KR20210132333A - 휘트니스 센터의 자동예약시스템 - Google Patents

Abstract

본 발명의 자동예약시스템은, 네트워크 연결된 가맹점들의 월별공실데이터를 분석하는 예약관리서버를 포함하는 자동예약시스템으로서, 상기 예약관리서버는, 네트워크 연결된 각 가맹점들의 일자별 및 수업별강의실의 이용현황에 대한 정보를 수신하여 분석하는 분석처리모듈과, 상기 분석처리모듈에 의하여 분석된 각 가맹점별, 각 일자별 및 각 강의실별 공실데이터에 기초하여, 월별공실데이터를 산출하는 통계산출모듈과, 상기 통계산출모듈에 의하여 산출된 월별공실데이터에 대하여, 오차발생여부 및 오차수정을 수행하는 오차분석모듈과, 상기 오차분석모듈에 의하여 수정된 월별공실데이터를 이용하여 네트워크 연결된 각 가맹점, 중개플랫폼 및 유저단말예측예약서비스를 이용하도록 상기 예측예약서비스를 활성화하는 통지모듈을 포함한다.

Description

휘트니스 센터의 자동예약시스템{Automatic reservation system in fitness center}

본 발명은 빅데이터를 이용한 자동예약시스템에 대한 것으로서, 특히, 유저별이용패턴분석과, 매장별 이용율 분석을 통하여 각 유저마다 자동으로 예약을 진행할 수 있는 시스템에 대한 것이다.

휘트니스 센터 등 온라인 및 오프라인 예약이 필요한 강습이나 수업 서비스에 대해서는, 종래에 무선통신망을 이용하여 이용자와 공급자가 특정 사이트 또는 특정된 프로그램을 이용하여 실시간 정보를 공유하는 예약관리툴이 주로 이용되고 있었다.

이러한 종래의 예약스케쥴 관리는 실시간으로 정보를 공유하거나 고객들에게 예약상태나 예약가능여부를 제공하기 위해서 하나의 가맹점에서 발생하는 월별 수십개의 수업시간표와, 수백 개의 예약자리를 일일이 수기로 관리하여야하는 불편함이 있었다. 그리고, 이러한 수동적 작업은 매월마다 갱신되는 새로운 정보를 받아 업데이트 하여야 하기 때문에, 많은 시간과 비용이 투입되어야 하는 문제점이있다.

본 발명은 과거데이터를 이용하여 각 가맹점별로 월별 공실예측데이터를 생성하고, 생성된 예측데이터를 이용하여 자동예약을 수행할 수 있는 시스템을 제공하고자 한다.

본 발명의 자동예약시스템은, 네트워크 연결된 가맹점들의 월별공실데이터를 분석하는 예약관리서버를 포함하는 자동예약시스템으로서, 상기 예약관리서버는, 네트워크 연결된 각 가맹점들의 일자별 및 수업별강의실의 이용현황에 대한 정보를 수신하여 분석하는 분석처리모듈과, 상기 분석처리모듈에 의하여 분석된 각 가맹점별, 각 일자별 및 각 강의실별 공실데이터에 기초하여, 월별공실데이터를 산출하는 통계산출모듈과, 상기 통계산출모듈에 의하여 산출된 월별공실데이터에 대하여, 오차발생여부 및 오차수정을 수행하는 오차분석모듈과, 상기 오차분석모듈에 의하여 수정된 월별공실데이터를 이용하여 네트워크 연결된 각 가맹점, 중개플랫폼 및 유저단말예측예약서비스를 이용하도록 상기 예측예약서비스를 활성화하는 통지모듈을 포함한다.

본 발명의 자동예약시스템에 의해서, 각 운동센터들에서 수기로 매월 갱신해가면서 관리하였던 시간과 비용을 현저히 줄일 수 있는 장점이 있다.

도 1은 본 발명의 빅데이터를 이용한 자동예약시스템의 구성을 보여주는 도면이다.
도 2는 본 발명의 자동예약시스템의 동작을 설명하기 위한 흐름도이다.
도 3은 유저단말에서 보여지는 예측예약의 일례를 보여주는 사진이다.

도 1은 본 발명의 빅데이터를 이용한 자동예약시스템의 구성을 보여주는 도면이고, 도 2는 본 발명의 자동예약시스템의 동작을 설명하기 위한 흐름도이다.

도 1을 참조하면, 본 실시예의 자동예약시스템은, 가맹점별/수업별 예약 데이터와 공실데이터 등이 보관되는 회원관리서버(200)와, 상기 회원관리서버(200)로부터 가맹점별 및 유저별 이용데이터를 수신하여 각 가맹점별 자동예약 분석과 예측을 수행하는 예약관리서버(100)와, 상기 예약관리서버(100) 및 회원관리서버(200)와 네트워크 연결되어 정보의 송수신이 가능하도록 구성된 가맹점(300), 중개 플랫폼(400) 및 유저단말(500)을 포함한다.

가맹점별 이용데이터는 관리대상의 가맹점에서 수업별공실현황과, 예약현황 및 예약취소현황에 대한 정보를 포함한다.

그리고, 유저별 이용데이터는 상기 예약관리서버(100)와 네트워크 연결된 가맹점들에서의 유저들이 수업에 참가한 데이터, 유저별 예측한 정보, 유저별 예약을 취소한 정보들을 포함한다.

상기 회원관리서버(200)는 네트워크 연결된 가맹점(300), 중개 플랫폼(400) 및 유저단말(500)과도 데이터 송수신이 가능하고, 특히, 가맹점(300)에서 운영하는 수업정보데이터를 수신할 수 있다. 상기 수업정보데이터는 각 가맹점에서 실제 운영하고 있는 수업스케쥴, 각 수업별강의실예약정보, 각 수업별강의실의 예약취소정보를 포함한다.

그리고, 상기 회원관리서버(200)는 각 가맹점별 및 각 수업별강의실에 대한 예약기록을 저장하는 예약기록 데이터베이스(210)와, 상기 예약관리서버(100)에 의하여 예측되는 자동예약과 실제가맹점에서의 운영결과를 비교하여 예약예측과 실제예약이 차이가 발생하는 경우 해당 차이가 사항에 관한 정보가 저장되는 오차데이터 데이터베이스(220)를 포함한다. 상기 오차데이터 데이터베이스(220)에 저장되는 오차데이터들은 상기 예약관리서버(100)에 의하여 예측된 예상 예약 정보와, 실제가맹점에서의 수업 진행 결과에 따라 수행된 예약 및 예약취소현황에 대한 정보가 상이한 경우에 해당 가맹점, 강의실 및 해당 유저에 대한 정보들을 저장 및 관리한다.

오차가 발생된 예측예약에 대해서는, 해당 가맹점의 운영시간, 해당 가맹점의 수업스케쥴에 대한 정보, 해당 가맹점의 수업 강사에 대한 정보, 해당수업에 참가하는 유저에 대한 정보들이 오차데이터로 저장될 수 있으며, 오차가 발생된 일자에 대한 정보와, 해당일자의 날씨 및 뉴스에 관한 정보를 포함한다. 해당일자의 날씨 및 뉴스에 관한 정보를 참조하는 이유는, 예측예약과 실제예약 상태 사이에 해당일자의 돌변 변수로 인하여 오차가 발생하였는지 여부를 더욱 정확히 분석할 수 있기 때문이다.

한편, 상기 예약관리서버(100)는, 상기 회원관리서버(200)에 저장된 각 가맹점별 또는 각 수업별 예약현황 및 예약취소현황에 대한 정보를 수신하여 과거 예약 정보들에 대한 분석을 수행하는 분석처리모듈(110)과, 상기 분석처리모듈(110)에 의하여 분석된 데이터에 기초하여 각 가맹점별, 각 수업별, 각 일자별 예측예약 정보를 생성하는 통계산출모듈(120)과, 상기 통계산출모듈(120)에 의하여 예측되는 각 가맹점별, 각 수업별, 각 일자별의 강의실 또는 수업실의 예측예약 정보에 대해서 오차발생여부를 판단하기 위한 오차분석모듈(130)과, 상기 오차분석모듈(130)의 판단결과 예측예약의 오차가 발생될 가능성이 기설정된 기준값보다 작다고 판단되는 경우에 네트워크 연결된 가맹점(300), 중개 플랫폼(400) 및 유저단말(500)로 예측 예상과 공실 예약 기능을 활성화하는 통지모듈(140)을 포함한다.

상기 예약관리서버(100)에 의한 공실(公室)을 자동예약하는 방법에 대해서는 도 1 및 도 2를 함께 참조하여 설명하기로 한다.

상기 예약관리서버(100)의 분석처리모듈(110)은 상기 예약기록 데이터베이스(210)에 저장된 고객사 예약기록을 수집한다(S101). 고객사 예약기록 정보는 과거의 각 가맹점별, 각 수업별 및 각 일자별에 해당하는 강의실의 예약현황과 예약취소현황에 대한 정보를 포함한다.

상기 분석처리모듈(110)은 과거 공실이 발생한 가맹점, 수업 및 일자에 대한 정보를 추출해내는 역할을 수행하고, 해당 공실들이 예약 후 취소된 것인지 여부와, 예약없이 공실의 상태로 유지되었는지 여부를 분석한다. 이러한 분석 데이터는 상기 통계산출모듈(120)이 향후 자동예약 기능을 수행하는데 있어서, 공실로 유지될 가능성이 높다면 자동예약의 대상이 되는 강의실로 될 가능성이 높다.

그리고, 상기 분석처리모듈(110)은 가맹점별, 수업별 및 일자별로 공실이 발생된 빈도수 또는 확률에 따라 강의실들을 정렬할 수 있으며, 각 강의실들에 대한 긍정요인과 부정요인을 함께 분석한다.

여기서, 긍정요인과 부정요인은 해당 가맹점의 내적요소와 외적요소, 해당 강의실의 내적요소와 외적요소 등을 포함하며, 내적요소는 해당 가맹점 또는 강의실에서 발생된 원인을 가리키고, 외적요소는 해당 가맹점 또는 강의실 외의 외부 요인에 의한 원인을 가리킨다. 예를 들어, 내적요소는 가맹점 또는 강의실의 지리적위치, 수업 내용에 대한 사항, 트레이너 또는 유저의 예약 취소 여부 등이 될 수 있으며, 외적요소는 해당일자의 날씨, 해당일자의 사회 뉴스 등이 될 수 있다.

그리고, 상기 분석처리모듈(110)은 과거 데이터의 분석 결과에 따라 공실 발생에 따른 긍정요인과 부정요인에 대한 정보를 상기 회원관리서버(200)의 오차데이터 데이터베이스(220)에 저장하여 둘 수 있다.

상기 분석처리모듈(110)에 의하여 과거 데이터에 기초하여 각 가맹점별, 각 수업별 및 각 일자별로 강의실/룸들에 대한 공실 발생 가능성이 상기 통계산출모듈(120)에 의하여 추출된다(S102).

상기 통계산출모듈(120)은 상기 분석처리모듈(110)에 의하여 과거 데이터의 분석 결과에 따라 각 강의실들에 대한 공실 가능성에 대해서 예측한다. 예를 들어, 특정 기간에 특정 가맹점의 A수업이 진행되는 B강의실이 과거 50% 이상 공실 상태였던 경우, 상기 통계산출모듈(120)은 해당 B강의실에 대한 공실 가능성을 예측하고, 각 유저별로 해당 B강의실의 공실 가능성이 높은 날에 자동예약이 이루어지도록 할 수 있다.

한편, 상기 통계산출모듈(120)에 의하여 예측된 공실, 즉, 자동예약이 가능한 강의실이 분석된 긍정요인과 부정요인에 의하여 오차가 발생할 수 있는지 여부가 상기 오차분석모듈(130)에 의하여 수행된다(S103).

상기 오차분석모듈(130)은 월별공실데이터가 실제예약을 수행하는 정보와 상이할 것인지 여부를 예측하여 판단하는 역할을 수행한다. 예를 들면, 상기 오차분석모듈(130)은 상기 통계산출모듈(120)에 의하여 산출되는 월별공실데이터에 대해서 해당일자 및 해당 강의실에 대한 외부 요소와 내부 요소를 이용하여 공실이 발생될 가능성이 높더라도 공실이 되지 않을 가능성에 대해서 판단한다.

예를 들어, 상기 오차분석모듈(140)은 특정 강의실의 공실 가능성이 높더라도 외부 요소인 날씨(태풍 등)에 의하여 공실되는 경우가 많은 경우에는 실제로 공실로 되더라도 수업/트레이닝 참여가 어려우므로 자동예약시에 해당일자의 강의실을 자동예약하지 않을 수 있다. 반대로, 상기 오차분석모듈(140)은 수업이 예정되어 있는 특정 강의실이 공실될 가능성이 낮더라도 유저들의 참여가 많이 낮은 날짜인 경우에는 실제로 공실이 발생할 가능성이 높기 때문에 자동예약시 해당 강의실을 이용할 수도 있다.

이와 같이, 상기 오차분석모듈(140)은 상기 통계산출모듈(130)에 의하여 분석된 월별공실데이터에 대해서 일자별로 외부 요소와 내부 요소를 이용하여 공실 가능성을 수정하는 역할을 수행한다(S104).

그 다음, 통지모듈(140)은 예측된 정보가 기타 다른 가맹점들과의 예측된 정보들과 오차 범위가 기준값보다 작은 경우에, 가맹점(300), 중개 플랫폼(400) 및 유저단말(500)들로 일괄적인 예측예약 기능을 활성화시킨다(S105). 즉, 예측예약 기능이 활성화되면, 즉시 예약 서비스를 이용할 수 있게 된다.

도 3에는 유저단말에서 보여지는 예측예약의 일례를 보여주는 사진이 도시되어 있다.

유저는 자신의 단말을 이용해서 자동예약된 상황(예를 들면, 워커힐 골프클럽 예약)이 표시될 수 있으며, 상기 예약관리서버(100)가 자동 생성한 예측예약 상황에 대해서 승인을 하게 되면, 해당 예약이 확정될 수 있다.

본 발명은 커팅부, 제 1 트랜스퍼 및 제 2 트랜스퍼, 콤바인부를 포함할 수 있다.

커팅부는 데이터를 분할하여 복수 개의 조각들을 생성하고, 조각들의 각각에 어드레스를 부여할 수 있다. 여기서, 조각들의 어드레스는 복수 개의 문자 및 숫자의 조합으로 이루어질 수 있다.

또한, 커팅부는 각각의 어드레스를 고려하여 조합 규칙을 생성할 수 있다. 여기서, 조합 규칙은 복수 개의 데이터 조각들을 각각의 어드레스를 바탕으로 하여 분할되기 이전의 데이터로 조합할 수 있도록 하는 규칙을 의미한다.

제 1 트랜스퍼는 복수 개의 데이터 조각들을 임의의 순서로 전송할 수 있다. 여기서, 복수 개의 데이터 조각들은 각각 부여된 어드레스와 함께 전송될 수 있다.

제 2 트랜스퍼는 제 1 트랜스퍼에 의해 전송된 복수 개의 데이터 조각들에 대응되는 조합 규칙을 전송할 수 있다. 여기서, 제 2 트랜스퍼는 제 1 트랜스퍼에 의한 복수 개의 데이터 조각들의 전송에 대하여 시차를 두고 조합 규칙을 전송하는 것이 바람직할 수 있다.

이상 본 명세서에서 설명한 기능적 동작과 본 주제에 관한 실시형태들은 본 명세서에서 개시한 구조들 및 그들의 구조적인 등가물을 포함하여 디지털 전자 회로나 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어에서 혹은 이들 중 하나 이상의 조합에서 구현 가능하다.

본 명세서에서 기술하는 주제의 실시형태는 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 데이터 처리 장치에 의한 실행을 위하여 또는 그 동작을 제어하기 위하여 유형의 프로그램 매체 상에 인코딩되는 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다. 유형의 프로그램 매체는 전파형 신호이거나 컴퓨터로 판독 가능한 매체일 수 있다. 전파형 신호는 컴퓨터에 의한 실행을 위하여 적절한 수신기 장치로 전송하기 위한 정보를 인코딩하기 위하여 생성되는 예컨대 기계가 생성한 전기적, 광학적 혹은 전자기 신호와 같은 인공적으로 생성된 신호이다. 컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조합 혹은 이들 중 하나 이상의 조합일 수 있다.

컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다.

컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다.

컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터 또는 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.

부가적으로, 본 명세서에서 기술하는 논리 흐름과 구조적인 블록도는 개시된 구조적인 수단의 지원을 받는 대응하는 기능과 단계의 지원을 받는 대응하는 행위 및/또는 특정한 방법을 기술하는 것으로, 대응하는 소프트웨어 구조와 알고리즘과 그 등가물을 구축하는 데에도 사용 가능하다.

본 명세서에서 기술하는 프로세스와 논리 흐름은 입력 데이터 상에서 동작하고 출력을 생성함으로써 기능을 수행하기 위하여 하나 이상의 컴퓨터 프로그램을 실행하는 하나 이상의 프로그래머블 프로세서에 의하여 수행 가능하다.

컴퓨터 프로그램의 실행에 적합한 프로세서는, 예컨대 범용 및 특수 목적의 마이크로프로세서 양자 및 어떤 종류의 디지털 컴퓨터의 어떠한 하나 이상의 프로세서라도 포함한다. 일반적으로, 프로세서는 읽기 전용 메모리나 랜덤 액세스 메모리 혹은 양자로부터 명령어와 데이터를 수신할 것이다.

컴퓨터의 핵심적인 요소는 명령어와 데이터를 저장하기 위한 하나 이상의 메모리 장치 및 명령을 수행하기 위한 프로세서이다. 또한, 컴퓨터는 일반적으로 예컨대 자기, 자기광학 디스크나 광학 디스크와 같은 데이터를 저장하기 위한 하나 이상의 대량 저장 장치로부터 데이터를 수신하거나 그것으로 데이터를 전송하거나 혹은 그러한 동작 둘 다를 수행하기 위하여 동작가능 하도록 결합되거나 이를 포함할 것이다. 그러나, 컴퓨터는 그러한 장치를 가질 필요가 없다.

본 기술한 설명은 본 발명의 최상의 모드를 제시하고 있으며, 본 발명을 설명하기 위하여, 그리고 당업자가 본 발명을 제작 및 이용할 수 있도록 하기 위한 예를 제공하고 있다. 이렇게 작성된 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하는 것이 아니다.

따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 요컨대 본 발명이 의도하는 효과를 달성하기 위해 도면에 도시된 모든 기능 블록을 별도로 포함하거나 도면에 도시된 모든 순서를 도시된 순서 그대로 따라야만 하는 것은 아니며, 그렇지 않더라도 얼마든지 청구항에 기재된 본 발명의 기술적 범위에 속할 수 있다는 점을 밝힌다.

Claims (3)

1. 네트워크 연결된 가맹점들의 월별공실데이터를 분석하는 예약관리서버를 포함하는 자동예약시스템으로서,
   상기 예약관리서버는,
   네트워크 연결된 각 가맹점들의 일자별 및 수업별강의실의 이용현황에 대한 정보를 수신하여 분석하는 분석처리모듈과,
   상기 분석처리모듈에 의하여 분석된 각 가맹점별, 각 일자별 및 각 강의실별 공실데이터에 기초하여, 월별공실데이터를 산출하는 통계산출모듈과,
   상기 모듈 사이의 전송 데이터들을 분산 저장하는 분산 저장 모듈과,
   상기 통계산출모듈에 의하여 산출된 월별공실데이터에 대하여, 오차발생여부 및 오차수정을 수행하는 오차분석모듈과,
   상기 오차분석모듈에 의하여 수정된 월별공실데이터를 이용하여 네트워크 연결된 각 가맹점, 중개플랫폼 및 유저단말예측예약서비스를 이용하도록 상기 예측예약서비스를 활성화하는 통지모듈을 포함하는 자동예약시스템.
2. 제 1 항에 있어서,
   상기 오차분석모듈은 상기의 산출된 월별공실데이터에 대하여 각 가맹점별 긍정요인과 부정요인을 이용하여 오차발생여부를 판단하고,
   상기 긍정요인과 부정요인은 상기 가맹점의 내적요소와 외적요소에 기반되며,
   상기 내적요소는 상기 가맹점에서 발생된 원인인 상기 가맹점의 지리적위치, 상기 가맹점에서 수행되는 수업 내용에 대한 사항과, 트레이너 또는 유저의 예약 취소 여부에 대한 정보를 포함하고,
   상기 외적요소는 상기 월별공실데이터에서의 각 날짜별 날씨 또는 해당일자의 뉴스정보를 포함하는 자동예약시스템.
3. 제 2 항에 있어서,
   상기 오차분석모듈에 의하여 분석된 오차발생여부에 대한 정보가 기록되는 오차데이터 데이터베이스와, 상기 분석처리모듈로 제공하기 위한 각 가맹점별과거공실데이터가 저장되는 예약기록 데이터베이스를 포함하는 회원관리서버를 더 포함하는 자동예약시스템.

Images