Home

Hotel Pricing Engine — Wiki

🇬🇧 English first · 🇪🇸 Español más abajo.

A dynamic pricing engine in Python that reproduces hotel revenue-management decisions: it builds two years of history, then prices the next 60 days from seasonality, day of week, local events, occupancy pressure and lead time.

Repo: mindset-code/project-hotel-pricing-engine Live: proyectos-mindset-code.web.app/hotel

Pages in this wiki

Algoritmo de pricing — the five multipliers, factor by factor, as they are in the code
KPIs de Revenue Management — ADR, RevPAR, occupancy and how they relate

Architecture

graph LR
    A["dynamic_pricing_engine.py"] -->|build_historical| B["data/historical_hotel_data.csv<br/>730 days × 3 room types"]
    A -->|build_forecast| C["data/pricing_forecast.csv<br/>60 days × 3 room types"]
    B --> D["6 JSON files in data/"]
    C --> D
    D --> E["React dashboard at /hotel<br/>in project-portfolio"]

One script, 204 lines, no framework. It writes two CSVs and six JSON files; the dashboard lives in project-portfolio and reads the JSON.

Hotel configuration

Straight from the constants at the top of the script:

Parameter	Value
Total rooms	120
Room types	Standard (55%) · Deluxe (32%) · Suite (13%)
Base price — Standard	$120 / night
Base price — Deluxe	$185 / night
Base price — Suite	$320 / night
History	730 days, ending today
Forecast	60 days ahead
Seed	`np.random.seed(42)`

The history window is anchored to datetime.now(), so the dataset moves with the day it is generated. Two runs a week apart do not produce the same dates.

What the six JSON files carry

File	Contents
`kpis.json`	ADR, RevPAR and occupancy averaged over the last 30 days, plus total revenue
`monthly_trend.json`	24 months of ADR, RevPAR, occupancy and revenue
`revenue_by_room.json`	Last 12 months split by room type
`occupancy_by_dow.json`	Average occupancy and ADR per weekday
`forecast.json`	The 60-day forecast, Standard room only
`pricing_factors.json`	Average contribution of each factor

🇪🇸 Español

Un motor de precios dinámicos en Python que reproduce las decisiones de revenue management de un hotel: construye dos años de histórico y después fija el precio de los 60 días siguientes a partir de la estacionalidad, el día de la semana, los eventos locales, la presión de ocupación y la antelación de la reserva.

Repo: mindset-code/project-hotel-pricing-engine Live: proyectos-mindset-code.web.app/hotel

Páginas de esta wiki

Algoritmo de pricing — los cinco multiplicadores, factor a factor, tal y como están en el código
KPIs de Revenue Management — ADR, RevPAR, ocupación y cómo se relacionan

Arquitectura

Ver el diagrama de arriba. Un solo script de 204 líneas, sin framework, que escribe dos CSV y seis ficheros JSON. El cuadro de mando vive en project-portfolio y lee los JSON.

Configuración del hotel

Sacada de las constantes de la cabecera del script:

Parámetro	Valor
Habitaciones totales	120
Tipos de habitación	Standard (55%) · Deluxe (32%) · Suite (13%)
Precio base — Standard	120 $ / noche
Precio base — Deluxe	185 $ / noche
Precio base — Suite	320 $ / noche
Histórico	730 días, terminando hoy
Previsión	60 días hacia delante
Semilla	`np.random.seed(42)`

La ventana histórica está anclada a datetime.now(), así que el conjunto de datos se desplaza con el día en que se genera. Dos ejecuciones separadas una semana no producen las mismas fechas.

Qué lleva cada uno de los seis JSON

Fichero	Contenido
`kpis.json`	ADR, RevPAR y ocupación promediados sobre los últimos 30 días, más ingreso total
`monthly_trend.json`	24 meses de ADR, RevPAR, ocupación e ingreso
`revenue_by_room.json`	Últimos 12 meses desglosados por tipo de habitación
`occupancy_by_dow.json`	Ocupación y ADR medios por día de la semana
`forecast.json`	La previsión a 60 días, solo habitación Standard
`pricing_factors.json`	Contribución media de cada factor

Navigation Menu