Data - driven Innovation: location and big data analytics for knowledge extraction in tourism destinations

Abstract

This Ph.D. thesis is written and submitted to the Department of Economics of the University of Crete, Greece, as a partial fulfillment of my obligations as a PhD Candidate. It consists of three separate chapters that study the applications of location and big data analytics for knowledge extraction in tourism destinations.The first chapter of the thesis entitled, "Big data Analytics: Applications, prospects and challenges", studies the role and impact of big data analytics in innovation and value creation. The tremendous increase of data through the Internet of Things (connected devices) has led to a “big-data era”, where big data analytics are applicable in every sector and economy globally. The growing expansion of available data is commonly accepted, while valuable knowledge arising from the information comes from big data analysis processes. The prospects of big data analytics are important and the benefits for data-driven organizations are significant determinants for competitiveness and innovation performance. However, there are considerable obstacles to adopting a data-driven approach and get valuable knowledge through big data. The second chapter of the thesis entitled, "Knowledge Extraction through Location & Big Data Analytics: the case of Crete", explores the knowledge extraction using location and big data analytics techniques. Nowadays, tourists generate massive volumes of data (big data) during their visit to an urban destination. However, there is little knowledge of their spatial activity and perceptions. Enterprises and organizations in hospitality and tourism are able to exploit actual behavioural data - perceptions derived from big data generated in real-time from online data sources in contrast to traditional customer surveys based on questionnaires. An innovative approach is demonstrated using the case study of Crete by integrating big data techniques, location intelligence and social media transforming tourist experiences into valuable assets (new knowledge extraction) for quicker and more efficient decision making. More specifically, the approach introduces the combination of textual and photo analytics with data derived from media sharing and textual social networks, introduces social big data analytics such as social engagement, sentiment analysis, topic/label detection combined with spatio-temporal features to provide more insights about tourist destinations. Research findings demonstrate how this novel approach of location and big data analytics, in contrast to traditional tourist surveys and conventional spatio-temporal data, can provide new and valuable knowledge. Implications arising from the study are significant assets for tourism SMEs, DMOs and other tourism stakeholders in the search of innovative marketing strategies for demonstrating the added value of destination, strengthening destination branding and gaining a competitive advantage against other rival tourist destinations. The third chapter of the thesis entitled, "Big Data Analytics for Tourism Destinations: A comparative analysis through Location-Based Social Networks", investigates the user-generated data in Location-based Social Networks (LBSNs) that can be a great resource of knowledge for understanding people’s behaviour details and movement flows in tourism destinations. Nowadays, local authorities and tourism enterprises are using conventional methods like surveys and opinion polls for collecting data and strategic decision making. Despite the benefits of these approaches, they present significant disadvantages such as the sample size is small and they are time - consuming. Focusing on tourism and location-based social media networks, this chapter reveals a novel approach to leverage massive unstructured data for knowledge extraction. In contrast to the conventional spatio-temporal data, big social media data offer dynamically to innovation and value creation through improving the strategic decision-making process of tourism destination stakeholders. The approach integrates location and big data analytics techniques and it is implemented based upon geotagged user-generated data shared on the two largest islands in the Mediterranean Sea, the island of Crete (Greece), and the island of Cyprus that are popular summertime tourist destinations. The comparison between two tourist destinations with common characteristics provides additional insights into the potential of each destination and areas of improvement. Practical implications are arising through the efficient spatio-temporal and demographic analysis of tourist movement in both tourism destinations for improving the strategic decision making of stakeholders like local authorities and tourism SMEs leading to innovation and value creation. In addition, DMOs can leverage the new knowledge for developing innovative marketing strategies, strengthening destination branding and gaining a competitive advantage against rival tourism destinations.

Αυτή η διδακτορική διατριβή αποτελείται από τρία ξεχωριστά κεφάλαια που μελετούν την εκμετάλλευση της ανάλυσης μεγάλων δεδομένων και τοποθεσίας για την εξόρυξη γνώσης σε σε τουριστικούς προορισμούς. Το πρώτο κεφάλαιο μελετά το ρόλο και τον αντίκτυπο της ανάλυσης μεγάλων δεδομένων στην καινοτομία και τη δημιουργία αξίας. Η ραγδαία αύξηση δεδομένων, η οποία οφείλεται κυρίως στην αύξηση της διασύνδεσης συσκευών (Διαδίκτυο των Πραγμάτων) έχει οδηγήσει σε μια "εποχή μεγάλων δεδομένων", όπου η ανάλυση μεγάλων δεδομένων εφαρμόζεται σε όλους τους κλάδους παγκοσμίως. Η αύξηση των διαθέσιμων δεδομένων είναι φανερή, ενώ πολύτιμη γνώση προκύπτει από τις πληροφορίες που προέρχονται από τις διαδικασίες ανάλυσης μεγάλων δεδομένων. Το δεύτερο κεφάλαιο διερευνά την εξόρυξη γνώσης μέσω της αξιοποίησης τεχνικών ανάλυσης μεγάλων δεδομένων και τοποθεσίας. Σήμερα οι επισκέπτες μιας περιοχής παράγουν τεράστιους όγκους δεδομένων, “μεγάλα δεδομένα”, κατά την επίσκεψη τους στον αστικό προορισμό. Ωστόσο, ελάχιστη γνώση υπάρχει σχετικά με τη χωρική δραστηριότητα και τις αντιλήψεις τους. Οι επιχειρήσεις και οι οργανισμοί στους κλάδους της φιλοξενίας και του τουρισμού είναι σε θέση να αξιοποιήσουν πραγματικά δεδομένα συμπεριφοράς/αντιλήψεων τα οποία προέρχονται από μεγάλα δεδομένα που παράγονται σε πραγματικό χρόνο από διαδικτυακές πηγές δεδομένων σε αντίθεση με την συγκέντρωση δεδομένων από παραδοσιακές έρευνες βάσει ερωτηματολογίων. Μια νέα καινοτόμος προσέγγιση προτείνεται και εφαρμόζεται με την Κρήτη ως μελέτη περίπτωσης, χρησιμοποιώντας τεχνικές ανάλυσης μεγάλων δεδομένων, ευφυϊας τοποθεσίας και κοινωνικών δικτύων που μετατρέπουν τις τουριστικές εμπειρίες σε πολύτιμα περιουσιακά στοιχεία (εξόρυξη νέας γνώσης) για ταχύτερη και αποτελεσματικότερη λήψη αποφάσεων. Πιο συγκεκριμένα, η προσέγγιση εισάγει: τον συνδυασμό ανάλυσης κειμένων και φωτογραφιών με δεδομένα που προέρχονται από κοινωνικά δίκτυα διαμοιρασμού κειμένων και πολυμένων, την ανάλυση μεγάλων δεδομένων κοινωνικών δικτύων όπως ανάλυση συναισθήματος, ανίχνευσης θεμάτων/ετικετών σε συνδυασμό με χωροχρονικά χαρακτηριστικά που παρέχουν περισσότερες πληροφορίες για τους τουριστικούς προορισμούς. Τα ευρήματα της έρευνας αποδεικνύουν ότι η νέα αυτή προσέγγιση σε αντίθεση με τις παραδοσιακές τουριστικές έρευνες/μελέτες και τα συμβατικά χωροχρονικά δεδομένα, μπορεί να παρέχει νέα και πολύτιμη γνώση. Τα συμπεράσματα της μελέτης είναι σημαντικά για τουριστικές μικρομεσαίες επιχειρήσεις, οργανισμούς διαχείρισης προορισμών και άλλους ενδιαφερόμενα μέλη του τουρισμού στην αναζήτηση καινοτόμων στρατηγικών μάρκετινγκ για την ανάδειξη της προστιθέμενης αξίας ενός προορισμού, ενισχύοντας την ταυτότητα του προορισμού και αποκτώντας ανταγωνιστικό πλεονέκτημα έναντι άλλων ανταγωνιστικών τουριστικών προορισμών. Το τρίτο κεφάλαιο διερευνά τα δεδομένα που παράγονται από χρήστες στα κοινωνικά δίκτυα τοποθεσίας (location-based social networks) που μπορούν να αποτελέσουν μία σημαντική πηγή γνώσης για την κατανόηση λεπτομερειών συμπεριφοράς των ανθρώπων και των ροών κίνησης στους τουριστικούς προορισμούς. Σήμερα, οι τοπικές αρχές και οι τουριστικές επιχειρήσεις χρησιμοποιούν συμβατικές μεθόδους όπως έρευνες και δημοσκοπήσεις για τη συλλογή δεδομένων και τη λήψη στρατηγικών αποφάσεων. Οι προσεγγίσεις αυτές παρά τα οφέλη τους παρουσιάζουν και σημαντικά μειονεκτήματα όπως το μικρό μέγεθος δείγματος και οι απαιτήσεις τους σε χρόνο. Εστιάζοντας στον τουριστικό κλάδο και στα κοινωνικά δίκτυα τοποθεσίας, αναδεικνύεται μία νέα προσέγγιση για την εκμετάλλευση μεγάλων μη δομημένων δεδομένων για την εξόρυξη νέας γνώσης. Σε αντίθεση με τα συμβατικά χωροχρονικά δεδομένα, τα μεγάλα δεδομένα των κοινωνικών δικτύων προσφέρουν δυναμικά στην καινοτομία και την δημιουργία αξίας μέσω της βελτίωσης λήψης στρατηγικών αποφάσεων από τους ενδιαφερόμενους στους τουριστικούς προορισμούς. Η προσέγγιση ενσωματώνει τεχνικές ανάλυσης μεγάλων δεδομένων και τοποθεσίας και υλοποιείται βασισμένη σε δεδομένων που παράγονται από χρήστες και έχουν διαμοιραστεί στα δύο μεγαλύτερα νησιά της Μεσογείου, την Κρήτη (Ελλάδα) και την Κύπρο. Η σύγκριση μεταξύ δύο τουριστικών προορισμών με αρκετά κοινά χαρακτηριστικά παρέχει επιπλέον στοιχεία για τις δυνατότητες κάθε προορισμού και τα σημεία που επιτρέπουν βελτίωση. Πρακτικά συμπεράσματα που προκύπτουν από την αποτελεσματική χωροχρονική και δημογραφική ανάλυση της τουριστικής κίνησης στους δύο προορισμούς για την βελτίωση της λήψης στρατηγικών αποφάσεων που οδηγούν σε καινοτομία και δημιουργία αξίας από τα ενδιαφερόμενα μέρη όπως οι τοπικές αρχές και οι τουριστικές μικρομεσαίες επιχειρήσεις. Επιπλέον, οι οργανισμοί διαχείρισης και προώθησης προορισμού μπορούν να αξιοποιήσουν τη νέα γνώση για την ανάπτυξη καινοτόμων στρατηγικών μάρκετινγκ, την ενίσχυση του branding προορισμού και την απόκτηση ανταγωνιστικού πλεονεκτήματος σε σχέση με τους ανταγωνιστικούς τουριστικούς προορισμούς.