Utveckling av maskininlärningsalgoritm för prediktering av biljettförsäljning inom teater

Syfte och mål

Syftet med projektet var att utnyttja de omfattande tekniska framsteg som skett inom maskininlärning och databehandling för att hjälpa teatrar och producenter av live-underhållning att förutspå hur biljettförsäljningen kommer gå under en säsong. Bättre prognoser kan bidra till förbättrad budgetering och effektivare marknadsföring. Målet var att undersöka möjligheten att utveckla algoritmer som kan förutspå hur den ackumulerade biljettförsäljningen kommer utveckla sig.

Resultat och förväntade effekter

Projektets resultat är att vi satt upp en omfattande datainfratruktur för att hantera strömmande biljettdata och funnit en kategori av "online learning" algoritmer som uppvisar mycket lovande egenskaper. Det förväntade effekterna är att vi tar dessa fundament för att vidareutveckla detta till en mjukvara som kan produktionssättas.

Upplägg och genomförande

Projektet var uppdelat i tre faser. Den första fasen omfattade litteraturstudier och intervjuer. Målet var att indentifiera vad som redan gjorts på det här området och hur tilltänkta användare löser problemet idag. Del två gick ut på att sätta upp en den omfattande datainfrastruktur som krävs för att hantera stora mängder strömmande transaktioner. Del tre gick ut på att testa och utvädera olika typer av maskininlärningsmetoder och modeller.