Metodología de Minería de Datos Aplicada a la Competencia Hotelera

111 Pages·2016·3.38 MB·English

by  Inma Gutiérrez

FACULTAD DE ESTUDIOS ESTADÍSTICOS

Máster de Minería de Datos e Inteligencia de
Negocios

Trabajo de Fin de Máster

Metodología de Minería de Datos Aplicada a la
Competencia Hotelera

Alumna: Inmaculada Gutiérrez García-Pardo
Tutor: Javier Castro Cantalejo

Noviembre 2016

UNIVERSIDAD COMPLUTENSE
MADRID

A mi familia, no puedo escribir tantos motivos
A Javier Castro, por su ayuda imprescindible
A Dani, por tener tiempo, paciencia y
respuesta para todas mis preguntas
A Aarón, que ha vivido conmigo este proyecto

Resumen
El presente estudio comprende una síntesis general de los conocimientos adquiridos en
el desarrollo del Máster en Minería de Datos e Inteligencia de Negocios. Se ha intentado
pasar por la mayoría de las áreas que en el mismo se tratan, prestando especial atención
a la parte de análisis de datos propiamente dicha.
La temática se ha centrado en el sector hotelero de la ciudad de Madrid. Se pretende
hacer un ejercicio en profundidad de análisis de datos, seguido de un análisis de
predicción del precio de los hoteles situados en esta ciudad, tomando como referencias
distintas características de estos establecimientos, además de momentos temporales y
otros matices. Otro punto a tratar en este estudio está basado en un análisis de la
competencia hotelera, que tomará como base los resultados obtenidos en los primeros
pasos de este proyecto.
Así, se llega a la selección de un modelo óptimo de predicción, obtenido tras un proceso
de ensayo-error de distintas técnicas predictivas, seguido de un proceso de elección.
Así mismo, se consigue entender cómo se agrupan los distintos hoteles y cómo se sitúan
en su mercado, atendiendo al comportamiento de los centros que forman su
competencia.

Abstract
This study comprises a general synthesis of the knowledge acquired in the development
of the Master Degree Data Mining and Business Intelligence. It has been trying to get
through most of the treated areas, with special attention in data analysis.
The thematic has focused on the hotelier sector of Madrid. It aims to do a deep exercise
in data analysis, followed by an analysis of price prediction about hotels located in the
city, taking as references different characteristics of these establishments, in addition to
temporary moments and nuances. Another point to be discussed in this study is based on
an analysis of hotelier competition, which will build upon the results obtained in the
first steps of this project.
Thereby, we arrive at the selection of an optimal prediction model, obtained after a trial-
error process of different predictive techniques, followed by a process of choice.
Likewise, it is possible to understand how the different hotels are grouped and how they
placed in their market, attending to the behavior of the centers that form their
competence.

Índice

1. Naturaleza de los Datos 3
2. Objetivos y Metodología 4
2.1. Metodología SEMMA 5
2.2. Análisis Factorial 6
2.3. Análisis Clúster 8
2.4. Regresión Lineal 9
2.5. Redes Neuronales 11
2.6. Árboles de Decisión 14
2.7. Random Forest 15
2.8. Gradient Boosting 16
2.9. Comparación de Modelos 18
2.10. Software Empleado 18
3. Descripción de las Variables 19
3.1. Agrupación por tipología de las Variables 19
3.1.1. Variables Cualitativas 19
3.1.2. Variables Cuantitativas 21
3.2. Agrupación por periodicidad de las variables 21
3.2.1. Inherentes a cada Hotel (Estáticas) 21
3.2.2. Inherentes al dúo Fecha/Hotel (Dinámicas) 22
3.3. Primer Acercamiento a los Datos 22
4. Modelos de Predicción 27
4.1. Fragmentación de la Información 27
4.2. Análisis Factorial 27
4.3. Regresión 30
4.3.1. Obtención de modelos. Búsqueda del modelo óptimo 30
4.3.2. Interpretación del modelo óptimo 32
4.3.3. Conclusión 34
4.4. Redes Neuronales 35
4.4.1. Obtención de modelos. Búsqueda del modelo óptimo 36
4.4.2. Interpretación del modelo óptimo 38
4.4.3. Conclusión 39
4.5. Random Forest 41
4.5.1. Obtención de modelos. Búsqueda del modelo óptimo 41
4.5.2. Interpretación del modelo óptimo 42
4.5.3. Conclusión 43
4.6. Gradient Boosting 44
4.6.1. Obtención de modelos. Búsqueda del modelo óptimo 44
4.6.2. Interpretación del modelo óptimo 45
4.6.3. Conclusión 46
4.7. Elección del modelo óptimo 47
5. Análisis de Competencia Empresarial 50
5.1. Análisis Clúster 50
5.2. Resultados obtenidos 51
5.2.1. Factor 1, Factor 2, Factor 3 y Estrellas 51
5.2.2. Factor 1, Factor 2 y Factor 3 52
5.2.3. Factor 1, Factor 2 y Estrellas 53
5.2.4. Factor 1 y Factor 2 54
5.3. Estudio de la competencia 55
5.3.1. Factor 1, Factor 2, Factor 3 y Estrellas 56
5.3.2. Factor 1, Factor 2 y Factor 3 58
5.3.3. Factor 1, Factor 2 y Estrellas 60
5.3.4. Factor 1 y Factor 2 62
5.4. Conclusión 63
6. Posibilidades para el futuro 65
7. Anexos 66
7.1. Anexos Descriptivos 66
7.1.1. Variables Cualitativas 66
7.1.2. Variables Cuantitativas 67
7.1.3. Inferencia Estadística 68
7.2. Anexos Analíticos 76
7.2.1. Regresión 76
7.3. Código SAS Base 88
8. Bibliografía 103
8.1.1. Bibliografía referenciada en el texto 103
8.1.2. Bibliografía no referenciada en el texto 103

2