2、民宿数据基础认知：民宿行业常见数据类型及其业务含义

民宿运营与酒店管理的最大差异在于“小体量、高触点、强个性”。一套民宿系统（PMS/OTA后台/智能门锁/收益管理工具）每天会产生大量数据，但多数房东只关注“今天有没有订单”，忽略了数据背后的业务逻辑。要完成数据清洗与标准化，第一步不是写Python脚本，而是先建立对数据类型的“业务嗅觉”——知道每一张表、每一个字段在真实经营中代表什么、由谁产生、会被谁使用、质量风险在哪里。本章将系统拆解民宿行业六大核心数据类型：订单数据、房源数据、评价数据、价格数据、入住数据及辅助数据，并给出业务含义、字段结构、质量特征与清洗优先级。

上图展示了民宿数据资产的六大核心类型及其关联关系。在实际运营中，这些数据并非孤立存在——订单数据关联房源与价格，评价数据影响后续定价与房源优化，入住数据则验证订单的真实履约情况。理解这张图，是后续清洗工作的认知基础。

2.1 订单数据：经营分析的“主干道”

核心原理

订单数据是民宿经营的“主动脉”，记录了每一笔交易从创建到完成的全生命周期状态。它不仅是收入核算的依据，更是渠道效果评估、房量预测、客户画像分析的基础。订单数据通常由OTA平台（美团、携程、Airbnb、小猪等）、直订网站、线下渠道（微信/电话）三个来源产生，不同来源的字段格式、状态定义、时间粒度差异极大。

关键字段与业务含义

字段名	业务含义	常见质量问题
order_id	订单唯一标识	不同渠道重复编号、前缀缺失
channel	预订渠道（OTA/直连/线下）	渠道名称不统一（如“携程”与“Ctrip”）
room_type	预订房型	同一房型多名称（“大床房”vs“1.8米大床”）
order_status	订单状态（待支付/已确认/已入住/已取消）	状态码不一致，取消原因缺失
amount	订单金额（含/不含佣金）	币种混淆、含税不含税口径不一
create_time	下单时间	时区问题、时间戳格式不统一
check_in/out	入住/退房日期	日期格式混乱（2024/1/1 vs 2024-01-01）

操作流程：订单数据清洗优先级

1. 去重与合并：同一笔订单在多个渠道报表中重复出现，需以订单号+入住人手机号+入住日期为联合主键去重。
2. 状态标准化：将各渠道的“已确认/Confirmed/Booking Confirmed”统一映射为“已确认”。
3. 金额口径统一：明确“订单金额=房费+清洁费-优惠-平台佣金”，并拆分出佣金字段。
4. 时间字段规范化：统一为“YYYY-MM-DD HH:MM:SS”，并标注时区（国内民宿一般统一为北京时间）。

2.2 房源数据：静态资产的“数字孪生”

核心原理

房源数据描述“你卖的是什么”——包括物理属性（面积、户型、床位）、服务属性（设施、政策）、展示属性（图片、标题、描述）。房源数据看似静态，但实际变更频繁：装修升级、设施增减、照片更换、可住人数调整都会影响搜索排名和转化率。清洗房源数据的核心是建立“房源主数据”（Master Data），确保所有渠道的房源信息一致。

房源数据分类与清洗要点

• 基础属性：房源ID、名称、地址、经纬度、户型、面积——需与产权证/租赁合同核对。
• 设施与服务：WiFi、空调、厨房、洗衣机、停车位——布尔值字段，注意“有/无/未知”三态。
• 展示内容：标题、描述、图片URL、视频链接——检查图片是否失效、描述是否含违规词。
• 渠道映射：同一房源在不同OTA的房源ID不同，需建立“房源ID映射表”。

2.3 评价数据：口碑资产的“金矿”

核心原理

评价数据是民宿在OTA平台排名权重最高的因素之一。它包含数值评分（综合/卫生/服务/位置/设施）和文本评论两部分。评价数据清洗的难点在于：文本噪声大（表情符号、错别字、方言）、评分口径不一（有的平台5分制，有的10分制）、虚假评价识别。清洗目标不是删除差评，而是将非结构化文本转化为可分析的结构化标签。

评价数据清洗流程

1. 评分归一化：将不同平台的评分统一映射到5分制（如10分制除以2）。
2. 文本预处理：去除表情、@提及、URL，统一简繁体，纠正常见错别字（“赞”vs“攒”）。
3. 标签抽取：基于关键词库（“干净”“吵”“房东热情”）打标，用于后续情感分析。
4. 渠道去重：同一客人可能在多个平台重复评价，需按订单号+手机号去重。

2.4 价格数据：收益管理的“控制面板”

核心原理

价格数据是民宿最动态、最敏感的数据类型。它包含基础房价（门市价）、渠道价（不同OTA不同价）、促销价（早鸟/连住/Last-minute）、季节性调价、平台佣金比例等。价格数据清洗的核心是建立“价格日历”（Price Calendar），确保每一天、每个渠道、每个房型的价格唯一且可追溯。价格数据质量直接影响收益管理决策——如果历史价格数据混乱，就无法准确计算价格弹性。

价格类型	业务含义	清洗重点
base_price	门市价/挂牌价	是否含清洁费/服务费
channel_price	各渠道实际售价	渠道间价差是否在合理范围
promotion_price	促销活动价	促销时间窗口是否与订单匹配
commission_rate	平台佣金比例	不同等级房东佣金不同（如新房东15%，老房东10%）
extra_fee	附加费（清洁费/超员费）	是否在订单金额中重复计算

2.5 入住数据：履约过程的“黑匣子”

核心原理

入住数据记录客人从到店到离店的全过程，包括实际入住时间、退房时间、入住人数、身份证登记信息、门锁开锁记录、保洁任务、消耗品补充、维修工单等。这类数据往往被忽视，但它验证了订单是否真实履约，也是安全合规（公安登记）和成本核算（水电、消耗品）的依据。入住数据的清洗难点在于：数据来源分散（智能门锁、PMS、手工登记表），时间戳精度不一。

入住数据关键分析维度

• 履约率：实际入住订单数 / 已确认订单数，识别“No-show”和“假订单”。
• 入住时长：实际退房时间 - 计划退房时间，识别“延迟退房”和“提前退房”。
• 入住人数：实际登记人数 vs 预订人数，超员可能涉及安全问题。
• 保洁周期：退房时间与保洁完成时间的间隔，影响下一单入住。

2.6 辅助数据：决策支持的“外围雷达”

核心原理

辅助数据包括渠道对账数据（平台结算单）、竞对房价数据（周边同类型民宿价格）、本地市场数据（节假日/大型活动/天气）、成本数据（水电费、保洁工资、维修费用）。这些数据不直接产生订单，但决定了定价策略和经营健康度。辅助数据清洗的核心是“对齐口径”——例如，平台结算单中的“收入”是扣除佣金后的净收入，而订单数据中的“金额”是含佣金的毛收入，两者不能直接比较。

辅助数据清洗清单

1. 渠道对账：核对平台结算单与订单金额的差异，找出“平台扣款异常”或“退款未同步”。
2. 竞对价格：定期抓取周边3公里内同档次民宿的价格，清洗掉“已下架”或“无房”的无效数据。
3. 成本归集：将水电费、保洁费按“每单”或“每晚”分摊，与收入数据关联。

2.7 案例拆解：一家城市民宿的“数据混乱”到“清洗规范”

背景与约束：某二线城市运营6套房源的房东，同时使用美团、携程、小猪三个OTA平台，并自建微信直订渠道。每月手工导出各平台报表，用Excel汇总经营数据。近期发现：① 各平台订单状态定义不同（美团“已完成”=已退房，携程“已完成”=已离店并结算）；② 同一房源在三个平台的名称不同（“北欧风一居室”“简约大床房”“近地铁温馨公寓”）；③ 价格数据混乱，促销价与日常价混在一起，无法判断真实成交价。

初始现象与目标：月度经营报表中，各渠道收入加总与银行实际到账差异约8%；无法回答“哪个渠道的客人评分最高”这一基本问题。目标：建立一套统一的数据清洗流程，使月度报表差异控制在1%以内。

关键输入数据：三个平台的订单导出表（CSV格式）、银行流水、各平台房源后台截图、近3个月评价文本。

分析判断过程：

1. 对比各平台订单状态枚举值，发现“已完成/已结算/已离店”实际对应同一业务状态，但字段值不同。
2. 检查房源ID映射，发现携程的房源ID与美团不同，且房型名称不一致，导致订单无法关联到统一房源主数据。
3. 价格数据中，部分订单的“支付金额”低于价格日历中的“最低价”，经排查是平台发放了房东未设置的优惠券。

实际操作步骤：

• 第一步：建立“渠道-房源-房型”映射表，将三个平台的房源统一映射到自建的6个房源ID。
• 第二步：编写状态映射字典，将各平台状态统一为“待支付/已确认/已入住/已退房/已取消/已退款”六种。
• 第三步：对价格数据，以“订单创建时间”为基准，关联当天的价格日历，标记出“低于底价”的异常订单。
• 第四步：将清洗后的订单数据与银行流水按“订单号+金额”进行匹配，找出差异订单。

结果对比：清洗后，月度收入差异从8%降至0.6%；识别出3笔平台少结算的订单（共损失约1200元）；发现某渠道的“评分”因平台算法差异，比其他渠道低0.3分，并非服务问题。

风险与代价：清洗过程耗时约2天，且需要人工核对约200笔历史订单。部分早期订单缺少必要字段（如渠道订单号），无法完全追溯。

复盘经验：民宿数据清洗不是一次性项目，而是需要建立“日常清洗规则+月度复核机制”。建议使用开源工具（如Pandas）或低代码平台（如简道云）固化清洗流程，避免每月重复手工操作。

2.8 常见误区与总结复盘

误区	后果	正确做法
只清洗订单数据，忽略房源/价格数据	订单无法关联到正确的房源和价格，分析维度缺失	先建立房源主数据和价格日历，再清洗订单
删除“看起来异常”的数据	可能误删真实经营数据（如平台补贴订单）	先标记异常，人工确认后再处理
所有数据追求100%准确	清洗成本过高，延误分析进度	区分“关键字段”和“次要字段”，分级清洗
忽略时间戳时区问题	跨天订单统计错误，影响入住率计算	统一使用北京时间，并记录原始时区
清洗后不保留原始备份	清洗规则错误时无法回滚	每次清洗前导出原始数据快照

总结：民宿数据清洗的起点不是技术，而是业务认知。只有深刻理解订单、房源、评价、价格、入住、辅助这六类数据的业务含义、产生机制和相互关联，才能制定出合理的清洗规则。建议读者在开始任何清洗工作之前，先完成本章的“数据资产盘点”——列出你手头有哪些数据表、每张表有哪些字段、字段的业务含义是什么、质量如何。这份盘点文档将成为后续所有章节实操的基础。