通过跟踪关键绩效指标(kpi)随时间的演变，酒店管理者可以识别有意义的趋势，创建预测和预算，并评估不同策略的结果。为了进行这种分析，必须在一致的时间间隔内，按时间顺序记录数据。这就是所谓的时间序列。

　　例如，过去一个月的每日入住率是一个时间序列:数据(入住率)在一致的时间间隔(每日)内记录，并按时间顺序显示。看时间序列有很多方法，这取决于你想从中获得的见解。在本文中，我们将讨论两种最常用的方法:季节平均法和移动平均法。

　　酒店业的数据是不稳定的:旺季、淡季和淡季会在不同时期造成剧烈的波动。季节性方法探索这些短期变化，以便了解有系统地重复出现的趋势。我们将使用HotStats数据来说明这一点。下面的季节性图表显示了美国2016年1月至2019年8月的每间可用客房收入数据。

　　该图清楚地显示了一种模式的系统重复，其特征是在3月、4月和10月达到高峰，在1月、2月、7月、8月、9月、11月和12月显著下降，5月和6月作为一个肩膀。这在制定预算和预测月度活动时非常有用。这也是一种快速检查异常的方法，因为它可以很容易地发现偏离模式并需要解释的异常值。

　　从基准的角度来看，您还可以在相同的图表上绘制竞争集的季节性结果，并检查模式是否匹配，以便更好地了解业务前景。此外，模式会随着时间的推移而改变:也许一个新的吸引力会在几个月前很安静的时候把生意带到一个地方。季节图是发现这些变化的特殊工具。

　　然而，季节性数据也有其局限性:波动性使其很难确定长期趋势。如果你想知道从2016年1月到2019年8月，美国单月每间可用客房收益是增长还是下降，上面的图表不会有太大帮助。随着波峰和波谷的出现，找到一条趋势线并非易事。这正是酒店业者采用移动平均线来平滑数据的原因。

　　移动平均法不考虑短期变化，以便发现数据中的非系统性变化——换句话说，从一个商业季节到另一个商业季节无法解释的增减。这是通过使用平均值而不是每个时间段的实际结果来实现的。因此，历史数据的权重可以平滑任何特定的短期变化。

　　要计算每个数据点，您需要决定在平均值中包含多少个月的历史数据。下面的图表使用HotStats数据描绘了2016年1月至2019年8月期间美国单月每间可用客房收入的12个月移动平均值。

　　每个数据点都以连续12个月的简单平均值计算。所以，对于每个时期，我们有:

　　2016年1月12个月移动平均值=2015年2月至2016年1月的每间可用客房收益之和

　　2016年2月12个月移动平均值=2015年3月至2016年2月的每间可用客房收益之和

　　2019年8月12个月移动平均值=2018年9月至2019/12年8月的每间可用客房收益之和

　　在12个月移动平均图中，季节图的变化是不易察觉的，我们现在可以清楚地看出，在分析的大部分时间里，美国每间可用客房收入的增长趋势。同样值得注意的是:自2019年2月以来，这一上升趋势已趋于稳定。每间可用房收益的减速可能对盈利能力产生严重影响，应促使酒店业者将更深入的分析纳入其支出，以提高流量。

　　查看数据没有单一的方法。每种方法都会产生独特的见解，了解何时以及如何使用它们非常重要。如今，HotStats等基准测试平台能够以不同的格式显示财务数据，以帮助酒店管理者做出更明智的决定，从而最终推动利润的增长。