OPTIMIZACIÓN DEL REVENUE MANAGEMENT A TRAVÉS DEL APRENDIZAJE AUTOMÁTICO EN LA INDUSTRIA HOTELERA
dc.contributor.author | Robles Angelina, Lucía | |
dc.date.accessioned | 2024-11-22T01:00:17Z | |
dc.date.available | 2024-11-22T01:00:17Z | |
dc.date.issued | 2024-11-18 | |
dc.description | Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2024/2025. Directores/as: Juan Manuel Vara Mesa | |
dc.description.abstract | Este 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.uri | https://hdl.handle.net/10115/41916 | |
dc.language.iso | spa | |
dc.publisher | Universidad Rey Juan Carlos | |
dc.rights | ||
dc.rights.accessRights | info:eu-repo/semantics/embargoedAccess | |
dc.rights.uri | ||
dc.subject | Revenue Management | |
dc.subject | aprendizaje automático | |
dc.subject | industria hotelera | |
dc.subject | optimización de ingresos | |
dc.subject | gestión de la ocupación | |
dc.subject | eficiencia operativa | |
dc.subject | automatización | |
dc.subject | toma de decisiones estratégicas. | |
dc.title | OPTIMIZACIÓN DEL REVENUE MANAGEMENT A TRAVÉS DEL APRENDIZAJE AUTOMÁTICO EN LA INDUSTRIA HOTELERA | |
dc.type | info:eu-repo/semantics/studentThesis |
Archivos
Bloque original
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