Autor/a

Rubén Lado Sestayo (Universidad de Santiago de Compostela)

Coautor/es

María Milagros Vivel Búa (universidad de santiago de compostela)

Luis Otero-González (Universidad de Santiago de Compostela)

Este trabajo evalúa la capacidad de un modelo de aprendizaje profundo para predecir la rentabilidad de los hoteles españoles en los distintos destinos turísticos. Para ello, se utiliza un algoritmo capaz de manejar grandes volúmenes de datos de distintas fuentes, principalmente relativas a información económico-financiera y a información del destino turístico. Los datos utilizados corresponden al período 2006-2011, debido a que en el mismo contiene dos años de crecimiento económico, dos años de crisis y dos años de recuperación. Para el desarrollo del modelo se ha utilizado el software libre R, lo que contribuye a que se trate de una solución de bajo coste y accesible. Tras un proceso de georreferenciación y la revisión del desempeño de distintos modelos, una red neuronal multicapa ha demostrado presentar la mayor capacidad predictiva de la rentabilidad hotelera. El análisis de los resultados también confirma la utilidad de la técnica y la bondad de su ajuste, lo que resalta las posibilidades de su utilización para evaluar distintas alternativas de localización de nuevos hoteles. En consecuencia, se puede concluir que las técnicas de aprendizaje profundo, de bajo coste y alta eficiencia, son útiles para el diseño de herramientas de apoyo a la gestión hotelera y de destino turístico.

Palabras clave: Big data, Aprendizaje profundo, Hotel, Location.