财富 200 强酒店公司 案例研究

挑战

几十年来，该公司一直成功地与凯悦和希尔顿等竞争对手酒店竞争。但现在它面临着一批新型竞争对手——以技术为驱动的公司，如 Airbnb、Expedia 和 Booking.com，这些公司没有酒店，它们拥有数据。这些公司可以将客人与任何公司的任何地方的酒店房间连接起来，有可能削弱并胜过更传统的参与者。

作为回应，该公司的高级主管表示：“我们正在转型成为一家 IT 公司。这种文化在过去几年中真正扎根。”

定价是主要战场：他们必须始终在其所有 100 多万间客房中为其在线和移动渠道客户提供正确的竞争价格。

为此，该公司于 2012 年构建了一个高性能定价 (HPP) 引擎。这为每位酒店经理提供了未来 90 天每间客房的推荐价格，基于密集的计算，考虑了客人（公司或非公司）、季节、工作日或周末，以及固定费率、提前预订折扣、取消政策和促销活动的复杂网络。

使用 HPP，酒店可以开始每天刷新和重新发布价格。但是，由于全球约有 650,000 个不同的费率计划，这涉及每天处理数亿次更新——而该酒店集团现有的 Oracle 关系数据库无法胜任这项工作。

“我们遇到了一个痛点，即我们的一些酒店的发布需要花费几分钟才能处理。我们遇到了积压情况，更新价格可能需要数小时。这可能非常成问题，”该主管继续说道。

2014 年纽约超级碗期间出现了一个低谷。预计会下雪，比赛可能会从星期日改为星期一。该公司的 82 家纽约酒店一片混乱：将星期一的房价提高？将星期日的房价降低？“他们试图几乎每小时更改价格，并且在五天内我们无法处理定价更新，不仅是纽约，而且是全球范围，因为纽约的酒店发布量很大。系统存在极大的挫败感。它根本不起作用。”

解决方案

他们寻找灵感，发现 Twitter 和 Facebook 等社交媒体巨头正在使用图数据库“以海量规模实现令人难以置信的性能，以及彼此相关的数据”。经过详细的研究，该公司于 2014 年第三季度试用了 Neo4j 图数据库作为潜在的“变革性新解决方案”。

原型显示，Neo4j 可以在短短 34 秒内处理酒店最复杂酒店的 1,600 个不同的费率计划。

填写此页面上的表格以下载完整的案例研究。