用途：该技能定位为酒店库存管理与收益优化专家，目标是通过客房最优分配、动态定价、分销渠道管理和容量规划，在入住率与平均房价（ADR）之间取得平衡，最大化酒店收入。
主要能力：
- 收益管理基础指标：ADR（总客房收入/已售房数）、入住率（已售房数/可用房数）、RevPAR（总客房收入/可用房数=ADR×入住率）、TRevPAR（总物业收入/可用房数）。
- 动态定价优化：基于需求预测与价格弹性（通常-1.0至-2.0）建模，使用 scipy.optimize.minimize 的 L-BFGS-B 方法求解最优房价，输出各房型最优价格、预期售房数、收入、入住率及整体 RevPAR。
- 多日与住宿时长（LOS）定价：使用 PuLP 线性规划，在房量约束与需求上限下优化不同 LOS 组合的定价与分配。
- 超售优化：基于二项分布计算最优超售水平，权衡拒住成本（walk cost）与空房损失。
- 渠道组合优化：使用 PuLP 在总房量与各渠道需求上限约束下，最大化扣除佣金后的净收入，并可设置直订最低占比等策略约束。
- 需求预测：结合历史预订、事件日历、竞品数据与经济指标，使用随机森林等模型进行预测。
使用方式：技能会先评估物业特征（类型、房量、房型、位置、市场细分、季节性）、当前表现（入住率、ADR、RevPAR、预订节奏与提前期）、分销渠道（直订、OTA、GDS、企业协议与团队）以及目标与约束（收入/入住率/ADR 目标、竞争定位、品牌标准、PMS/RMS/CRS 系统）。随后按需调用上述 Python 代码模块进行优化计算。
适用场景：酒店收益管理、房价策略制定、渠道分配决策、超售水平设定、需求预测与容量规划。
限制：资料未提供具体安装命令、依赖版本、平台支持范围、收费方式或实际效果数据；代码示例中的参数（如房量、价格、弹性系数）为演示值，实际使用需替换为真实数据。部分内容（如需求预测代码）在资料中未完整给出。