Modelo descriptivo y predictivo de tarifas aéreas desde y hacia municipios posconflicto de Colombia

Autores/as

  • Diego Fernando Gomez Institucion Universitaria Politecnico Grancolombiano

DOI:

https://doi.org/10.15765/wpmis.v4i1.1255

Palabras clave:

Turismo, tarifas aéreas, posconflicto en Colombia, ZOMAC, análisis descriptivo y predictivo, aprendizaje de máquina, series temporales.

Resumen

Hoy día las agencias de viajes le apuestan al turismo del posconflicto [8], en donde los actores de la cadena de valor en turismo están enfocando sus labores en la exploración y diseño de paquetes de viajes que muestren la belleza de Colombia en destinos que anteriormente se encontraban ocupados por grupos al margen de la ley, y que hoy día tras los acuerdos de paz celebrados entre el Gobierno Nacional de Colombia  y el grupo de Fuerzas Armadas Revolucionarias de Colombia (FARC), vienen presentando un potencial turístico para viajeros nacionales e  internacionales.

Es por lo que el objetivo de esta investigación se enfoca en el análisis de tarifas aéreas de los aeropuertos de las zonas más afectadas por el conflicto armado en Colombia (ZOMAC) [24], en donde se utilizaran los datos recopilados como insumo para posteriormente a través de técnicas de analítica descriptica poder realizar visualizaciones de  los datos, de forma que puedan ayudar a la comprensión del estado pasado y presente de las tarifas aéreas, siendo posible detectar destinos, fechas y horarios más consultados, representar la distribución geográfica, verificar el comportamiento de las tarifas según temporadas del año y observar la demanda de las aerolíneas.

De otra forma se busca usar técnicas de analítica predictiva mediante el uso de algoritmos de Machine Learning, para así identificar en los datos históricos  actividades futuras, como tendencias en los precios, pronóstico de ocupación de las tarifas de destinos posconflicto, e identificar patrones en los datos que sumados con las visualizaciones de la analítica descriptiva implementada en una fase inicial, darán un insumo interesante para que las agencias de viajes puedan identificar oportunidades de negocio en el turismo posconflicto de Colombia, logrando mejorar sus productos turísticos, ser más competitivos y ampliar su conocimiento respecto al comportamiento pasado, presente y futuro del mercado de las tarifas aéreas desde y hacia aeropuertos de las zonas más afectadas por el conflicto armado (ZOMAC).

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Legaria, G. (2018). ¿Cómo está ayudando el posconflicto al turismo en Colombia? Retrieved from https://www.semana.com/contenidos-editoriales/colombia-me-encantas-/articulo/como-esta-ayudando-el-posconflicto-al-turismo-en-colombia/577405

ACOSTA, J. (2016). Los retos de la economía tras el fin del conflicto. Retrieved from https://www.portafolio.co/economia/retos-de-la-economia-colombiana-tras-el-acuerdo-de-paz-499846

Dinero, R. (2018). Las razones del boom del turismo que vive Colombia. Retrieved from https://www.dinero.com/pais/articulo/el-auge-turistico-que-etatraviesa-colombia/255157

Semana, P. (2017). ¿Colombia podrá ser una potencia turística? Retrieved from https://www.semana.com/economia/articulo/turismo-colombia-podria-ser-una-potencia/518110

Anato. (n.d.). Resultados Encuesta de Temporada Semana de Receso 2018. Retrieved from https://www.anato.org/sites/default/files/Resultados Encuesta Final de Año 2018.pdf

Anato. (2018). Resultados Encuesta de Temporada Fin de Año 2018. Retrieved from https://www.anato.org/sites/default/files/Resultados Encuesta Final de Año 2018.pdf

¬Escolano, Nuria Ramón; López Espín, J. J. (2016). Econometría: Series temporales y modelos de ecuaciones simultáneas. (Universitas Miguel Hernández, Ed.). Alicante. Retrieved from https://books.google.com/books?id=b-DEDQAAQBAJ&printsec=frontcover&dq=series+temporales&hl=en&sa=X&ved=0ahUKEwjjuZWF2rThAhUPyoUKHT5vCDIQ6AEIYTAH#v=onepage&q=series temporales&f=false

Anato.org. (2017). Las Agencias de Viajes le apuestan al turismo del posconflicto. Retrieved from http://www.turismoytecnologia.com/eventos-y-congresos-relacionados-con-turismo-y-tech/item/5561-las-agencias-de-viajes-le-apuestan-al-turismo-del-posconflicto

Duque, I. (2018). Familia - Propuesta # 187. Bogotá. Retrieved from https://www.ivanduque.com/propuestas/5/187/familia/fortaleceremos-el-ministerio-de-comercio,-industria-y-turismo-en-multiples-frentes

Anato.org. (2018). Tres aspectos claves que las Agencias de Viajes aportarán al crecimiento del turismo en 2018. Retrieved from https://www.anato.org/es/tres-aspectos-claves-que-las-agencias-de-viajes-aportarán-al-crecimiento-del-turismo-en-2018/tres

Duque, I. (2018). Tic - Propuesta # 125. Bogotá. Retrieved from https://www.ivanduque.com/propuestas/7/125/tics/crearemos-el-fondo-nacional-para-el-desarrollo-de-la-economia-naranja

Anato.org. (2016). CENSO NACIONAL AGENCIAS DE VIAJES 2016. Retrieved from https://www.anato.org/es/investigaciones?qt-investigaciones=1#qt-investigaciones

Azevedo, A. (2008). KDD, SEMMA AND CRISP-DM: A PARALLEL OVERVIEW. Retrieved from https://pdfs.semanticscholar.org/7dfe/3bc6035da527deaa72007a27cef94047a7f9.pdf

Microsoft. (2017). The Team Data Science Process lifecycle. Retrieved from https://docs.microsoft.com/es-es/azure/machine-learning/team-data-science-process/lifecycle

Microsoft. (2017). The business understanding stage of the Team Data Science Process lifecycle. Retrieved from https://docs.microsoft.com/es-es/azure/machine-learning/team-data-science-process/lifecycle-business-understanding

Microsoft. (2017). Data acquisition and understanding stage of the Team Data Science Process. Retrieved from https://docs.microsoft.com/es-es/azure/machine-learning/team-data-science-process/lifecycle-data

Microsoft. (2017). Modeling stage of the Team Data Science Process lifecycle. Retrieved from https://docs.microsoft.com/es-es/azure/machine-learning/team-data-science-process/lifecycle-modeling

Microsoft. (2017). Deployment stage of the Team Data Science Process lifecycle. Retrieved from https://docs.microsoft.com/es-es/azure/machine-learning/team-data-science-process/lifecycle-deployment

Valbuena López, N., Ríos Gómez, D. A., & Molina Hernández, J. M. (2018). Elaboración del estudio de prefactibilidad para la creación de una solución que brinde información sobre turismo en las zonas de postconflicto en Colombia a través de una plataforma digital. Retrieved from https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=21476%0Ahttps://repositorio.escuelaing.edu.co/handle/001/797

Calderón, D. B. (2017). Modelo basado en agentes para las etapas de recopilación e integración de datos en el proceso de KDD. Retrieved from http://bdigital.unal.edu.co/2034/1/10366054583.2010.pdf

Martínez, V. (2012). Flight Delay Prediction (Swiss Federal Institute of Technology Zurich). https://doi.org/10.3929/ethz-a-007139937

Jérémie Miserez. (2011). Analysis and Prediction of Flight Prices (Swiss Federal Institute of Technology Zurich). Retrieved from https://www.miserez.org/files/BScThesis_JMiserez_redacted.pdf

Tziridis, K., Kalampokas, T., Papakostas, G. A., & Diamantaras, K. I. (2017). Airfare prices prediction using machine learning techniques. 2017 25th European Signal Processing Conference (EUSIPCO), 1036–1039. https://doi.org/10.23919/EUSIPCO.2017.8081365

Colombia, P. de la R. de. (2018). La construcción de paz no tiene reversa - ¿Cuáles municipios se consideran Zomac? Retrieved June 5, 2019, from http://especiales.presidencia.gov.co/Documents/20171120-implementacion-acuerdo-paz/contruccion-paz-no-tiene-reversa.html

Diego, B. (2019). Software MyTools. Retrieved from http://mytools.amadeuslatam.net

Publicado

2019-08-26

Cómo citar

Modelo descriptivo y predictivo de tarifas aéreas desde y hacia municipios posconflicto de Colombia. (2019). Working Papers. Maestría En Ingeniería De Sistemas, 4(1). https://doi.org/10.15765/wpmis.v4i1.1255

Artículos similares

21-30 de 38

También puede Iniciar una búsqueda de similitud avanzada para este artículo.