Aprendizaje automático aplicado al sector hotelero

Abstract

El objetivo de este trabajo ha sido estudiar el fenómeno de la ocupación en la industria hotelera. Concretamente, disponemos de dos fuentes de datos [1], representativas de la actividad de reservas en dos hoteles ubicados en Portugal. Esta información viene complementada con una serie de variables adicionales que ayudan a entender cómo varía la demanda en los dos hoteles. La información disponible, pues, cubre información de reservas, cancelaciones, edades de los clientes, tarifa diaria abonada por el alojamiento, categoría de habitaciones contratadas, etc. El objetivo de este proyecto es, aprovechando las herramientas del Aprendizaje Automático, estudiar varios problemas comunes de la industria, como predecir el precio diario de alojamiento dadas unas variables que influyen como la antelación, el número de noches contratadas, la probabilidad de cancelación de una reserva, entre otras. Otra de las metas de este proyecto es crear un modelo que prediga las reservas donde es más plausible la cancelación. El repositorio de datos cuenta con una variable is_canceled que indica si la reserva ha sido cancelada o no. Esta variable, cotejada con otros datos de los que depende, como los recargos aplicados a algunas habitaciones, las peticiones especiales de los clientes, el efecto de las reservas hechas con mucha antelación, entre otros factores, puede contribuir a construir un modelo clasificador con un alto grado de fiabilidad, que dado un conjunto de datos de entrada, etiquete los registros más propensos a cambios y anulaciones.

The aim of this work has been to study the phenomenon of occupation in the hotel industry. Specifically, we have two data sources [1], representative of the activity of reservations in two hotels located in Portugal. This information is complemented by a series of additional variables that help to understand how demand varies in the two hotels. The available information therefore covers information on reservations, cancellations, customer ages, daily rate paid for accommodation, category of rooms contracted, etc. The aim of this project is, making use of the tools of Machine Learning, study several common problems of the industry, such as predicting the daily price of accommodation given some variables that influence as the anticipation, the number of nights contracted, the probability of cancellation of a reservation, among others. Another goal of this project is to create a model that predicts the reserves where cancellation is more plausible. The data repository has a variable is_canceled that indicates whether the reservation has been cancelled or not. This variable, compared with other data it depends on, such as the surcharges applied to some rooms, special requests from customers, the effect of reservations made well in advance, among other factors, can help build a classification model with a high degree of reliability, which given a set of input data, label the records most likely to change and cancellations.