Big data and information theory for decision-making: an application to the tourism demand

El estudio de ciclos de incertidumbre en el dominio en el tiempo y la frecuencia proporcionarán información estacional sobre comportamientos de turistas según el país de origen; (iii) finalmente, desarrollaremos métodos de agrupamiento (clustering) espacio temporal no supervisados. Estos métodos no supervisados permitirán ordenar espacial y temporalmente las demandas turísticas con el objetivo de realizar una intervención basada en el conocimiento obtenido por las técnicas desarrolladas.Esta tesis se encuadra en el marco metodológico de la Ciencia de Datos envolviendo métodos científicos, procesos y sistemas para extraer conocimiento con aplicaciones directas en la toma de decisiones. La investigación consiste en el aprendizaje y la representación de patrones de datos, y viceversa, las caracterizaciones identificadas y modeladas permiten tomar decisiones en grandes escalas. Para ello se desarrollan metodologías novedosas de análisis en campos como Big Data, Teoría de la Información, Estadística espacial, Series Temporales, Econometría y analítica predictiva para empoderar la toma de decisiones de los agentes económicos. Las técnicas de pronóstico siempre han estado en primer plano en el contexto de planificación de las organizaciones. Por esto, los individuos toman decisiones en un contexto de incertidumbre, dónde tratan de minimizar su riesgo maximizando beneficios particulares. La aplicación empírica de este extenso trabajo se analiza con datos mensuales de alojamiento turístico para visitantes internacionales con datos procedentes del Instituto Nacional de Estadística español (INE) en el periodo desde 2005 a 2019. Este análisis persigue los siguientes objetivos: (i) demostrar teóricamente que se producen previamente al alojamiento turístico búsquedas en internet con los motores de búsqueda de Google Trends; (ii) demostrar relaciones causales temporales en la toma de decisión del alojamiento turístico entre hoteles y apartamentos. A través de este estudio, podremos modelizar la demanda en un mercado secundario a través de un mercado primario de alojamiento