Disruptive technology forecasting in tourism by fuzzy logic

Ο κόσμος συνεχώς αλλάζει εξαιτίας των νέων τεχνολογικών καινοτομιών που επινοεί η επιστήμη. Η ανάγκη για πρόβλεψη των αλλαγών που φέρνουν οι νέες καινοτομίες είναι πρωταρχικής σημασίας για την επιβίωση των οργανισμών. Οι νέες τεχνολογίες φέρνουν ταυτόχρονα ευκαιρίες αλλά και απειλές. Η μη έγκαιρη πρόβλεψη τους θα έχει ως συνέπεια ο οργανισμός να υποστεί τις αρνητικές επιπτώσεις από τις απειλές των νέων τεχνολογιών και να μην αξιοποιηθούν οι ευκαιρίες που αργά η γρήγορα θα εμφανιστούν. Οι νέες τεχνολογίες μπορεί να προκαλούν μικρές βελτιώσεις ή πολύ δραστικές αλλαγές, οι οποίες αναστατώνουν πλήρως τις υπάρχουσες δομές μιας αγοράς. Η αποτυχία πρόβλεψης, κυρίως των δραστικών τεχνολογιών, θα επιφέρει σε πολύ μικρό χρονικό διάστημα, ακόμα πιο αρνητικά αποτελέσματα στον οργανισμό. Οι δραστικές τεχνολογίες από μόνες τους δεν επιφέρουν έσοδα. Αντιθέτως, μόλις ενσωματωθούν σε ένα επιχειρηματικό μοντέλο επιφέρουν μεγάλης έκτασης αλλαγές στον τομέα και απειλούν πολλές φορές με αφάνεια ακόμα και τις μεγάλες καλά εδραιωμένες επιχειρήσεις στον τομέα. Επίσης, μια νεοεισερχόμενη επιχείρηση στην αγορά που ενσωματώνει νέες τεχνολογίες έχει ανάγκη από ένα μοντέλο που να μπορεί να προβλέψει εάν θα επιφέρει δραστικές μεταβολές στην αγορά και εάν θα καταφέρει, να παραμένει και να κατακτήσει ικανό μερίδιο της αγοράς. Η ασαφής λογική, καθώς αναπαριστά τον τρόπο που σκέπτεται το ανθρώπινο μυαλό με την χρήση λέξεων και λογικών κανόνων, μπορεί να μοντελοποιήσει αρκετά ικανοποιητικά, προβλήματα όπου κυριαρχεί η αβεβαιότητα, εξ αίτιας της αμφιβολίας, της έλλειψης πληροφοριών και των ανακριβών δεδομένων. Στην παρούσα διατριβή αποδεικνύεται ότι η ασαφή λογική έχει τα μέσα να υπολογίσει με μεγάλη επιτυχία, την αβεβαιότητα που μια δραστική τεχνολογία επιφέρει, όπως ακριβώς έχει κάνει και σε πολλούς άλλους τομείς. Αναπτύχθηκε ένα ασαφές μοντέλο έχοντας ως μεταβλητές εισόδου την «Τιμή», την «Ποιότητα-Εξυπηρέτηση», την «Ευκολία Πρόσβασης» και την «Μη εξυπηρετούμενη ανάγκη» και ως έξοδο την «Δραστική Αλλαγή», εκμαιεύοντας την γνώση των ειδικών. Αρχικά οι ειδικοί αξιολογήσαν το προτεινόμενο μοντέλο. Στην συνέχεια η αξιολόγηση έγινε με πραγματικά δεδομένα που αφορούσαν την Airbnb. Το μοντέλο προέβλεψε ότι από τον πρώτο χρόνο λειτουργείας της εταιρίας, το 2010, θα γινόταν κυρίαρχη στην αγορά καταλυμάτων, δηλαδή 7 έτη νωρίτερα από τότε που εμφανίστηκαν οι πρώτες μελέτες για την δραστική αλλαγή που επέφερε η Airbnb στην αγορά. Το Δεκέμβρη του 2020 εισήχθη στο χρηματιστήριο με αξία $87 δις, όταν η αξία της αλυσίδας ξενοδοχείων Marriot ήταν $42 δις και Hilton $29 δις.
One of the main reasons businesses usually fail when (rapid or long-term) technological innovations alter markets is their inability to adapt fast and understand the effect of such innovations to existing and/or traditionally working business models. As disruptive technological innovations become the new norm, attributes of chosen disruptive technologies must be part of the enhanced (new) business model with the aim to benefit customers. This requires a radical departure from 'conventional thinking' to first identify major key factors that drive such technologies and to incorporate the effect of disruptive technologies into the new business model in almost real-time. The result is improved market status and competitiveness of companies and increased returns due to model flexibility and adjustability, as well as predictability. This thesis uses and implements a rule-based Fuzzy Inference System (FIS), an excellent tool to capture even random market phenomena. This is because of the FIS nonlinear universal approximation properties, ability to express human expert knowledge and experience by using fuzzy inference rules represented in “if-then” statements, and ability to handle, incorporate and account for accrued experimental data and a-priori knowledge before returning a solution. The proposed forecasting model is capable to model and predict the disruptiveness for a new technology itself. Results are promising; thus, this method provides a very promising support tool to companies allowing for them to face and overcome disruptive technologies threats (defending against a disruptive challenge) and to offer opportunities to their customers. Real data from Airbnb are applied to the model and the predictability success Is really satisfied.