2. Análisis actividad turística CyL¶

En este segundo apartado nos centramos en los datos de Castilla y León y profundizamos en las métricas relacionadas con el turismo.

La mayoría de la información es esta apartado va a ser obtenida del portal de datos abiertos de la Junta de Castilla y León

El portal de datos abiertos de CyL ofrece muchos datos relativos a la actividad turística sobre infraestructura, demanda, oferta, etc.. Vamos a trabajar con las siguientes fuentes de datos:

2.1 Análisis de las principales variables turísticas¶

Este análisis se basa en los datos sobre las principales variables turísticas que ofrece el portal de datos abiertos de la Junta de Castilla y León

Analizamos las principales variables turísticas de CyL: viajeros, pernoctaciones, Grado de ocupación, Estancia media, Establecimientos y Plazas

En el fichero descargamos la serie de 1995 a 2022. Aunque hay datos de 2023, llegamos hasta 2022 para trabajar con años cerrados.

Esta es una muestra de los datos del fichero:

El portal de datos abiertos de la Junta de CyL sobre variables turísticas tiene una serie histórica muy amplia (desde 1995), nos quedamos con el periodo 2012-2022

Agregamos la información por año, los campos 'Total viajeros', 'Total pernoctaciones' los agregamos a nivel de año y sobre el resto de campos obtenemos el valor medio por año: 'Grado de ocupación', 'Estancia media', 'Establecimientos', 'Plazas'.

En primer lugar, nos centramos en las variables relacionadas con la demanda como el número de viajeros y las pernoctaciones y vemos su evolución temporal

Vemos una evolución positiva y ascendente del número de viajeros y pernoctaciones en CyL en el periodo 2012-2022 quitando la bajada coyuntural de 2020 debida al covid19.

A continuación, nos centramos en variables también relacionadas con la demanda como el grado de ocupación media y estancia media

Observamos que mientras la variable grado de ocupación sigue una evolución similar a número de viajeros y pernoctaciones, la variable estancia media se mantiene constante a lo largo del tiempo. Son estancias medias cortas quizás derivadas del tipo de turismo que recibe CyL: turismo rural, gastronómico, actividades, eventos y festivales, también del turismo de fin de semana de cercanía (Comunidad de Madrid). Es curioso comprobar como la pandemia del covid19 no modificó la duración de las estancias de los turistas.

A continuación, nos centramos en las variables relacionadas con la capacidad como los establecimientos y las plazas

La evolución de los establecimiento y las plazas ha sido ascendente a los largo del tiempo adaptandose al incremento en la demanda (salvo el tramo de bajada de viajeros y pernoctaciones debido al covid19)

Realizamos un análisis de correlaciones en el que incluímos todas las variables

Obtenemos un mapa de calor para visualizar las correlaciones obtenidas

En un color rojo fuerte están las correlaciones positivas fuertes (valor próximo a 1) y en color claro las correlaciones positivas débiles (valor próximo a 0). En color azulado las correlaciones negativas (valor menor a 0). Los valor de la diagonal son las correlaciones de una variable con ella misma que no revisamos, en el resto encontramos lo siguiente:

Correlación muy alta positiva entre los establecimientos y las plazas, lo cual tiene todo el sentido.
Correlación muy alta positiva entre los viajeros y las pernoctaciones, lo cual tiene todo el sentido.
Correlación media-baja positiva (valores entorno 0,4) entre el grado de ocupación y los viajeros y las pernoctaciones
Correlación media-baja positiva (valores entorno 0,4) entre los establecimientos y plazas y los viajeros y las pernoctaciones
Correlación media-baja negativa (valores entorno -0,4) entre el grado de ocupación y los establecimientos y plazas.
La estancia media tiene una correlación débil con el resto de variables.

Lógicamente el grado de ocupación es un ratio que aumenta al aumentar los viajeros/pernoctaciones y disminuye al aumentar las plazas/establecimiento. Por otro lado al crecer el número de viajeros/pernoctaciones se tiende a aumentar la capacidad de la infraestructura turística y por ello aumenta las plazas/establecimiento

2.2 Análisis infraestructura turística¶

Este análisis se basa en los datos de infraestructura turística del sistema SIE del portal de datos abiertos de la Junta de CyL.

Analizamos las principales variables de infraestructura turísticas de CyL: agencias_viaje,albergues_turisticos,alojamientos turismo rural, alojamientos hoteleros, apartamentos turisticos, cafeterias, restaurantes, campings, empresas turismo activo, otras actividades turisticas y viviendas_turisticas

La información está obtenida a Diciembre de 2022. Hay datos más recientes, pero tomamos esta fecha de referencia para poder contrastar con los resultados del análisis anterior en el que llegamos hasta 2022.

Tenemos esta información para las diferentes provincias de CyL: Ávila, Segovia, Burgos, León, Valladolid, Palencia, Salamanca, Zamora y Soria.

Esta es una muestra de los datos del fichero:

Añadimos datos de población de cada provincia

Algunas cuestiones interesantes que podemos ver en la tabla:

León es lider destacado en algergues turísticos, posiblemente a ser punto de paso común en el Camino de Santiago.
Ávila es lider destacado en alojamientos de turismo rural y en empresas de turismo activo, posiblmente debido a las características de naturaleza de sus pueblos.
León y Burgos son líderes en alojamientos hoteleros, por encima incluso de provincias con más población como Valladolid.
En lo relativo a gastronomía León destaca por su alto número de restuarantes y muestra el atractivo gastronómico de la provincia.
Es notable el número de apartamentos y viviendas turísticas en todo CyL mostrando el desarrollo de este tipo de alojamientos que es generalizado en toda España.

Rentabilidad hotelera (RevPAR)¶

Una métrica muy utilizada en la industria hotelera es el RevPAR, ingresos por habitación disponible que es uno de los indicadores de rentabilidad hotelera.
En el INE tenemos una interesante fuente de datos como es: Ingresos por habitación disponible (RevPAR) por comunidades autónomas y provincias, que vamos a utilizar para conocer la rentabilidad hotelera en CyL. Bajamos los datos con el RevPAR medio de 2022.

Esta es una muestra de los datos del fichero:

Vemos como claramente es Valladolid la provincia con un RevPAR más alto, seguida de Segovia y Burgos

2.3 Análisis demanda turística¶

Este análisis se basa en los datos del boletín de coyuntura Demanda turística del portal de datos abiertos de la Junta de CyL

Los datos del boletín de coyuntura turísticas relativo a la demanda contiene variables ya analizadas previemente tales como: viajeros, pernoctaciones, Grado de ocupación, Estancia media, Establecimientos y Plazas, pero añade también información de los tipos de alojamientos, está desglosada por provincia y además diferencia turistas extranjeros y españoles.

Esta es una muestra de los datos del fichero:

Eliminamos los totales ('Todos alojamientos').

El portal de datos abiertos de la Junta de CyL sobre variables turísticas tiene una serie histórica muy amplia (desde 2000), nos quedamos con el periodo 2012-2022

En primer lugar queremos analizar la evolución de las variables turísticas relacionadas con los viajeros y las pernoctaciones desglosado por provincia

Agregamos la información por provincia y año de los campos 'Viajeros', 'Pernoctaciones'. Los campos que contienen valores medios no los vamos a considerar en la agregación, ya que para calcular valores medios a nivel de año deberíamos saber el peso de cada subgrupo en los valores medios (ejemplo subgrupos: tipo_alojamiento, subtipo_alojamiento).

Analizamos la evolución temporal de viajeros, pernoctaciones, grado de ocupación y estancia media, diferenciada por provincias.

Observamos lo siguiente para el periodo analizado (2012-2022):

En lo relativo a viajeros y pernoctaciones las tres provincias líderes son: León, Salamanca y Burgos.
Si nos centramos en viajeros extranjeros el líder destacado de los tres es Burgos, mientras que en viajeros españoles la situación es much más igualada
Si nos centramos en pernoctaciones el peso relativo en el grupo de Salamanca aumenta.

A continuacion nos interesa profundizar en el turismo extranjero con el objetivo de analizar qué tipo de turismo y provincias de CyL son más atractivas para el turista extranjero.

Primero vamos a analizar la relación entre las provincias y el turismo extranjero.

Agrupamos por provincia para obtener el agregado de viajeros (españoles, extranjeros y total)

Obtenemos el ratio de extranjeros, diviendo el número de viajeros extranjeros por el total de viajeros

Observamos que claramente es Burgos la provincia de CyL que mayor porcentaje de extranjeros recibe sobre el total de viajeros en el periodo 2012-2022

Comprobamos si la tendencia se mantiene a lo largo de los años

Efectivamente Burgos ha sido la provincia con mayor ratio de extranjeros en el periodo 2012 a 2022 seguido de Salamanca, León o Palencia

Es muy posible que la situación geográfica de estas provincias en el entorno del Camino de Santiago (León, Burgos), cerca de Portugal (Salamanca) o en rutas Francia - Portugal influya en este resultado.

Realizamos un análisis similar sobre el turismo extranjero, pero por tipo de alojamiento.

El tipo de alojamiento con mayor porcentaje de extranjeros son los albergues seguramente debido a la influencia del Camino de Santiago, sin embargo encontramos un ratio muy bajo en el turismo rural, atractivo turístico de CyL con gran afluencia de españoles.

Los análisis realizados nos permiten conocer mejor las preferencias de los turistas extranjeros y el papel clave del Camino de Santiago y la cercanía a Portugal y Francia. Volvemos a recurrir a ChatGPT para encontrar claves que ayuden a promocionar el turismo extranjero en CyL.

Generamos las preguntas a realizar a ChatGPT.
pregunta6: "Una vez realizado un análisis del turismo en Castilla y León (CyL), encontramos las siguientes claves respecto al turismo extranjero:

La nacionalidad más frecuente en CyL son franceses y portugues, mientras que a nivel de toda España lo son: Reino Unido, Alemania y Francia. Seguramente influya en este hecho la cercanía de CyL a Francia y Portugal.
El Camino de Santiago es donde más extranjeros encontramos en CyL, siendo Burgos, Salamanca y León las ciudades con mayor ratio de turistas extranjeros frente a los turistas españoles.
CyL es líder en turismo rural si nos fijamos en el turista español, pero baja notablemente en lo relativo a turistas de extranjeros superado por otras comunidades como: Baleares, Andalucía y Cataluña
El tipo de turismo que ofrece CyL es turismo rural, cultural, gastronómico, enológico y de naturaleza.
A nivel de infraestructuras hay una notable capacidad para todos los tipos de alojamiento.

Con toda esta información, me gustaría ver formas de promocionar el turismo de CyL entre los visitantes extranjeros de el Camino de Santiago, ¿qué estrategias podemos seguir?"

¡Por supuesto! Basándonos en la información proporcionada sobre el turismo en Castilla y León y su relación con el Camino de Santiago, aquí tienes algunas estrategias específicas para promocionar el turismo en la región entre los visitantes extranjeros del Camino de Santiago:

Enfatizar la Cercanía Geográfica:

Destaca la proximidad de Castilla y León a Francia y Portugal como una oportunidad para los peregrinos de disfrutar de una experiencia única y auténtica en la región.

Rutas Alternativas del Camino:

Promociona rutas alternativas del Camino de Santiago que pasan por Castilla y León. Resalta los atractivos culturales, naturales y gastronómicos que ofrece la región en estas rutas menos convencionales.

Experiencias Auténticas:

Resalta la autenticidad de la experiencia en Castilla y León en contraposición a las zonas más concurridas del Camino de Santiago. Destaca la tranquilidad, la cultura y la autenticidad que ofrece la región.

Paquetes de Experiencia:

Colabora con agencias de viajes para crear paquetes de experiencia que incluyan una extensión a Castilla y León. Combina el Camino de Santiago con actividades culturales, gastronómicas y de naturaleza en la región.

Historia y Cultura de Castilla y León:

Crea materiales promocionales que resalten la rica historia y cultura de la región. Destaca los monumentos históricos, ciudades medievales y la influencia del Camino de Santiago en la región.

Gastronomía y Enología:

Promociona las experiencias gastronómicas y enológicas únicas de Castilla y León. Organiza catas de vino, degustaciones de platos tradicionales y visitas a bodegas locales.

Redes Sociales y Comunicación Visual:

Utiliza plataformas de redes sociales para compartir fotos y videos inspiradores de la belleza de Castilla y León. Destaca los paisajes naturales, los monumentos y las experiencias.

Colaboración con Asociaciones y Comunidades Locales:

Colabora con asociaciones locales y comunidades en las ciudades a lo largo del Camino de Santiago en Castilla y León. Juntos pueden promocionar la región como una extensión natural del Camino.

Alianzas con Albergues y Hospedajes:

Colabora con albergues y hospedajes en el Camino de Santiago para promocionar paquetes que incluyan una extensión a Castilla y León. Ofrece descuentos o promociones a los peregrinos que elijan esta opción.

Colaboraciones con Peregrinos Influyentes:

Colabora con peregrinos influyentes en las redes sociales que hayan explorado Castilla y León. Sus testimonios y fotos auténticas pueden ser poderosas herramientas de promoción.
Eventos Temáticos:

Organiza eventos temáticos relacionados con el Camino de Santiago en Castilla y León. Esto puede incluir ferias culturales, festivales gastronómicos y actividades interactivas.

Ofertas Especiales:

Ofrece ofertas especiales y descuentos exclusivos para aquellos que elijan explorar Castilla y León durante su viaje en el Camino de Santiago.

Recuerda que la autenticidad y la conexión emocional con la región serán claves para atraer a los peregrinos extranjeros a explorar Castilla y León. Adaptar tus estrategias a los intereses y preferencias de tus audiencias específicas será fundamental para el éxito de la promoción.

A continuación empleamos técnicas estadísticas para analizar la relación entre las variables. Según el análisis anterior hemos podido comprobar que hay provincias y tipos de alojamientos con un mayor porcentaje de extranjeros, concretamente en lo relativo a provincias Burgos y Salamanca tienen un porcentaje mayor y en lo relativo a tipo de alojamientos los albergues y los campings. Vamos a apoyarnos en la prueba estadística Chi Cuadrado para validar de una manera formal que está relación entre variables (porcentaje extranjeros vs provincia y tipo alojamiento) existe.

Nos centramos en los datos de 2022 y generamos un conjunto de datos con las variables de interés: provincia, tipo alojamiento, mes y los datos de viajeros. Añadir el mes nos permitirá ver si el mes tiene algún efecto.

Para realizar la prueba Chi Cuadrado necesitamos convertir las variables de tipo cadena a numérico. Obtenemos unas nuevas variables sintéticas también llamadas variables dummy que toman como posibles valores 0 o 1. Por ejemplo provincia='Burgos' -> Provincia_Burgos = 1.

Sobre la variable que contiene el porcentaje de extranjeros, obtenemos una variable de clasificación con tres posibles valores sobre el nivel de extranjeros:

1: nivel bajo, porcentaje inferior al 10%
2: nivel medio, porcentaje entre 10% y 25%
3 nivel alto, porcentaje superior al 25%.

Necesitamos tener la variable de ratio de extranjeros como variable de clasificación para la prueba Chi Cuadrado

Creamos dos grupos de variables las predictoras (mes, provincia, tipo alojamiento) y las variable a predecir (ratio extranjeros). La prueba Chi cuadrado comprobará si hay dependencia entre la variable a predecir y las predictoras

Obtenemos el resultado de la prueba Chi Cuadrado con los scoring indicando las variables predictoras con mayor relación frente a la variable a predecir.

{'Provincia_Burgos': 47.16142741838452,
 'Provincia_Soria': 26.060018448704586,
 'Provincia_Ávila': 55.89450273722629,
 'Tipo alojamiento_Albergues': 29.267172836287795,
 'Tipo alojamiento_Camping': 23.387610792492172,
 'Tipo alojamiento_Hoteles, hostales y pensiones': 23.985040506938315,
 'Tipo alojamiento_Turismo rural': 27.050804122884422}

Obtenemos el P-Value para validar la fiabilidad del resultado, debe tener un valor inferior a 0,05.

Variable: Provincia_Burgos, P-Value: 3.0123430355792077e-12
Variable: Provincia_Soria, P-Value: 4.303098194313274e-07
Variable: Provincia_Ávila, P-Value: 2.2156227433616113e-14
Variable: Tipo alojamiento_Albergues, P-Value: 2.3640518729602197e-08
Variable: Tipo alojamiento_Camping, P-Value: 8.048849608668557e-07
Variable: Tipo alojamiento_Hoteles, hostales y pensiones, P-Value: 5.624158555656919e-07
Variable: Tipo alojamiento_Turismo rural, P-Value: 8.936984877022088e-08

El resultado de la prueba Chi Cuadrado cuadra con lo que habíamos visto anteriormente, ya que nos muestra que a nivel de provincia los valores que más importancia tienen para predecir el ratio de extranjeros son: Burgos, Soria y Ávila. Este resultado cuadra con lo analizado anteriormente ya que Burgos es el que tiene un mayor ratio y Soria y Ávila las que menor ratio tienen, de modo que estos valores ayudan a predecir, tanto porque están asociados a ratios altos como a ratios bajos. Algo similar encontramos en los tipos de alojamientos: Albergues, Camping (valores altos del ratio) y Hoteles y turismo rural (valores bajos). De igual modo, la prueba Chi Cuadrado nos muestra que el mes no tiene efecto en el ratio de extranjeros.

Series temporales: predicción viajeros próximos periodos¶

A continuación analizamos la evolución temporal del número de viajeros para el conjunto de CyL.

En primer lugar, agregamos los datos a nivel de 'Fecha' para obtener esta serie temporal. Nos quedamos con los años posteriores a 2019.

En el gráfico se puede ver claramente la estacionalidad del turismo con pico en Julio y Agosto y valle en Enero. Igualmente vemos el descenso provocado por el covid19 (2020 y 2021) y desde 2022 una tendencia alcista clara.

Tomamos esta serie histórica para generar un modelo de series temporales basado en ARIMA para tratar de predecir los viajeros de los próximos meses. Vamos a usar los datos desde 2019 hasta la actualidad.

Vamos a emplear un modelo llamado autoarima que realiza un ajuste automático de coeficientes.

Performing stepwise search to minimize aic
 ARIMA(1,1,1)(0,1,1)[12]             : AIC=1120.278, Time=0.21 sec
 ARIMA(0,1,0)(0,1,0)[12]             : AIC=1129.849, Time=0.02 sec
 ARIMA(1,1,0)(1,1,0)[12]             : AIC=1120.487, Time=0.07 sec
 ARIMA(0,1,1)(0,1,1)[12]             : AIC=1118.304, Time=0.11 sec
 ARIMA(0,1,1)(0,1,0)[12]             : AIC=1132.638, Time=0.04 sec
 ARIMA(0,1,1)(1,1,1)[12]             : AIC=1119.842, Time=0.23 sec
 ARIMA(0,1,1)(0,1,2)[12]             : AIC=1119.966, Time=0.21 sec
 ARIMA(0,1,1)(1,1,0)[12]             : AIC=1118.254, Time=0.08 sec
 ARIMA(0,1,1)(2,1,0)[12]             : AIC=1119.955, Time=0.22 sec
 ARIMA(0,1,1)(2,1,1)[12]             : AIC=1121.593, Time=0.52 sec
 ARIMA(0,1,0)(1,1,0)[12]             : AIC=1120.410, Time=0.06 sec
 ARIMA(1,1,1)(1,1,0)[12]             : AIC=1120.784, Time=0.18 sec
 ARIMA(0,1,2)(1,1,0)[12]             : AIC=1118.915, Time=0.09 sec
 ARIMA(1,1,2)(1,1,0)[12]             : AIC=1120.783, Time=0.20 sec
 ARIMA(0,1,1)(1,1,0)[12] intercept   : AIC=1121.389, Time=0.09 sec

Best model:  ARIMA(0,1,1)(1,1,0)[12]          
Total fit time: 2.332 seconds

ARIMA(order=(0, 1, 1), scoring_args={}, seasonal_order=(1, 1, 0, 12),
      suppress_warnings=True, with_intercept=False)

En la serie tenemos hasta 202307, intentamos predecir los próximos 5 periodos: 202308, 202309, 202310, 202311 y 202312.

Esta es la predicción de viajeros para los periodos indicados:

Lo visualizamos en la gráfica con la serie temporal completa

La línea azul es la serie histórica (desde 2019-01 hasta 2023-07) y la línea roja es la predicción (desde 2023-08 hasra 2023-12). El modelo parace haber "pillado" bien la tendencia y estacionalidad en la predicción a primera vista no parece mala. Hay que tener en cuenta que aunque la serie en los últimos dos años tiene una estacionalidad y tendencia clara, al trabajar con datos desde 2019 también intervienen los periodos de los años de covid19, lo cual dificulta obtener un patrón general.

Concretamente los datos de la predicción son:

Esperamos que la predicción realizada se equivoque y sean más los turistas que visiten CyL los próximos meses

Recurrimos a ChatGPT para realizar un último análisis de los datos.

Generamos las preguntas a realizar a ChatGPT.
pregunta7: Adjuntamos los datos de evolución de los turistas en Castilla y León en el periodo de 2019 a 2022. \nMe gustaría que me hicieras un informe sobre los mismos.\nDATOS: Fecha Viajeros\n0 2019-01 387199\n1 2019-02 467211\n2 2019-03 595289\n3 2019-04 788566\n4 2019-05 812511\n5 2019-06 864561\n6 2019-07 867353\n7 2019-08 1199543\n8 2019-09 870060\n9 2019-10 800461\n10 2019-11 639688\n11 2019-12 614484\n12 2020-01 440226\n13 2020-02 530752\n14 2020-03 223135\n15 2020-04 0\n16 2020-05 12656\n17 2020-06 96672\n18 2020-07 437556\n19 2020-08 516707\n20 2020-09 292947\n21 2020-10 205905\n22 2020-11 88453\n23 2020-12 79551\n24 2021-01 57114\n25 2021-02 67786\n26 2021-03 136280\n27 2021-04 157426\n28 2021-05 242658\n29 2021-06 405990\n30 2021-07 644699\n31 2021-08 1012502\n32 2021-09 671496\n33 2021-10 717207\n34 2021-11 454528\n35 2021-12 410167\n36 2022-01 281451\n37 2022-02 389633\n38 2022-03 449376\n39 2022-04 681947\n40 2022-05 692687\n41 2022-06 744246\n42 2022-07 862818\n43 2022-08 1247844\n44 2022-09 805617\n45 2022-10 741718\n46 2022-11 547819\n47 2022-12 478501\n48 2023-01 358730\n49 2023-02 431297\n50 2023-03 561726\n51 2023-04 840546\n52 2023-05 799988\n53 2023-06 836579\n54 2023-07 904171. La variable Fecha contiene el mes en el que se han registrado \nlos datos en formato yyyy-mm y la variable Viajeros los turistas que visitan Castilla y León ese mes

Por supuesto, aquí tienes un breve informe basado en los datos proporcionados sobre la evolución de los turistas en Castilla y León:

Resumen de la Evolución de Turistas en Castilla y León (2019-2023):

La serie temporal proporcionada contiene información mensual sobre el número de turistas que visitaron Castilla y León desde enero de 2019 hasta julio de 2023. La variable "Viajeros" representa la cantidad de turistas registrados en cada mes.

Tendencias Temporales:

Estacionalidad Anual: Se observa una clara estacionalidad en la serie, con picos de turismo durante los meses de verano (julio y agosto), lo que indica que estos meses son los más populares para visitar Castilla y León.

Impacto de la Pandemia: En 2020, se puede notar un marcado declive en el número de turistas a partir del mes de marzo. Esto puede atribuirse al impacto de la pandemia de COVID-19, que resultó en restricciones de viaje y cierres temporales de actividades turísticas.

Recuperación Post-Pandemia: A partir de mediados de 2021, se observa una tendencia de recuperación en el número de turistas, especialmente durante el verano de 2021 y 2022, lo que sugiere que la industria turística en la región está recobrando su fuerza gradualmente.

Eventos y Factores Externos:

Influencia Estacional: El patrón de aumento durante los meses de verano sugiere que el turismo estacional es un factor importante en la región. Las actividades al aire libre, festivales y eventos culturales pueden estar contribuyendo a esta tendencia.

Afectación por la Pandemia: La marcada caída en el turismo en 2020 coincide con las restricciones y cierres relacionados con la pandemia de COVID-19, lo que indica que la industria turística se vio fuertemente afectada por la crisis sanitaria.

Potencial de Análisis Adicional:

Modelos de Predicción: Dado que la serie temporal tiene una clara estacionalidad y tendencia, podríamos explorar modelos de pronóstico más avanzados, como modelos ARIMA (AutoRegressive Integrated Moving Average) o modelos de series temporales más complejos, para prever el número de turistas en los próximos meses.

Análisis de Causas: Sería interesante investigar las causas de la variabilidad en el número de turistas. ¿Existen eventos específicos en ciertos meses que impulsan el aumento de turistas? ¿Hay estrategias de marketing exitosas que podrían haber contribuido a la recuperación post-pandemia?

Comparación con Años Anteriores: Podríamos comparar los datos de 2023 con los mismos meses en años anteriores para evaluar si la recuperación es sostenible y si se están superando las cifras de pre-pandemia.

Conclusiones:

La evolución de los turistas en Castilla y León muestra una clara estacionalidad y una influencia significativa de factores externos, como la pandemia. La recuperación en el número de turistas sugiere un potencial de crecimiento en la industria turística, y la exploración de modelos de pronóstico más avanzados podría ayudar a planificar y adaptar estrategias para el futuro.

Recuerda que este informe es un análisis inicial basado en los datos proporcionados. Si tienes alguna pregunta específica o deseas profundizar en algún aspecto en particular, no dudes en preguntar.

Por último le preguntamos a ChatGPT que otras opciones tenemos para realizar la predicción.

Generamos las preguntas a realizar a ChatGPT.
pregunta8: Hemos realizado una predicción de los visitantes a Castilla y León generando un modelo de series temporales basado en el algoritmo ARIMA. ¿Qué otros posibles modelos u algoritmos podemos emplear para realizar la estimación?. La serie temporal tiene una clara estacionalidad y una tendencia alcista.

Además del modelo ARIMA, existen varios otros modelos y algoritmos que puedes considerar para realizar estimaciones en series temporales con clara estacionalidad y tendencia alcista. Algunos de los modelos más comunes son:

SARIMA (Seasonal ARIMA): Este modelo extiende el ARIMA incluyendo componentes de estacionalidad. Puede ser una opción adecuada cuando tu serie temporal muestra patrones estacionales consistentes.

Prophet: Desarrollado por Facebook, Prophet es un modelo de series temporales que puede manejar tendencias, estacionalidades y días festivos. Es especialmente útil para series temporales con patrones complejos y cambios abruptos.

Holt-Winters: También conocido como modelo triple exponencial, es útil para series temporales con tendencia y estacionalidad. Puede ser adaptado a series temporales con una tendencia alcista.

XGBoost y LightGBM: Aunque son algoritmos de aprendizaje automático diseñados principalmente para problemas de regresión, pueden ser utilizados para predecir series temporales. Pueden manejar múltiples características, incluyendo estacionalidad y tendencia.

Redes Neuronales Recurrentes (RNN): Modelos como LSTM (Long Short-Term Memory) y GRU (Gated Recurrent Unit) son capaces de capturar patrones complejos en series temporales, incluyendo tendencias y estacionalidades.

Procesos de media móvil (MA): Además de los modelos ARIMA, puedes explorar modelos basados en procesos de media móvil (MA), que pueden ser adecuados para capturar la tendencia alcista.

Modelos de regresión lineal con transformación de características: Puedes considerar aplicar transformaciones a tus características y luego ajustar un modelo de regresión lineal. Por ejemplo, aplicar una transformación logarítmica a la variable objetivo si tiene una tendencia alcista.

Modelos de regresión no lineal: Si la tendencia alcista es más compleja y no se ajusta bien a un modelo lineal, podrías considerar modelos de regresión no lineal como polinomios de grado superior.

La elección del modelo dependerá de la naturaleza específica de tus datos, la cantidad de datos disponibles, y la complejidad de los patrones temporales. Puedes probar varios modelos y evaluar su rendimiento utilizando métricas como el error cuadrado medio (RMSE), el error absoluto medio (MAE) o el coeficiente de determinación (R^2) en un conjunto de datos de prueba. Recuerda que cada modelo tiene sus propias suposiciones y parámetros que debes ajustar adecuadamente.

Conclusiones análisis actividad turística Castilla y León y uso ChatGPT¶

Como resumen sobre los datos de analizados podemos indicar:

Hemos analizado la evolución temporal de las principales variables turísticas como: viajeros, pernoctaciones, Grado de ocupación, Estancia media, Establecimientos y Plazas. La mayoría de las variables han tenido una evolución similar con una tendencia alcista en el tiempo con bajada y recuperación postpandemia, por otra parte la estancia media se mantiene constante y es relativamente baja en CyL.
Se ha analizado la infraestructura turística, viendo las diferencias entre las provincias. León destaca en algergues turísticos (Camino de Santiago), Avila en turismo rural, León y Burgos en alojamientos hoteleros y León en número de restaurantes. Igualmente hemos comprobado que Valladolid es la provincia con RevPAR más alto.
Hemos analizado las variables de demanda turística analizando viajeros y pernoctaciones diferenciando españoles y extranjeros, vemos una evolución similar con una tendencia alcista en el tiempo con bajada y recuperación postpandemia. Si nos fijamos en provincias hemos visto que: en pernoctaciones las tres provincias líderes son: León, Salamanca y Burgos. En viajeros extranjeros el líder destacado de los tres es Burgos, mientras que en viajeros españoles la situación es much más igualada. Si nos centramos en pernoctaciones el peso relativo en el grupo de Salamanca aumenta.
Hemos profundizado en el turismo extranjero y vemos que Burgos ha sido la provincia con mayor ratio de extranjeros en el periodo analizado seguido de Salamanca, León o Palencia. El Camino de Santiago y la cercanía a Portugal influye en este resultados. En análisis anteriores ya vimos que las nacionalidades más frecuentes son franceses y portugueses. En lo relativo a alojamiemtos vemos que alguergues y campings son los alojamientos más utilizados por extranjeros.
Se ha realizado un análisis estadístico para analizar la importancia de las variables provincia y tipo de alojamiento sobre el ratio de extranjeros. Este análisis confirmar mediante pruebas estadísticas lo ya detectado en puntos anteriores.
Finalmente revisamos la serie histórica de viajeros en CyL y se realiza una estimación para los meses Agosto, Septiembre, Octubre, Noviembre y Diciembre de 2023.
ChatGPT puede ser un asistente valioso para analizar datos y proponer ideas para seguir investigando.

Página inicio

	Mes	Total viajeros	Total pernoctaciones	Grado de ocupación	Estancia media	Establecimientos	Plazas
0	1995-02-01	102573	161215	23	2	1507	43935
1	1995-11-01	141845	236304	29	2	1571	45221
2	1995-12-01	126887	193234	24	2	1579	45324
3	1996-04-01	210140	330911	39	2	1701	78798
4	1996-07-01	233282	366773	41	2	1762	80280

	Mes	Total viajeros	Total pernoctaciones	Grado de ocupación	Estancia media	Establecimientos	Plazas	Año
88	2014-01-01	276916	440781	12	2	6135	149866	2014
30	2016-05-01	648992	1034047	25	2	5786	147682	2016
301	2014-03-01	407612	666572	17	2	6145	149972	2014
295	2012-09-01	589887	963969	23	2	5973	148299	2012
210	2019-10-01	800461	1330736	28	2	8827	183655	2019
315	2017-08-01	1103373	2077946	43	2	6194	160054	2017
182	2013-05-01	520111	850479	20	2	6055	148890	2013
92	2016-01-01	336470	545206	15	2	6044	149543	2016
35	2019-02-01	467211	759966	20	2	8268	179443	2019
191	2015-04-01	609760	1037524	26	2	6050	148986	2015

	Año	Total viajeros	Total pernoctaciones	Grado de ocupación	Estancia media	Establecimientos	Plazas
0	2012	5802748	9918627	20	2	5928	147846
1	2013	5943117	10040399	21	2	6076	149159
2	2014	6237916	10533324	21	2	6155	150615
3	2015	6820136	11477860	24	2	6124	150202
4	2016	7237835	12136425	25	2	5818	147738
5	2017	8154518	13570582	27	2	6175	159845
6	2018	8439757	14280456	27	2	7112	169420
7	2019	8908841	15228407	27	2	8599	182044
8	2020	2924560	5325455	13	2	9211	186711
9	2021	4977853	8580718	20	2	9370	187902
10	2022	7923657	13123431	25	2	10041	191406

	Total viajeros	Total pernoctaciones	Grado de ocupación	Estancia media	Establecimientos	Plazas
Total viajeros	1.000000	0.988904	0.427839	0.287507	0.406494	0.472771
Total pernoctaciones	0.988904	1.000000	0.442135	0.354629	0.402559	0.468805
Grado de ocupación	0.427839	0.442135	1.000000	0.121508	-0.384274	-0.403696
Estancia media	0.287507	0.354629	0.121508	1.000000	0.242715	0.258132
Establecimientos	0.406494	0.402559	-0.384274	0.242715	1.000000	0.965748
Plazas	0.472771	0.468805	-0.403696	0.258132	0.965748	1.000000

	Año	Mes	Periodo	Fecha	Provincia	Tipo alojamiento	Subtipo alojamiento	Viajeros	Viajeros españoles	Viajeros extranjeros	Pernoctaciones	Pernoctaciones españoles	Pernoctaciones extranjeros	Grado ocupación	Estancia media	provincia_abreviado	Estancia media españoles	Estancia media extranjeros
0	2007	Mayo	Mensual	2007-05	Valladolid	Todos alojamientos	Todos	69344	54221	15123	107941	82754	25187	34	2	VA	2	5
1	2007	Junio	Mensual	2007-06	Palencia	Hoteles, hostales y pensiones	Hoteles y hostales	25650	20057	5593	42170	33356	8814	40	2	PA	2	6
2	2007	Junio	Mensual	2007-06	Salamanca	Hoteles, hostales y pensiones	Hoteles y hostales	94070	72302	21768	152460	112583	39877	48	2	SA	2	5
3	2007	Junio	Mensual	2007-06	Zamora	Hoteles, hostales y pensiones	Hoteles y hostales	26952	23435	3517	38887	34013	4874	35	1	ZA	1	10
4	2007	Junio	Mensual	2007-06	Palencia	Hoteles, hostales y pensiones	Pensiones	1152	728	424	1791	1366	425	17	2	PA	0	0
5	2007	Junio	Mensual	2007-06	Segovia	Hoteles, hostales y pensiones	Pensiones	905	610	295	2190	1419	771	21	2	SE	0	0
6	2007	Junio	Mensual	2007-06	Soria	Hoteles, hostales y pensiones	Pensiones	134	123	11	1189	1005	184	14	9	SO	0	0
7	2007	Junio	Mensual	2007-06	Valladolid	Hoteles, hostales y pensiones	Pensiones	1498	1164	334	6099	4020	2079	22	4	VA	3	0
8	2007	Junio	Mensual	2007-06	Ávila	Turismo rural	Turismo rural	10820	10481	339	22691	22205	486	17	2	AV	2	0
9	2007	Junio	Mensual	2007-06	Valladolid	Turismo rural	Turismo rural	2169	1883	286	4793	3504	1289	14	2	VA	2	0

	provincia	agencias_viaje	albergues_turisticos	alojamientos_turismo_rural	alojamientos_hoteleros	apartamentos_turisticos	cafeterias	campings	empresas_turismo_activos	otras_activ_turisticas	restaurantes	viviendas_turisticas
0	Avila	20	15	988	149	76	137	15	65	19	608	623
1	Burgos	89	73	465	302	54	202	17	26	6	858	346
2	Leon	96	123	548	420	62	323	39	48	15	1260	561
3	Palencia	32	33	249	104	14	55	4	19	1	348	73
4	Salamanca	85	19	577	254	102	326	20	28	6	751	529
5	Segovia	38	22	459	153	58	61	6	69	11	532	380
6	Soria	11	16	381	129	34	63	8	18	2	351	173
7	Valladolid	137	17	207	154	33	241	3	27	23	892	231
8	Zamora	25	10	281	103	31	109	4	20	1	377	356

	provincia	agencias_viaje	albergues_turisticos	alojamientos_turismo_rural	alojamientos_hoteleros	apartamentos_turisticos	cafeterias	campings	empresas_turismo_activos	otras_activ_turisticas	restaurantes	viviendas_turisticas	poblacion
0	Avila	20	15	988	149	76	137	15	65	19	608	623	158140
1	Burgos	89	73	465	302	54	202	17	26	6	858	346	355045
2	Leon	96	123	548	420	62	323	39	48	15	1260	561	448179
3	Palencia	32	33	249	104	14	55	4	19	1	348	73	158008
4	Salamanca	85	19	577	254	102	326	20	28	6	751	529	325898
5	Segovia	38	22	459	153	58	61	6	69	11	532	380	153803
6	Soria	11	16	381	129	34	63	8	18	2	351	173	88377
7	Valladolid	137	17	207	154	33	241	3	27	23	892	231	517975
8	Zamora	25	10	281	103	31	109	4	20	1	377	356	167215

	provincia	RevPar2022
7	Valladolid	36.023333
5	Segovia	30.192500
1	Burgos	27.585833
4	Salamanca	26.676667
2	León	25.439167
8	Zamora	24.659167
3	Palencia	23.542500
0	Ávila	23.500000
6	Soria	23.204167

	Provincia	Año	Viajeros	Viajeros españoles	Viajeros extranjeros	Pernoctaciones	Pernoctaciones españoles	Pernoctaciones extranjeros
0	Burgos	2012	1034596	711696	322900	1621768	1204322	417446
1	Burgos	2013	1091131	729868	361263	1687959	1200557	487402
2	Burgos	2014	1146055	768499	377556	1770752	1280677	490075
3	Burgos	2015	1199347	770734	428613	1856703	1281121	575582
4	Burgos	2016	1297378	837394	459984	2010669	1390075	620594
...	...	...	...	...	...	...	...	...
94	Ávila	2018	966764	874550	92214	1609620	1463293	146327
95	Ávila	2019	989854	895365	94489	1675864	1523324	152540
96	Ávila	2020	340828	322622	18206	633135	594149	38986
97	Ávila	2021	506416	480933	25483	892320	839135	53185
98	Ávila	2022	754161	691779	62382	1331657	1220880	110777

	Mes	Provincia	Tipo alojamiento	Viajeros	Viajeros españoles	Viajeros extranjeros	ratio_extranjeros
0	Abril	Burgos	Albergues	9775	5488	4287	0.44
1	Abril	Burgos	Apartamentos turísticos	5092	3752	1340	0.26
2	Abril	Burgos	Camping	1666	931	735	0.44
3	Abril	Burgos	Hoteles, hostales y pensiones	88444	63680	24764	0.28
4	Abril	Burgos	Turismo rural	15697	12148	3549	0.23
...	...	...	...	...	...	...	...
643	Septiembre	Ávila	Apartamentos turísticos	2109	2066	43	0.02
644	Septiembre	Ávila	Camping	6060	5347	713	0.12
645	Septiembre	Ávila	Hoteles, hostales y pensiones	45608	39092	6516	0.14
646	Septiembre	Ávila	Turismo rural	12662	12173	489	0.04
647	Septiembre	Ávila	Viviendas de uso turístico	7702	7702	0	0.00

	Fecha	Viajeros
0	2019-01	387199
1	2019-02	467211
2	2019-03	595289
3	2019-04	788566
4	2019-05	812511
5	2019-06	864561
6	2019-07	867353
7	2019-08	1199543
8	2019-09	870060
9	2019-10	800461

	Pred	Fecha
2023-08-01	1273250	2023-08
2023-09-01	874884	2023-09
2023-10-01	858481	2023-10
2023-11-01	634779	2023-11
2023-12-01	576275	2023-12