Turismo y big data: pronóstico con análisis de conglomerados jerárquicos y secuenciales
Autores: Ruiz Reina, Miguel Ángel
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Turismo y big data: pronóstico con análisis de conglomerados jerárquicos y secuenciales
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería General
Palabras clave
Datos grandes
Análisis de agrupamiento
Pronóstico
Mercado de alojamiento hotelero
Datos de series temporales
Partes interesadas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Se desarrolló un nuevo método de clúster de Big Data para prever el mercado de alojamiento hotelero. La simulación y entrenamiento de datos de series temporales son de enero de 2008 a diciembre de 2019 para el caso español. La aplicación del método de Análisis de Clúster Jerárquico y Secuencial representa una mejora en la modelización de pronósticos de la literatura de Big Data. El modelo se presenta para obtener una mejor capacidad explicativa y de pronóstico que los modelos utilizados por las fuentes de datos de Google. Además, el modelo permite conocer los perfiles de búsqueda de los turistas en internet antes de su reserva de hotel. Con la información obtenida, los interesados pueden tomar decisiones de manera eficiente. Se utilizó la Matriz U1 Theil para establecer una comparación dinámica de pronósticos.
Descripción
Se desarrolló un nuevo método de clúster de Big Data para prever el mercado de alojamiento hotelero. La simulación y entrenamiento de datos de series temporales son de enero de 2008 a diciembre de 2019 para el caso español. La aplicación del método de Análisis de Clúster Jerárquico y Secuencial representa una mejora en la modelización de pronósticos de la literatura de Big Data. El modelo se presenta para obtener una mejor capacidad explicativa y de pronóstico que los modelos utilizados por las fuentes de datos de Google. Además, el modelo permite conocer los perfiles de búsqueda de los turistas en internet antes de su reserva de hotel. Con la información obtenida, los interesados pueden tomar decisiones de manera eficiente. Se utilizó la Matriz U1 Theil para establecer una comparación dinámica de pronósticos.