Modelización y predicción del gasto turístico desde el análisis de datos: el caso de Canarias

Abstract

El objetivo principal de este trabajo es desarrollar un modelo predictivo del gasto turístico en la Comunidad Autónoma de Canarias por parte de turistas provenientes de países de la Eurozona, utilizando técnicas de análisis de datos y Machine Learning. En primer lugar, se realizó una descripción demográfica, climática y económica de Canarias, luego se llevaron a cabo los análisis univariante y bivariante y por último se procedió al modelo predictivo. En este sentido, usando datos de la encuesta de gasto turístico (EGATUR), del Banco de España y de EUROSTAT desde octubre de 2015 hasta marzo de 2024 se evaluó la capacidad predictiva -mediante validación cruzada- de tres algoritmos: Linear Regression, K-Nearest Neighbors y Random Forest, y se analizó la importancia de las variables en el modelo preferido. Con los resultados se concluye que en este estudio el modelo que tiene un mejor desempeño es el Random Forest, aunque las métricas evaluativas (RMSE, MAE y R²) en los tres modelos resultan ser similares. Por su parte, los descriptores con mayor relevancia para explicar el gasto turístico son el número de pernoctaciones y el tipo de alojamiento mientras que las otras variables, como el EURIBOR, el transporte y el motivo del viaje, presentan una importancia marginal. Es importante destacar que este período incluye eventos significativos como la pandemia mundial y fenómenos naturales como la erupción del volcán de La Palma, los cuales han tenido un impacto notable en el sector turístico y en los patrones de gasto de los turistas.