Az NTAK Vendéglátás és Attrakció modulokba beérkező adatok szimulálása mikroszimulációs módszerrel és kiértékelése

Göncző Boglárka (2023) Az NTAK Vendéglátás és Attrakció modulokba beérkező adatok szimulálása mikroszimulációs módszerrel és kiértékelése. Pénzügyi és Számviteli Kar.

	PDF K8NTNH_szakdolgozat_GB.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (11MB)
	PDF BA_O_Göncző_Boglárka.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (165kB)
	PDF Gonczo_Boglárka-biralat-Csicsmantol.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (223kB)
	PDF BA_B_Göncző_Boglárka.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (2MB)

Absztrakt (kivonat)

Nemzeti Turisztikai Adatszolgáltató Központ (NTAK), a Magyar Turisztikai Ügynökség (MTÜ) üzemeltetése által. Az NTAK indulásakor az összes magyarországi szálláshely-szolgáltatónak kellett regisztrálnia az NTAK rendszerébe és statisztikai adatokat szolgáltatni az NTAK felé.Az NTAK a regisztrációs felületen kívül az adatok fogadásáért és feldolgozásáért felelős, valamint az adatküldés ellenőrzéséért és a beküldött adatok feldolgozását követően azok továbbítását a megfelelő szerveknek, melyek lehetnek: a KSH, a NAV vagy a területileg illetékes önkormányzatok.A szálláshelyek sikeres adatszolgáltatásából kiindulva a vendéglátóhelyek és a turisztikai attrakciók üzemeltetői is kötelesek lesznek adatot szolgáltatni az NTAK rendszerébe 2023. július elsejétől kezdve.A vendéglátóhelyek közé tartozik az összes Magyarországon üzemelő kereskedelmi vendéglátó üzlet. Az attrakciók közé pedig minden olyan jegyet értékesítő programot üzemeltető turisztikai vonzerővel bíró látványosság tartozik, amely lehet akár ember által alkotott vagy természeti látnivaló is pl: természetvédelmi terület vagy vidámpark.A vendéglátó egységeknek a fogyasztási összesítőket részletező adatokat kell beküldeniük eseményvezérelten. Ezekhez az adatokhoz tartozik például a rendelés ideje, az fizetés során használt fizetőeszköz és a rendelt tételek információi, mint ár, mennyiség, egységár, ÁFA, fő-, és alkategória. Napi egyszer legalább szükséges lesz továbbá egy napi zárás üzenet elküldése, mely tartalmazza az adott tárgynapot, a vendéglátóhely típusát és a nap során kapott borravalók összegzését.A turisztikai attrakciók a jegyek értékesítése során az eladott jegyek kategóriájáról, bruttó áráról, eladás során felhasznált kedvezményekről és a belépésre jogosult személyek számáról kell adatot küldeniük. A jegyek tranzakcióik elemeiéként kell, hogy beérkezzenek, a tranzakciók a jegy adatokon kívül a fizetési információkat tartalmazzák és a látogatók küldő országát. A minden tranzakciónak egy programhoz kell tartoznia, ami tartalmazza a program kategóriáját, típusát és gyakoriságát.A jegyek értékesítésén kívül továbbá a jegyérvényesítési tranzakciókról kell adatot szolgáltatniuk az attrakcióknak.Jelenleg ezek az adtok még ilyen formában nem léteznek, így ahhoz, hogy például tesztek futtatásához felhasználhatóak legyenek az adatok, mikroszimulációs módszer segítségével szimuláltam őket. Azért erre a módszerre esett a választásom, mert a felhasználásával egyén szinten lehet egy adathalmazon vizsgálni változtatások hatásait és nem létező adatok szimulálására vagy hiányzó adatok pótlására gyakran használt módszer, amennyiben a hiányzó adatokról megfelelő mennyiségű információ a szimuláció megkezdése előtt is már rendelkezésre áll. Egyes társadalmi vagy politikai változtatások hatásainak felmérése során alkalmazzák a leggyakrabban a technológiát, mint például a nyugdíjrendszert vagy a szeméji jövedelem adózást módosító szabályozások változtatásainak bevezetése előtt.Az adatok szimulálásához tehát nagyrészt minden a rendelkezésemre állt. Az adatok felépítését az adatfogadó interfészek leírásaiból kikerestem, majd a generált adataimat súlyoztam amegfelelő arányban, sokszor a KSH adatai alapján, mint például a vendéglátó üzletek termékeinek főkategóriák szerinti megoszlása során. Azon adatok esetében pedig, amikor nem állt rendelkezésemre semmi olyan adat, ami alapján az egyedek előfordulásának gyakoriságát be tudtam volna lőni, valamilyen más módszerrel határoztam meg, mint például egy megalapozott tipp.A vendéglátó helyektől beérkező adatok szimulációja során kezdetben sokkal több információ állt a rendelkezésemre a különböző attribútumok arányairól, mint az attrakcióktól beérkező adatok szimulálása során. Így a vendéglátás szimulált adatainak arányai pontosabban közelítik meg a valós adatok arányait, amit az éles adatok beérkezését követően lesz lehetőség megerősíteni vagy megcáfolni.A modellek felépítése és súlyok beállítását követően implementáltam az általam alkotott mikroszimulációs technikákat és elkészítettem a szimulált teszt adathalmazaimat, Python környezet segítségével. A környezet Pandas könyvtárát az adatok kezelése, manipulálása és tárolása során alkalmaztam, a Random könyvtárat használtam fel a véletlenszerűség megőrzése érdekében akár konkrét értékek, akár arányok generálásakor, a dátumok kezeléséhez pedig a DateTime könyvtár eszközeit használtam ki.Az adatok elkészítését követően elemzéseket hajtottam azokon végre mind leíró statisztika eszközeivel a Python környezetében és ábrák, kimutatások készítésével vizualizáltam az adatokat a Microsoft Power BI segítségével.Az elemzések, statisztikák és vizualizációk készítése során beigazolódott, hogy a felhasznált mikroszimulációs modell által generált adatok az elvártnak megfelelő jellemzőkkel rendelkeznek olyan megoszlásban, amit a szimuláció eredményeként elvárt volt.Végezetül a generált teszt adathalmaz segítségével a jövőben a valós adatokon felhasználható vizualizációkat készítettem.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tanszék

Gazdaságinformatika Tanszék

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Gazdaságinformatikus

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	adatgenerálás, attrakció, informatika, mikroszimuláció, NTAK, Power BI, Python, vendéglátás
SWORD Depositor:	Archive User
Felhasználói azonosító szám (ID):	Archive User
Rekord készítés dátuma:	2024. Jan. 24. 09:36
Utolsó módosítás:	2024. Jan. 24. 09:36

Actions (login required)

Tétel nézet