OPTIMIZACIÓN DEL REVENUE MANAGEMENT A TRAVÉS DEL APRENDIZAJE AUTOMÁTICO EN LA INDUSTRIA HOTELERA

dc.contributor.authorRobles Angelina, Lucía
dc.date.accessioned2024-11-22T01:00:17Z
dc.date.available2024-11-22T01:00:17Z
dc.date.issued2024-11-18
dc.descriptionTrabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2024/2025. Directores/as: Juan Manuel Vara Mesa
dc.description.abstractEste trabajo se enfoca en explorar y demostrar cómo el aprendizaje automático puede optimizar el Revenue Management (o gestión de ingresos) en la industria hotelera, mejorando la toma de decisiones estratégicas y operativas. El objetivo es mostrar cómo estas tecnologías pueden ser implementadas para maximizar ingresos y gestionar la demanda de manera más efectiva. El estudio abarca los fundamentos del Revenue Management y del aprendizaje automático para abordar desafíos específicos como la predicción de cancelaciones, la optimización de tarifas y la gestión de inventarios. A través del análisis de casos de éxito de grandes cadenas hoteleras, se evidenciará cómo el uso de estas tecnologías potencia el crecimiento de estas y aumenta su competitividad. Además, se analizará un caso práctico en el cual se evidencian las ventajas de aplicar el aprendizaje automático en la gestión hotelera.
dc.identifier.urihttps://hdl.handle.net/10115/41916
dc.language.isospa
dc.publisherUniversidad Rey Juan Carlos
dc.rights
dc.rights.accessRightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.uri
dc.subjectRevenue Management
dc.subjectaprendizaje automático
dc.subjectindustria hotelera
dc.subjectoptimización de ingresos
dc.subjectgestión de la ocupación
dc.subjecteficiencia operativa
dc.subjectautomatización
dc.subjecttoma de decisiones estratégicas.
dc.titleOPTIMIZACIÓN DEL REVENUE MANAGEMENT A TRAVÉS DEL APRENDIZAJE AUTOMÁTICO EN LA INDUSTRIA HOTELERA
dc.typeinfo:eu-repo/semantics/studentThesis

Archivos

Bloque original

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
2024-25-FCEE-O-2257-2257060-l.robles.2020-MEMORIA.pdf
Tamaño:
1.37 MB
Formato:
Adobe Portable Document Format
Descripción:
Memoria del TFG