Uso de indicadores Big Data para mejorar el nivel de ajuste de un modelo autorregresivo de arribos domésticos al Aeropuerto Internacional Jorge Chávez

Abstract

El presente documento pretende relacionar el número de arribos domésticos al aeropuerto Jorge Chávez con las búsquedas en Google y YouTube vinculadas a viajar a Lima vía aérea en territorio peruano. Cuantificar las búsquedas de un tópico específico en Google y YouTube es posible con Google Trends. Los índices que se pueden obtener a parir de esta herramienta forman parte de lo que se conoce como Big Data. El modelo AR-1, del tipo autorregresivo, ha sido empleada por diversos investigadores para poder pronosticas patrones de consumo. La propuesta de la investigación radicó en que los indicadores Big Data de Google y YouTube pueden contribuir a mejorar el nivel de precisión de dicho modelo. Para ello fue empleada la data de arribos locales al aeropuerto Jorge Chávez. La investigación abarcó el período 2013-2017. Con el uso de regresiones lineales múltiples, los investigadores demostraron que la inclusión de las variables provenientes de Google y YouTube para el caso mencionado contribuye a mejorar el R-cuadrado ajustado que registró el modelo AR-1, el cual registró un valor de 0.708 para el indicador ya mencionado. Pero cuando fueron incluidos Google y YouTube, la métrica pasó a 0.726 para finalmente llegar a 0.740. El indicador del buscador aporta más al modelo que la métrica obtenida del portal de vídeos. No obstante, luego de un análisis cualitativo, fue necesario destacar que existen ciertas características de YouTube que lo convierten en una herramienta para realizar proyecciones comerciales. Resulta que dicha plataforma cuenta con más información que solo el tráfico, también es posible medir las emociones reflejadas en el mismo vídeo así como en los comentarios de los usuarios.