In Googlescher Manier habe ich auf Datensets einer von mir betreuten Gemeinde-Web-Site zurückgegriffen und damit klassisches Data Mining betrieben.
Die oben stehende Frage kann deshalb wissenschaftlich äusserst korrekt folgendermassen beantwortet werden (Datengrundlage: 4. August 2008):
Wochentag | Tage im voraus |
Saturday | 30.7174 |
Sunday | 25.0183 |
Monday | 23.6516 |
Friday | 20.9937 |
Thursday | 17.9290 |
Wednesday | 16.6571 |
Tuesday | 16.2095 |
Wie nicht anders zu erwarten war, sind die beiden Wochenend-Tage am gefragtesten; sprich sie werden am frühesten reserviert/sind am raschesten ausgebucht. Wer hingegen unter der Woche verreisen will (ausgenommen Feiertage), kann auch noch 15 Tage vor dem Reisetermin eine solche Tageskarte ergattern.
Bezugsstellen von SBB Tageskarten Gemeinde
- Flexicard.ch (eine von mir lancierte Datenbank)
- Tageskarte Gemeinde (Anbieter einer Reservationssoftware für Gemeinden, der auch gleich eine Liste aller betreuten Bezugsstellen auflistet)
SQL-Query
Welch prächtiges Query es doch ist, die diese Zahlen generiert:
SELECT COUNT(*) AS num_recs, AVG(TO_DAYS(datum_reservation) - TO_DAYS(datum_eintrag)) AS value, DATE_FORMAT(datum_reservation,'%W') AS descr FROM ga_reservationen GROUP BY DATE_FORMAT(datum_reservation,'%W') ORDER BY value DESC
Zuerst werden die Datensätze nach dem Wochentag des Benutzungstages gruppiert, anschliessend die Differenz zwischen Reservationsdatum und Benutzungstag kalkuliert und daraus schliesslich das arithmetische Mittel über die ganze Gruppe berechnet.