Predicción de venta web melia.com

Abstract

[spa] Este trabajo fin de máster consiste en la realización de un análisis y predicción de las ventas de melia.com. Es tanto un trabajo de fin de máster como un proyecto de empresa ya que ha pasado a entorno productivo en la empresa. El trabajo consta tanto del análisis de las distintas variables que pueden ser interesantes para la predicción como del propio proceso de machine learning para predecir la venta. Se unieron distintas tablas aprovechando el conocimiento de negocio y teniendo en cuenta que información podía ser interesante para mejorar la predicción. El sistema utilizado para realizar la predicción es Azure Machine Learning. Y se han comparado los resultados del sistema automático contra el sistema diseñado a mano. Con los resultados del proyecto se observa que a medida que se incluyen variables en el conjunto de datos la predicción mejora, que el mejor modelo es el autoML, y adicionalmente se realiza un estudio de las variables significativas para mejorar el rendimiento del entrenamiento en un futuro.

[eng] This end-of-Master's project is an analysis and prediction of a customer making a reservation in melia.com. This end-of-Master's project is also a business project and it is already in a productive environment in the company. This proyect is also analysing how significative the different variables can be to the model and, on the other hand, the machine learning model results to predict a reservation. Taking advantage of the business know-how I already have, and thinking about the most interesting information to improve the prediction I joined it from different data tables. The compute engine used to train the model was Azure Machine Learning. The results of the hand made model is compared to the auto model. At the results we can appreciate the best model and also how the prediction gets improved the more variables we add to the dataset, the autoML one. Once it’s determined I also check the significative variables so the training performance could be improved.