【数据分析实战】酒店行业华住集团门店分布与评分多维度分析

本文主要是介绍【数据分析实战】酒店行业华住集团门店分布与评分多维度分析，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

- - 1. 写在前面
  - 2. 数据集展示
  - 3. 多维度分析
  - - 3.1 门店档次多元化：集团投资战略观察
    - - 3.1.1 代码实现
      - 3.1.2 本人浅薄理解
    - 3.2 门店分布：各省市分布概览
    - - 3.2.1 代码实现
      - 3.2.2 本人浅薄理解
    - 3.3 门店分级评分：服务水平的多维度观察
    - - 3.3.1 代码实现
      - 3.3.2 本人浅薄理解
    - 3.4 各档次平均房间数分析
    - - 3.4.1 代码实现
      - 3.4.2 本人浅薄理解

1. 写在前面

近年来，随着旅游业的迅猛发展和疫情后经济的复苏，酒店行业备受关注。
华住集团作为中国领先的酒店集团之一，通过分析它的门店分布和各方面的评分数据，能够更深入地了解这个行业的运作和表现。

为了更全面地洞察酒店行业的运营状况，我采集了华住网站上的公开数据，并结合Python中的pyecharts和pandas等工具进行了详尽的分析。通过这些分析，我们希望看到华住集团在门店分布、服务品质等方面的独特之处，以及如何适应旅游业和经济波动的挑战。

2. 数据集展示

数据主要来源于华住会和其他公开可获取的数据源。通过爬取网站上的公开信息，获取了关于门店分布、服务评分、房间数等8026条数据，这些数据是进行深入分析的基础。

	hotelName	city	hotelCityArea	hotelCommentCount	hotelCommentScore	hotellevelName	ctrip_room_num	ctrip_openning_hours	categoryScore	score
2626	全季上海新国际博览中心龙阳路酒店	上海	浦东新区	3874	4.9	舒适型	53	2019	[{‘scoreName’: ‘环境’, ‘itemScore’: ‘4.6’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘卫生’, ‘itemScore’: ‘4.7’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘服务’, ‘itemScore’: ‘4.7’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘设施’, ‘itemScore’: ‘4.6’, ‘scoreDescription’: ‘’}]	4.7
4288	全季固安北京大兴国际机场酒店	廊坊	0	8491	4.9	舒适型	100	2020	[{‘scoreName’: ‘环境’, ‘itemScore’: ‘4.9’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘卫生’, ‘itemScore’: ‘4.9’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘服务’, ‘itemScore’: ‘4.9’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘设施’, ‘itemScore’: ‘4.9’, ‘scoreDescription’: ‘’}]	4.9
3502	全季淮安淮海北路曼度广场酒店	淮安	淮阴区	6090	4.8	舒适型	71	2023	[{‘scoreName’: ‘环境’, ‘itemScore’: ‘4.9’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘卫生’, ‘itemScore’: ‘4.9’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘服务’, ‘itemScore’: ‘4.9’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘设施’, ‘itemScore’: ‘4.9’, ‘scoreDescription’: ‘’}]	4.9
7696	全季威海火车站酒店	威海	环翠区	25824	4.8	舒适型	134	2016	[{‘scoreName’: ‘环境’, ‘itemScore’: ‘4.7’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘卫生’, ‘itemScore’: ‘4.7’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘服务’, ‘itemScore’: ‘4.7’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘设施’, ‘itemScore’: ‘4.7’, ‘scoreDescription’: ‘’}]	4.7
2953	汉庭天津陈塘庄地铁站酒店	天津	河西区	4631	5	经济型	70	2021	[{‘scoreName’: ‘环境’, ‘itemScore’: ‘4.8’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘卫生’, ‘itemScore’: ‘4.8’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘服务’, ‘itemScore’: ‘4.8’, ‘scoreDescription’: ‘’}, {‘scoreName’: ‘设施’, ‘itemScore’: ‘4.8’, ‘scoreDescription’: ‘’}]	4.8

3. 多维度分析

3.1 门店档次多元化：集团投资战略观察

通过统计华住集团的酒店门店级别占比，了解该集团酒店主要分布在哪些档次价位。

3.1.1 代码实现

def draw_pie(data:dict, title:str):c = (Pie(init_opts=opts.InitOpts(theme=ThemeType.ESSOS, height="700px")).add("", [list(z) for z in zip(data.keys(), data.values())],center=['45%',"50%"],).set_global_opts(title_opts=opts.TitleOpts(title=title, pos_left=True), legend_opts=opts.LegendOpts(is_show=False)).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%")))return c
draw_pie(
{'经济型': 3659, '舒适型': 3363, '高档型': 592, '超值平价': 233, '豪华型': 118, '其他': 40, '奢华型': 10},
"【2023-12】华住集团各房型占比图"
)

在这里插入图片描述

3.1.2 本人浅薄理解

主攻平民市场： 占比最多的是那种价格亲民的和舒适的酒店，华住可能希望提供既实惠又舒适的住宿选择，因为这是大多数人所钟爱的。
对高级市场保持谨慎： 高级和奢华酒店的数量相对较少，可以看出他们对高档市场的投入比较保守。应该是因为高级市场更需要资本，而且竞争也更激烈。
瞄准追求实惠和舒适的人： 大量的经济型和舒适型酒店可能反映了市场上对于价格实惠和住得舒服的需求。毕竟大家现在更注重物有所值和住宿的基本需求。

3.2 门店分布：各省市分布概览

将数据预处理后通过pandas、pyecharts来看一下华住集团在各个省市的门店分布。

3.2.1 代码实现

from pyecharts.globals import ThemeType
from pyecharts.charts import Map,Geo
map=Map(init_opts=opts.InitOpts(theme=ThemeType.ESSOS, height="800px"))
map.add("",city_data,"china") # city_data=[('江苏省', 1046),('上海市', 795),('浙江省', 730)...]
map.set_global_opts(title_opts=opts.TitleOpts(title="【2023-12】华住集团各省级市酒店分布",subtitle="",pos_right="center",pos_top="5%"),visualmap_opts=opts.VisualMapOpts(max_=1100),) 
map.render_notebook()

在这里插入图片描述

3.2.2 本人浅薄理解

旅游热点地区的门店分布：华住集团在旅游热点地区的门店较多（例如江苏、上海、浙江、山东等）。这可能是因为这些地区有较强的旅游需求，包括商务旅行和休闲度假。

经济发达地区的门店密度：华住集团在经济较为发达的地区，如江苏、上海、北京，门店密度相对较高。这可能是因为这些地区有更多的商务差旅和高消费人群，对酒店服务的需求相对较大。

西部地区的发展机遇：西部地区的门店相对较少，但随着西部地区经济的不断发展，未来可能存在更多的市场机遇。华住集团在这些地区的进一步扩张可能是一个长期的战略目标。

特殊地区的战略定位：一些地理相对偏远的特殊地区，如乌鲁木齐、呼和浩特、西藏，门店数量较少，可能是因为这些地区的市场规模相对较小，但在战略定位上仍然有一定的考虑。

总体来看，酒店行业受到了旅游、疫情、产业以及地区经济状况等多方面因素的影响。在未来，随着各地旅游业的逐渐复苏、经济的发展，以及公司自身战略的调整，门店分布也可能会发生变化。

3.3 门店分级评分：服务水平的多维度观察

深入研究各等级门店的多维度评分数据。从经济型到奢华型，每个等级的门店都在环境、卫生、服务和设施等方面接受了客户的评价。

3.3.1 代码实现

from pyecharts.charts import Bar
hotel_score = {
'经济型': {'environments': 4.67, 'health': 4.69, 'server': 4.7, 'facility': 4.65},'舒适型': {'environments': 4.74,'health': 4.76,'server': 4.75,'facility': 4.73},'高档型': {'environments': 4.77,'health': 4.78,'server': 4.78,'facility': 4.75},'超值平价': {'environments': 4.41,'health': 4.45,'server': 4.49,'facility': 4.38},'豪华型': {'environments': 4.73,'health': 4.72,'server': 4.71,'facility': 4.68},'其他': {'environments': 4.36, 'health': 4.32, 'server': 4.36, 'facility': 4.3},'奢华型': {'environments': 4.8, 'health': 4.75, 'server': 4.75, 'facility': 4.76}
}
bar = (Bar(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE)).add_xaxis(list(hotel_score.keys())).add_yaxis("环境", [_['environments'] for _ in hotel_score.values()]).add_yaxis("卫生", [_['health'] for _ in hotel_score.values()]).add_yaxis("服务", [_['server'] for _ in hotel_score.values()]).add_yaxis("设施", [_['facility'] for _ in hotel_score.values()]).set_global_opts(title_opts=opts.TitleOpts(title="【2023-12】华住各等级酒店平均评分",subtitle="分类对比"))
)
bar.render_notebook()

在这里插入图片描述

3.3.2 本人浅薄理解

等级评分差异：不同等级的门店在各项评分上存在一定的差异。一般而言，高档型和奢华型门店在各方面的评分相对较高，而经济型和超值平价门店的评分相对较低。反映了不同等级门店在硬件设施、服务水平等方面的差异。

各项评分趋势：从各等级门店的各项评分来看，‘environments’（环境），‘health’（卫生），‘server’（服务），‘facility’（设施）等方面都被考虑进评分中。其中，环境和卫生方面的评分相对较高，可能是消费者更为重视的因素。

经济型和超值平价门店的特点：经济型和超值平价门店相对于其他等级门店，在各项评分上都稍显低一些。这可能是因为这些类型的门店通常追求成本控制，提供更为实惠的住宿选择，但在一些豪华体验方面可能相对有所欠缺。

高档型和奢华型门店的优势：高档型和奢华型门店在各项评分上表现较好，可能提供了更高水平的服务、设施和豪华体验，因此在客户评价中得分较高。

3.4 各档次平均房间数分析

3.4.1 代码实现

hotel_rooms = {'经济型': 93.82, '舒适型': 113.04, '高档型': 146.05, '超值平价': 62.73, '豪华型': 168.47, '其他': 83.87, '奢华型': 125.5}bar = (Bar(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE)).add_xaxis(list(hotel_rooms.keys())).add_yaxis("客房数", [_ for _ in hotel_rooms.values()]).set_global_opts(title_opts=opts.TitleOpts(title="【2023-12】华住集团各等级酒店平均客房数",subtitle="分类对比"))
)
bar.render_notebook()