Estudio de Estacionalidad de Reservas en un Resort de Riviera Maya
Visión general
De qué trata este proyecto.
Recibes 4 años de reservas semanales por propiedad y por canal (directo, agencia, OTA — online travel agency, agencia de viajes online), más un calendario de eventos locales. Descompón la serie en tendencia, estacionalidad y residual, ajusta un modelo SARIMA (Seasonal AutoRegressive Integrated Moving Average — modelo autorregresivo integrado de media móvil estacional) como baseline y un Prophet de Facebook como referencia, y reporta el error medio absoluto porcentual (MAPE — Mean Absolute Percentage Error) a 12 semanas vista. El éxito es un MAPE inferior al 15% en los 6 meses de test y una memoria que el director comercial pueda usar para decidir bandas de precios.
El Briefing
Lo que harás y lo que demostrarás.
Construir una previsión semanal a 12 semanas con error inferior al 15% y explicar honestamente sus límites al equipo comercial.
Earning criteria — what you'll demonstrate
- Aplicar descomposición de series temporales en datos reales
- Ajustar y comparar dos familias de modelos de previsión
- Evaluar previsiones con métricas honestas (MAPE, MAE)
- Comunicar incertidumbre al equipo de negocio
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosCientífico de Datos
Construir previsiones con honestidad sobre la incertidumbre es trabajo de día a día del científico de datos en producto y operaciones.
Este proyecto afina
- time-series-analysis
- forecasting
- business-translation
Científico de IA Aplicada
Comparar dos familias de modelos sobre el mismo holdout y defender la elección por escrito es el núcleo del trabajo de applied AI scientist.
Este proyecto afina
- forecasting
- data-visualization
- python