Tourism Management 24 (2003) 475-487

particular countries that are not viewed favourably for
ideological reasons.
Inhibiting and diverting factors are common occur-
rences affecting the trends of tourism between estab-
lished origin and destinations pairs, but repelling factors
have different characteristics, arising with apparent
suddenness, and producing rapid and significant dis-
ruption to familiar patterns of tourist activity. The
triggering event may itself be the result of quite complex
factors but of significance here, there is often a
cascading sequence of other events each of which has
consequences for the tourism industry and the particular
destination. The events outlined in the foregoing
discussion of the Indonesian crisis are summarised in
Table 2
. The strength of origin push factors was
reduced, particularly in Asian source markets, while
the marketing tactics adopted by the Indonesian
authorities were not effective in overcoming the
individual and cumulative repellents to inward tourism
in the short term, despite the benefits to tourists from
beyond the region of the weakened Indonesian currency
and improvements made to security for tourists in Java
and Bali. Overall, Indonesia experienced a series of
tourism shocks as the Asian financial crisis triggered
further events within the country which have continued
to destabilise tourism flow and revenue patterns as this
paper was being completed.
Table 2
Changed influences on tourist flows to Indonesia, 1997–2002
Origin pushes
Indonesia became more
competitive as the value of the
rupiahfell during the Asian
financial crisis
Destination pull factors
Asian financial crisis results in
falling value of rupiahgiving
tourists greater buying power
Repellents
Smoke haze
Political unrest
Ethnic violence
Religious violence
Rebellions in East Timor and
Ache
Bali terrorist attack in 2002
Destination pull response
tactics
Lets go Indonesia
Discount holiday packages
B. Prideaux et al. / Tourism Management 24 (2003) 475–487
483

---

7. Disruptions and forecasting the future
History has consistently demonstrated a propensity to
move beyond the expected with unexpected shocks that
disrupt the smooth and ordered unfolding of human
affairs. Shocks must now be regarded as an integral
feature of the tourism system and while unforecastable
in the short term should be factored into long-term
expectations. In these circumstances the unfolding of the
future as a function of past relationships ceases, and a
new dynamic occurs imposing a new set of relationships
between the demand and supply of tourism services.
Shocks have three major elements:
(I) the cause of the shock
(II) the magnitude of the shock; and
(III) a time element.
This is a significant observation for the tourism
industry and provides a basic framework for any post-
shock analysis. The time element is significant but
difficult to quantify. The further we look into the future
the more uncertain we can be about any relationship.
For example, there is evidence to suggest that California
can expect a repeat of the 1906 earthquake that
devastated San Francisco. The time of the next major
earthquake is uncertain; it could be in the very near
future or decades or even centuries away. What is
certain, however, is that when the next earthquake
occurs there will be severe disruption to tourism in
California.
Table 3
develops a framework for classifying shocks
according to a scale of severity, probability, type of
event, level of certainty and suggested forecasting
tools for each scale of shock. Shocks are grouped into
four categories according to scale, itself a reflection
of the probability of these events occurring. In the
table, events caused by factors such as shifts in exchange
rates and inflation are classified as S1 and S2 events,
and their effects should be forecastable by existing
methods. S3 and S4 represent events which are more
significant in their effects. S3 shocks are beyond the
range of normal forecasting tools but could be in-
cluded in forecasts using scenarios to identify the
magnitude of the problem and then applying standard
forecasting tools to quantify and examine the likely
range of impacts based on a possibility spectrum
that commences with low and moves through medium
to a high level of possibility. S4 shocks are not
anticipated and may be the result of a crisis or disaster.
Employing a range of tools that are often neglected
by current forecasting techniques will allow at least
some assessment of timing, magnitude, severity and
cost to be made of S3 and S4 events. Tools that are
available include risk assessment, historical research,
scenarios and Delphi forecasting. Using methods
of this nature
Prideaux (2002)
examined the impact of
a range of emerging technologies on cybertourism
finding cause for alarm and indicating the need for
discussion of the possible negative impacts of cybertour-
ism on humanity likely to become apparent within 2–3
decades.
Table 3
Classification of shocks
Scale
Probability
Example of event
Forecasting tools
Level of certainty
of forecast
S4
Not anticipated
September 11 terrorist attack in
the USA, 1991 Gulf War, Asian
financial crisis
Scenarios, risk assessment, Delphi
forecasting and historical research
may be used to identify risks of this
nature and develop estimates of post-
shock travel demand and supply
conditions. At this point new
parameters are established allowing
employment of standard forecasting
techniques
Very low
S3
Unlikely but just
possible
Pre-existing conditions cause
major disruption ie earthquakes,
terrorist attacks, coups
Scenarios determine possible
boundaries of the impact of shock
allowing employment of standard
forecasting techniques to test
tourism responses for a range of
possible outcomes
Beyond current range
of acceptability
S2
The possible based on
worst-case scenario of
past trading conditions
Upper limit of variables
normally used in forecasting
used i.e. rapid rise in exchange
rates
Existing forecasting techniques with
allowance for sudden changes in
demand and supply conditions
Medium to low
S1
The expected based on
recent past trading
conditions
Within the range of expected
movements in exchange rates
and inflation
Standard forecasting methods
High for near term,
lower in the medium
term
B. Prideaux et al. / Tourism Management 24 (2003) 475–487
484

---

The September 11 terrorist attack was entirely
unexpected and had a significant impact on tourism
and for this reason is classified as a S4 shock. However,
in the wake of the attack, further major attacks are now
more likely and it has now, unfortunately, become more
likely that other such shocks will occur. On the scale
illustrated in
Table 3
further terrorist attacks on civilian
targets should now be classified as S3 or in some cases as
S2. In the future, it is shocks on the probability scale of
S3 to S4 that hold the greatest potential for disrupting
tourism.
8. A risk forecasting approach
From the research conducted for this paper it is
apparent that there are unresolved difficulties faced by
forecasters. While the future will never be able to be
predicted witha reasonable degree of certainty, except
perhaps for the inevitability of taxes and eventual
mortality, a sense of how current factors and tensions
might influence the future may offer forecasters a
window to the future. The need for forecasting is
apparent given the long gestation periods of capital-
intensive tourism investments and the need for business
planning. While risk assessment based on indices and
rankings offers a further tool for reducing the un-
certainty of future trends there remains a need for
numerical forecasts and it is in this area that further
researchis required. Future researchshould be directed
to developing new forecasting paradigms that incorpo-
rate political risk, economic risk and a deeper under-
standing of the influences of history. In any future
modelling inclusion of qualitative as well as traditional
quantitative methods must be considered. Perhaps the
way forward lies in developing a new set of tools based
on risk assessment, probability of occurrence and
scenario generation which can produce new sets of
variables that can then be used as the basis for
forecasting.
One avenue of approachmay be to attempt to bring
together the quantitative elements of forecasting plus
less frequently used qualitative methods to produce a
series of scenarios eachbased on a range of possible
futures. The
Tourism Forecasting Council (1997b)
adopted a scenario approachin 1997, wh
en forecasts
of inbound tourism to Australia were revised in the light
of the Asian financial crisis. In the TFC approach,
scenarios were based on possible combinations of
interest rate rises and currency fluctuations. This was
largely based on quantitative trends rather than
qualitative trends that might be employed with risk
assessment or political audits as suggested by
Richter
(1999)
. A possible method of analysis may be to produce
a standard trend analysis based on the assumption that
past relationships will carry on into the future. This
projection could then serve as a base line. Next, risk
analysis could be employed to identify any potential
non-economic problems that may destabilise the econ-
omy. These may include terrorism, racial and religious
factors, landownership disputes, changes in the level of
lawlessness and political factors, and the potential for
significant earthquake or weather induced disruption to
cite some familiar causes. Delphi techniques provide one
method of assessing these types of risk and assigning to
them a weighting. Using standard econometric forecast-
ing tools these factors could be assessed and revised
trends generated as scenarios resulting in discontinuities
to the base line. Finally, a similar process could be
employed to factor possible adverse political conditions
identified via a political audit to produce a total
probabilities forecast range.
The result would be a series of scenarios each based
on a set of possible adverse or favourable outcomes in
the future with a weighted probability index. While
considerably more complicated than current projections
it would enable the users of the projections to have a
more complete understanding of the range of probabil-
ities in the future. While some consumers of forecasts
may find added difficulty in understanding the greater
detail and reduced certainty of this type of forecasting, it
would give users enhanced information on which to
make informed long-run business decisions and imple-
ment appropriate strategies. Ideally, however, the users
should be intimately involved in the scenario generation
and assessment process, rather than simply abdicating
this responsibility to the technicians (
Faulkner &
Valerio, 1995
). In developing methods for such engage-
ment, the tourism sector would do well to draw on
strategic management practices adopted elsewhere and,
in particular, on methods developed by the learning
organisation school (
Senge, 1990
) and the strategic
conversion approach(
van der Heijden, 1997
). A culture
of ongoing environmental scanning, assessment, dialo-
gue and mutual learning is more fundamental to an
informed and appropriate strategic stance than an
uncritical reliance on current forecasting models.
9. Conclusion
The task faced by forecasters is enormous and made
more difficult by deficiencies in current techniques.
The problem of forecasting can be demonstrated by
the following example. A forecaster, asked to develop
travel projections between 1910 and 1920, would have
recognised some political tensions in the Balkans but
would not have been able to forecast the effect of the
First World War. The forecasting problem illustrated by
this example remains unresolved in the present era.
Understanding the impact that unexpected disrup-
tions may have on tourism flows is important for
B. Prideaux et al. / Tourism Management 24 (2003) 475–487
485

---

forecasters, planners, investors and operators. Incidents
suchas the Asian Financial Crisis (1997–1999), break-up
of the USSR, coups in Fiji in 1987 and 2000 and the
invasion of Kuwait by Iraqi in 1990 illustrate the manner
in which seemingly unpredictable events can negate
expert forecasts. The existing suite of statistical and
econometric forecasting techniques is unable to deal with
this type of uncertainty, and crucially they lack the ability
to articulate this into the interface between forecasting
and strategy. Further refinement of current methods
which factor the unexpected into forecasting techniques
may become possible if tourism researchers embrace new
approaches to viewing the future. In particular, there is a
need to use scenarios as a platform to predict the patterns
and effects of events which occur during periods of
disruption, perhaps brought on by multiple shocks.
From the evidence presented in the case study
discussing recent events in Indonesia it is apparent that
in the future forecasting techniques should incorporate
recognition of the potential impacts of the underlying
political, economic, social and cultural trends that affect
each nation as well as the region in which that nation is
situated. A thorough understanding of national history,
and from this, identification of potential risk factors, is
essential if potential disruptions arising from these
factors are to be incorporated into new tourism
forecasting model.
This paper has identified deficiencies in current
forecasting techniques and pointed the way towards
greater understanding of the impact of unexpected
tourism shocks.
Table 2
identified how unexpected events
influence tourism flows while
Table 3
classifies unexpected
shocks by probability, examples and suggested forecast-
ing tools. The incorporation of scenarios, risk audits and
the need for a greater understanding of national history is
obvious. One solution to the way forward will be to
incorporate these considerations as an interface between
trends to the present and forecasting of trends into the
future. If the potential for these considerations to disrupt
tourism flows is small current techniques are entirely
appropriate. If there is potential for a large disruption the
use of scenarios as the interfaced between the present and
projections of the future may well be the way forward.
There is an obvious challenge for forecasters to
incorporate these views into their work. Accepting this
challenge and developing new methods of forecasting
using wider parameters than currently employed has
potential to produce forecasting of greater accuracy in
the future.
References
Brown, D. O. (2000). Political risk and other barriers to tourism
promotion in Africa: Perceptions of US-based travel intermedi-
aries.
Journal of Vacation Marketing
,
6
(3), 197–210.
Calantone, R., Benedetto, A., & Bojanic, D. (1987). A comprehensive
review of tourism forecasting literature.
Journal of Travel Research
,
16
(3), 28–39.
Chu, F. (1998). Forecasting tourist arrivals, non linear sine wave or
ARIMA?
Journal of Travel Research
,
36
(3), 79–84.
Clements, M. A., & Georgiou, A. (1998). The impact of political
instability on a fragile tourism product.
Tourism Management
,
19
(3), 283–288.
Crouch, G. (1994). The study of international tourism demand:
A survey of practice.
Journal of Travel Research
,
32
, 41–52.
Dann, G. (1977). Anomie, ego-enhancement and tourism.
Annals of
Tourism Research
,
6
(4), 184–194.
Durschmied, E. (2000).
The weather factor how nature has changed
history
. London: Hodder and Stoughton.
Faulkner, B., & Russell, R. (2000). Turbulence, chaos and complexity
in tourism systems: A researchdirection for the new Millennium.
In B. Faulkner, G. Moscardo, & E. Laws (Eds.),
Tourism in the
21st century, reflections on experience
(pp. 328–349). London:
Continuum.
Faulkner, B., & Valerio, P. (1995). An integrative approachto tourism
demand forecasting.
Tourism Management
,
16
(1), 29–37.
Faulkner, B. (2001). Towards a framework for tourism disaster
management.
Tourism Management
,
22
, 135–147.
Fink, S. (1986).
Crisis management
. New York: American Association
of Management.
Friedman, T. (1999).
The Lexus and the olive tree
. London: Harper
Collins.
Haimes, Y., Kaplan, S., & Lambert, J. H. (2002). Risk filtering,
ranking, and management framework using hierarchical holo-
graphic modelling.
Risk Analysis
,
22
(2), 383–397.
Hall, C. M. (1994).
Tourism and politics: Policy, power and place
.
Chichester: Wiley.
Henderson, J. C. (1999). Southeast tourism and the financial crisis:
Indonesia and Thailand compared.
Current Issues in Tourism
,
2
(4),
294–203.
Keown-McMullan, C. (1997). Crisis: When does a Molehill become a
mountain?
Disaster Prevention and Management
,
6
(1), 4–10.
Laws, E., Faulkner, B., & Moscardo, G. (1998).
Embracing and
managing change in tourism: International case studies
. London:
Routledge.
Laws, E. (1995).
Tourist destination management: Issues, analysis and
policies
. London: Routledge.
Office of National Tourism. (1998).
Impact
(August). Canberra:
Department of Industry, Science and Tourism.
Prideaux, B. R. (1998). The impact of the Asian financial crisis on
bilateral Indonesian–Australian tourism. In M. P. Gunawan (Ed.),
Pariwisata Indonesia Menuju Keputusan Yang Lebih Baik Vol. 2
(pp. 15–29). Bandung: Bandung Institute of Technology.
Prideaux, B., & Kim, S. M. (1999). Bilateral tourism imbalance—is
there a cause for concern: The case of Australia and Korea.
Tourism Management
,
20
(4), 523–532.
Prideaux, B. (1999). The Asian financial crisis and the tourism
industry-lessons for the future.
Current Issues in Tourism
,
2
(4),
279–293.
Prideaux, B. (2002). The Cybertourist. In G. Dann (Ed.),
The tourist as
a metaphor of the social world
(pp. 317–339). Wallingford (Oxon):
CAB International.
Quinn-Judge, P. (2001). The politics of mind over matter,
Time
,
January 22, pp. 17–29.
Richter, L. K. (1995). Philippine land reform and tourism development
under Marcos, Aquino and Ramos.
Crossroads
,
9
(1), 33–64.
Richter, L. K. (1999). After political turmoil: The lessons of re-
building tourism in three countries.
Journal of Travel Research
,
38
,
41–45.
Sachs, J. (2002). Nature’s grave warnings to our planet.
The Korea
Herald
, August 29, p. 6.
B. Prideaux et al. / Tourism Management 24 (2003) 475–487
486

---

Sayan, S. (2002). Globalization in an aging world,
The Korea Herald
,
20 August, p.6.
Sealey, T. S. (Ed.) (2000).
International country risk guide
. Vol. XXI
No 5. New York: The PRS Group.
Senge, P. M. (1990).
The fifth principle: The art and practice of the
learning organisation
. New York: Doubleday.
Statistics Indonesia. (2000). Selected tables, http://www.bps.go.id/
statbysector/tourism (visited 7/8/2000).
Tourism Forecasting Council. (1997a).
Forecast
, 3:2.
Tourism Forecasting Council. (1997b).
Scenarios
, tourism Forecasting
Council, Sydney.
Tourism Forecasting Council. (1998). Forecast, 4:2.
Tourism Forecasting Council. (TFC) (1999). Forecast, 5.1
Tourism Forecasting Council. (2000).
Forecast
, 5:2.
Tourism Forecasting Council. (2001).
Forecast
, The twelfth release of
the Tourism Forecasting Council, August.
Turner, L., & Witt, S. F. (2001). Forecasting tourism using univariate
and multivariate structural time series models.
Tourism Economics
,
7
(2), 135–148.
Uysal, M., & Crompton, J. (1985). An overview of approaches
used to forecast tourism demand.
Journal of Travel Research
,
23
(2),
7–15.
van der Heijden, K. (1997).
Scenarios: The art of strategic conversion
.
Chichester: Wiley.
Weiner, A. J., & Kahn, H. (1972). In C. F. Hermann (Ed.),
Crisis and
arms control, International crises: insights from behaviour research
(p. 21). New York: The Free Press.
Willmott, M., & Graham, S. (2001). The world of today and
tomorrow: The European picture,. In A. Lockwood, & S. Medlik
(Eds.),
Tourism and hospitality in the 21st century
(pp. 29–38).
Oxford: Butterworth-Heinemann.
Witt, S. F., & Song, H. (2001). Forecasting future tourism flows. In A.
Lockwood, & S. Medlik (Eds.),
Tourism and hospitality in the 21st
century
(pp. 106–118). Oxford: Butterworth-Heinemann.
World Tourism Organisation (WTO). (1994).
Global tourism forecasts
to the year 2000 and beyond
. Madrid: World Tourism Organisation.
World Tourism Organisation (WTO). (1999).
Compendium of tourism
statistics
. Madrid: World Tourism Organisation.
B. Prideaux et al. / Tourism Management 24 (2003) 475–487
487