Name: Previsione della spesa turistica attraverso l'analisi dei dati (en Italiano)
Price: 234.98 PEN
Availability: InStock
Author: Piña Miranda, Laura
ISBN: 9786206971641

portada Previsione della spesa turistica attraverso l'analisi dei dati (en Italiano)

Formato

Libro Físico

Autor

Laura Piña Miranda

Editorial

Edizioni Sapienza

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.3 cm

Peso

0.10 kg.

ISBN13

9786206971641

Categorías

Gestión empresarial

Previsione della spesa turistica attraverso l'analisi dei dati (en Italiano)

Laura Piña Miranda (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo

S/ 234,98

S/ 469,96

Ahorras: S/ 234,98

50% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Lunes 12 de Agosto y el Lunes 26 de Agosto.

Lo recibirás en cualquier lugar de Perú entre 2 y 5 días hábiles luego del envío.

Reseña del libro "Previsione della spesa turistica attraverso l'analisi dei dati (en Italiano)"

L'analisi dei dati massivi, nota anche come "Big Data", si basa sull'archiviazione e sulla successiva quantificazione ed elaborazione di grandi quantità di informazioni con l'obiettivo di ottenere tendenze e regolarità. In campo economico, l'analisi dei dati consente, tra l'altro, di analizzare i fattori di un'attività economica che hanno il maggiore impatto sui suoi risultati. In questo modo, è possibile ottenere previsioni con un maggior grado di confidenza sull'effetto delle diverse possibili decisioni aziendali, consentendo di ottimizzare il percorso da seguire alla ricerca del successo commerciale. Questo spesso conferisce alle aziende che lo applicano un vantaggio competitivo rispetto a quelle che non lo fanno. L'obiettivo di questo lavoro è creare modelli predittivi della spesa turistica in Spagna. A tal fine, abbiamo utilizzato i dati dell'indagine EGATUR, un database che fornisce informazioni dettagliate sui turisti che viaggiano in Spagna. I dati utilizzati sono distribuiti su un periodo di due anni. Sono stati utilizzati gli algoritmi di regressione lineare (LR), K Nearest Neighbours (KNN), Random Forest (RF), Support Vector Machine (SVM) e Deep Learning (DL).