weekly and annual seasonality, but serial dependence remained in the GAM residuals. The day-of-week effect was strong, and occupancy was lower on public holidays than on regular days. Annual occupancy was highest in 2024 (52.57%) and declined to 47.60% in 2025. For out-of-sample evaluation, 2023-2024 data were used for training and 2025 data for testing. Fourier-ARIMA, TBATS, calendar-based GAM, and naive models were compared. Fourier-ARIMA and TBATS produced the lowest errors. Overall, the findings are descriptive and predictive rather than causal.
Referanslar
Bandara, K., Hyndman, R. J., & Bergmeir, C. (2025). MSTL: A seasonal-trend decomposition algorithm for time series with multiple seasonal patterns. International Journal of Operational Research, 52(1), 79-98.
Breusch, T. S. (1978). Testing for autocorrelation in dynamic linear models. Australian economic papers, 17(31), 334.
De Livera, A. M., Hyndman, R. J., & Snyder, R. D. (2011). Forecasting time series with complex seasonal patterns using exponential smoothing. Journal of the American statistical association, 106(496), 1513-1527.
Dunn, O. J. (1964). Multiple comparisons using rank sums. Technometrics, 6(3), 241-252.
Durbin, J., & Watson, G. S. (1950). Testing for serial correlation in least squares regression: I. Biometrika, 37(3/4), 409-428.
Godfrey, L. G. (1978). Testing against general autoregressive and moving average error models when the regressors include lagged dependent variables. Econometrica: Journal of the Econometric Society, 1293-1301.
Hastie, T., & Tibshirani, R. (1986). Generalized additive models. Statistical science, 1(3), 297-310.
Hyndman, R. J., & Koehler, A. B. (2006). Another look at measures of forecast accuracy. International journal of forecasting, 22(4), 679-688.
Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American statistical Association, 47(260), 583-621.
Ljung, G. M., & Box, G. E. (1978). On a measure of lack of fit in time series models. Biometrika, 65(2), 297-303.
Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3-4), 591-611.
Weatherford, L. R., & Kimes, S. E. (2003). A comparison of forecasting methods for hotel revenue management. International journal of forecasting, 19(3), 401-415.
Wood, S. N. (2011). Fast stable restricted maximum likelihood and marginal likelihood estimation of semiparametric generalized linear models. Journal of the Royal Statistical Society Series B: Statistical Methodology, 73(1), 3-36.
