Sistema
informático de apoyo a la toma de decisiones en los servicios de restauraci=
ón
de la red hotelera en Cuba
Compu= ter system to support decision-making in the restaurant services of the hot= el network in Cuba
Ing. Maday
Ynfante Martínez.[1],
Asiel Díaz Vasallo [2],
DrC. Yasser Vázquez Alfonso [3]& MSc. Luis Efraín
Velasteguí López [4]
Recibido: 10-10-2018 /
Revisado: 17-11-2018 /Aceptado: 04-12-2018/ Publicado: 05-01-2019
The quality of the services of the hotel network in
Cuba is an essential element to guarantee the satisfaction of the tourists =
that
arrive to the country. In this paper, a computer system was developed to de=
tect
the level of satisfaction of food and beverage services. In order to do thi=
s,
the information stored in the databases related to the surveys made to the
tourists was analyzed with the purpose of extracting knowledge through the
application of data mining techniques.
The system, in addition to managing the data, shows
graphical visualizations referring to the behavior of satisfaction indicato=
rs,
providing analysts with a better understanding of the information. Finally,=
we
discuss issues related to the software proposed in this research and compare
the results of the research with those offered by WEKA.
Keywords: = indicators of satisfaction, data mining.
Resu=
men.
La
calidad de los servicios de la red hotelera en Cuba es un elemento
imprescindible para garantizar la satisfacción de los turistas que llegan al
país. En este trabajo se elaboró un sistema informático para detectar el ni=
vel
de satisfacción de los servicios de alimentos y bebidas. Para ello se anali=
zó
la información almacenada en las bases de datos referente a las encuestas
realizadas a los turistas, con el propósito de extraer conocimiento mediant=
e la
aplicación de técnicas de minería de datos.
El
sistema, además de gestionar los datos, muestra visualizaciones gráficas
referentes al comportamiento de los indicadores de satisfacción,
proporcionándole a los analistas una mayor comprensión de la información. P=
or
último, se abordan temas relacionados con el software propuesto en esta investigación y se comparan los
resultados arrojados por el mismo con los ofrecidos por WEKA.
Palabras claves:
indicadores de satisfacción, minería de datos.
Introducción
El turismo es = una industria que se ha desarrollado a una velocidad impresionante en las últim= as décadas. Motivo por el cual ha llegado a convertirse en una de las primeras fuentes económicas a nivel mundial. Por consiguiente, es de suma importanci= a a la hora de ofertar servicios turísticos, garantizar un elemento imprescindi= ble: “la calidad”. Según Prieto, (2011), su correcta gestión constituye una de l= as principales ventajas de las organizaciones y las encamina hacia el logro de= la mejora continua, como vía para satisfacer las necesidades de sus clientes.<= o:p>
La calidad del
servicio y la satisfacción de los usuarios es una de las principales áreas =
de
estudio del comportamiento de los mismos. Esto se debe a que el rendimiento=
de
las organizaciones de servicios es valorado por las propias personas que
adquieren y/o utilizan estos bienes de consumo y/o servicios (Quintanilla, 2002). Dentro del sector
turístico, los establecimientos de hospedaje y restauración, no sólo
constituyen un componente esencial de la oferta, sino que también están
experimentando una fuerte competencia.
Romaní
(2016) opina que la restauración constituye un eslabón de gran importancia =
para
la industria turística. Es reconocida como uno de los elementos que mayores
ingresos reporta al sector hotelero. En los últimos años, los datos de la
encuesta nacional de satisfacción del destino revelan que estos servicios no
alcanzan los niveles deseados. A su vez, colocan al destino turístico en una
situación contraproducente con respecto a los objetivos de calidad establec=
idos
por la institución. Por tal motivo se orienta la necesidad de realizar estu=
dios
relacionados con la calidad de los servicios de alimentos y bebidas.
En Espinosa (2010) se evidencian numerosos m=
étodos
para la evaluación de la calidad del servicio, que se emplean generalmente =
como
modelos de diagnóstico. Sin embargo, Romaní (2016) afirma que los modelos
existentes no contemplan de manera específica una metodología integradora y
coherente. Por tal motivo, existe la carencia real de una herramienta que
evalúe de forma integral la satisfacción de los turistas respecto a los
servicios de alimentos y bebidas en las instalaciones de la red hotelera en
Cuba.
El objetivo de este trabajo es desarrollar un
sistema informático que contribuya a la toma de decisiones en los servicios=
de
alimentos y bebidas en las instalaciones de la red hotelera en Cuba.
Metodología
Para realizar =
el
proceso de minado de datos se empleó la librería WEKA (B. R. R. et al., 2013), la cual presenta un conjunto de técnicas =
con
sus algoritmos asociados. En este proyecto se seleccionaron tres algoritmos.
Teniendo en cuenta que el propósito general fue procesar la información des=
de
diversos puntos de vista, la elección de los mismos responde a la aplicació=
n de
tres técnicas determinadas (Cluster=
ing,
Clasificación y Asociación).
En aras de apl=
icar
el Clustering se empleó el méto=
do
particional K-means, con el obj=
etivo
de intentar minimizar la varianza total intra-grupo o la función de error
cuadrático. En este caso, su uso tributó a la creación de una herramienta de
verificación y testeo de la calidad de los servicios de alimentos y bebidas=
; en
particular, del vector de características seleccionado.
Por otro lado,
para emplear la Clasificación se recurrió al algoritmo J48, cuya función es
crear una descripción eficiente de un conjunto de datos mediante la utiliza=
ción
de un árbol de decisión. Dada una fuente de información consistente, es dec=
ir,
sin contradicción entre los datos, el árbol resultante describirá el conjun=
to
de entrada a la perfección. Además, el árbol puede ser utilizado para prede=
cir
nuevos valores, asumiendo siempre que el conjunto de entrenamiento sobre el
cual se trabaja es representativo respecto a la fuente de información origi=
nal.
La Asociación se puso en práctica con el Apriori, cuya finalidad es descubrir reglas sustentadas
probabilísticamente con un intervalo de confianza. Su aplicación posibilitó
descubrir patrones significativos dentro de un conjunto de datos, que
proporcionan una mejor comprensión del comportamiento general de los
indicadores analizados.
Por otra parte, se conformó la base de d= atos con información suministrada por las encuestas de satisfacción realizadas a= los turistas. La misma está compuesta por una tabla principal y cuatro tablas de referencia. La tabla principal contiene la información relevante de la opin= ión del cliente en sí (Id del cliente, las preferencias por la comida y la bebi= da, el trato del personal del hotel hacia los mismos entre otros indicadores).<= o:p>
Las tablas de
referencia describen la recopilación de determinados campos de la tabla de
Opinión del Cliente. Estas son:
· =
Territorio: contiene =
la
descripción de los territorios que se encuentran en la tabla de Opinión.
· =
Entidad: que describe=
las
entidades que se encuentran en la tabla de Opinión.
· =
Hotel: almacena la
información de los hoteles que son utilizados en la tabla Opinión.
· =
Nacionalidad: contien=
e la
descripción de las nacionalidades que se encuentran en la tabla Opinión.
Es
de destacar que se desarrolló una versión de escritorio por petición del
usuario final. Para su elaboración se utilizó como entorno
Por otro lado,=
en
aras de mejorar la apariencia de la interfaz gráfica del usuario se empleó =
JavaFX 8. La misma está compuesta =
por
clases e interfaces escritas en código Java.
Para la construcción de la interfaz de usuario estas aplicaciones emplean un
lenguaje de marcado declarativo basado en XML, denominado FXML.
Como
gestor de bases de datos se utilizó PostgreSQL,
el cual está considerado como un gestor muy potente. Cuenta con relaciones
objeto-relacional, herencia, los tipos de datos más utilizados, funciones,
restricciones, triggers, reglas=
e
integridad transaccional, aunque no llega a ser un gestor completamente
orientado a objeto. Permite realizar subconsultas SQL, definir llaves prima=
rias
y campos de una tabla “únicos”. En el caso de las llaves extranjeras, permi=
te
las operaciones de borrar o modificar en cascada a partir de ellas.
Atendiendo a l=
as
necesidades del usuario Yfante (2017), estableció como requisitos funcional=
es:
1. Gestionar los indicadores de restauración.
1.1 Insertar
los indicadores de la restauración.
1.2 Modificar
los indicadores de la restauración.
1.3 Eliminar
los indicadores de la restauración.
2. Gestionar usuarios.
2.1 Insertar
usuarios.
2.2 Modificar
usuarios.
2.3 Eliminar
usuarios.
3. Autenticarse.
4. Generar reportes sobre los indicadores de la
restauración.
4.1 Reporte
en relación a los productos.
4.1.1 Reporte de aceptación de los índices de
calidad de los productos por hotel.
4.1.2 Reporte de reglas de asociaciones entr=
e los
índices de calidad de los productos.
4.2 Reporte
en relación a la bebida.
4.2.1 Reporte de aceptación de los índices de
calidad de la bebida por hotel.
4.2.2 Reporte
sobre la preferencia de la bebida.
4.3 Reporte
en relación al personal.
4.3.1 Reporte de aceptación de los índices de
calidad referentes al personal de servicio por hotel.
4.3.2 Reporte de reglas de asociaciones entr=
e los
índices de calidad concernientes al personal de servicio.
4.4 Reporte en relación a la instalació=
n.
4.4.1 Reporte de aceptación de los índices de
calidad referidos a la instalación.
4.4.2 Reporte de reglas de asociaciones entr=
e los
índices de calidad pertenecientes a la instalación.
4.5 Reporte
en relación a la comida.
4.5.1 Reporte
sobre la preferencia de la comida.
4.6 Índices
de satisfacción general de bebida.
4.7 Índices
de satisfacción general de alimentos.
4.8 Reporte sobre las reglas de asociac=
ión entre
comida y bebida.
5. Graficar el comportamiento de los indicadores d=
e la
restauración mediante la agrupación en clústeres de:
5.1 Índices
en relación a la bebida.
5.2 Índices
en relación al personal.
5.3 Índices
en relación a la instalación.
5.4 Índices
en relación a la comida.
5.5 Índices
de satisfacción general de bebida.
5.6 Índices de satisfacción general de
alimentos.
Interfaz externa o apariencia=
:
Rendimiento:
Soporte:
· =
El sistema será instalado y configurado por los especiali=
stas
del Departamento de Informática de la Universidad Agraria=
de La
Habana, quienes se encargarán de darle mantenimiento durante su período de
prueba.
Extensibilidad:
Mantenimiento:
Portabilidad:
· =
El sistema debe ser utilizado bajo los sistemas
operativos Windows o Linux, por lo que su desarrollo debe realizarse hacien=
do
uso de lenguaje y tecnologías capaces de brindar este soporte.
Software:
Hardware:
· =
Como mínimo se requiere de un ordenador Pentium IV con 1 GB de RAM y un mi=
croprocesador
a 2.0 Ghz, 120 Gb de disco duro.
Res=
ultados
Los resultados
expresan el comportamiento que toman los indicadores recogidos en las encue=
stas
al aplicarle las técnicas de minería de datos, los cuales se ven reflejados=
en
las gráficas para un mejor uso de la información.
Con el propósi=
to
de estudiar el nivel de inestabilidad que presentan los indicadores de las
instancias (registros) analizadas, se empleó el gráfico de puntos o scatter (ver gráfica 1). Su uso
contribuyó a la visualización del comportamiento de las opiniones recopilad=
as;
estableciendo agrupaciones mediante criterios de similitud existentes.
Gráfica 1<=
span
lang=3DES style=3D'font-size:12.0pt;line-height:115%;font-family:"Times New=
Roman",serif'>:
Agrupación en clúster.
Fuente:
Elaboración propia.
La misma nos
revela que se establecieron cuatro agrupaciones. En cuanto al clúster número
uno (de color naranja), se observa una variabilidad tanto en la satisfacción
general de los alimentos, como en el sabor del producto. Por otra parte, el
clúster dos (de color amarillo mostaza) señala que no existe inestabilidad =
con
respecto al sabor del producto mientras que para la satisfacción general de=
los
alimentos la hay. En el clúster tres (de color verde) todos los indicadores=
son
análogos. Por otro lado, en el clúster cuatro (de color azul) existe
variabilidad con respecto a la satisfacción general de los alimentos.
Gráfica 2: Gráfico
de barras
Fuentes: <=
span
lang=3DES style=3D'font-size:12.0pt;line-height:115%;font-family:"Times New=
Roman",serif'>Elaboración
propia.
En dicha gráfi=
ca
se puede apreciar que el clúster tres presenta el mayor número de indicador=
es
(6). A su vez, el clúster cuatro, refleja la menor proporción registrada.
Mientras que el clúster 1 y 2 presentan la misma cantidad de indicadores (3=
).
Para mostrar las combinaciones de valores de los atributos (indicado=
res)
que acontecen más frecuentemente en un gran volumen de datos, se utilizan l=
as
Reglas de Asociación. Las mismas permiten conocer el comportamiento general=
de
la información para utilizarlo a la hora de tomar decisiones (ver figura 1)=
.
Figura 1: Reglas de Asociación.
Fuente: Elaboración propia.
En la primera regla se observa que 11 personas expresan que la fresc=
ura
del producto es Bueno lo cual implica que el precio de calidad del producto=
es
Bueno para 11 personas también, con un nivel de confiabilidad del 100%
(conf:(1)).
Un árbol de
decisión es un conjunto de reglas de asociación organizadas de tal manera q=
ue
la decisión final o acción a tomar se puede determinar siguiendo las mismas
desde la raíz hasta alguna de sus hojas. C=
on la
finalidad de catalogar como se están efectuando los servicios que se presta=
n a
los turistas, se estudian un grupo de condiciones para predecir el camino a
tomar para mejorar o hacer de excelencia los mismos.
Para efectuar =
la
predicción se recurrió al algoritmo J48 utilizando como variable en estudio=
el
indicador que se desea analizar (ver figura 2).
Figu=
ra 2:Árbol de
decisiones.
Fuen=
te: Elaboración propia.
Este caso resp=
onde
a la variable objetivo satisfacción general de los alimentos (Indicador de =
la
encuesta). Las ramas que surgen de cada nodo representan los estados posibl=
es
que puede tomar el atributo del nodo; y hojas, en donde se muestra la
clasificación a cada clase (en este caso Excelente, Bueno, Regular y Malo).=
En
las hojas se muestra la cantidad total de registros clasificados y separados
con una barra, la cantidad de registros mal clasificados (si los hubiera).
A continuación=
, se
enunciarán las reglas resultantes del árbol representado anteriormente:
Regla 1:
Si la variedad del producto es Excelente
Entonces la satisfacción general de los alimentos =
es
Excelente (1)
Regla
2:
Si la variedad del producto es Bueno
Entonces la
satisfacción general de los alimentos es Bueno (11/1)
Regla 3:
Si la variedad del producto es Malo y la nacionali=
dad
es cubano
Entonces la satisfacción general de los alimentos =
es
Regular (2)
Regla
4:
Si la variedad del producto es Malo y la nacionali=
dad
es americano
Entonces la satisfacción general de los alimentos =
es
Malo (2)
Regla
5:
Si la variedad del producto es Pésimo
Entonces la satisfacción general de los alimentos =
es
Malo (2)
Regla
6:
Si la variedad del producto es Regular
Entonces la
satisfacción general de los alimentos es Malo (1)
Por otro lado, las matrices de confusión permiten
entender cuál es el error que comete un árbol de decisión al intentar
clasificar todos los registros. Para este caso la matriz de confusión
resultante se muestra en la tabla 1.
Tabla 1
|
|
Clasifica=
do
como |
|||
|
|
a |
b |
c |
d |
|
a<=
/i>=3DExcelente |
0 |
2 |
0 |
0 |
|
b=3DBueno=
|
0 |
9 |
1 |
0 |
|
c=3DRegul=
ar |
0 |
1 |
2 |
2 |
|
d=3DMalo<= o:p> |
0 |
0 |
1 |
1 |
Fuente:
Elaboración propia.
Si la
clasificación hubiera sido perfecta se podrían encontrar únicamente element=
os
en la diagonal. De no ser así, como es el caso la clasificación de los hech=
os
se ve afectada.
Experimentación.
Para demostrar la veracidad de los resultados, se establecieron
comparaciones entre las salidas arrojadas por la aplicación (los resultados=
de
las tres técnicas utilizadas, Clust=
ering,
Clasificación y Asociación) y las que proporciona la herramienta WEKA.
La figura 3 ofrece una representación gráfica de la agrupación de las
distintas opiniones de los clientes y la salida que efectuó la herramienta =
WEKA utilizando los mismos parámet=
ros
que se manejaron para la aplicación.
Figu=
ra 3:
Fuente: Elaboración propia.
La figura muestra la similitud de los resultados que arroja la
aplicación con los de la herramienta WEKA.
A la izquierda se evidencia la información generada por la variante propues=
ta
en este trabajo. La cuál muestra los clústeres que se construyeron y nos in=
dica
que tan variable son los indicadores que conforman un mismo clúster. A la
derecha se ofrece la salida de la herramienta para ratificar la información=
que
aporta el software. En este cas=
o se
puede apreciar que los resultados obtenidos son equivalentes.
Las asociaciones determinadas por el algoritmo Apriori proporcionan un conjunto de reglas generadas a partir d=
e la
frecuencia de ocurrencias, que se establecen en las relaciones de precedenc=
ia
entre los indicadores. En la figura 4 se muestran las asociaciones obtenidas
con WEKA, mientras que en la fi=
gura 5
se visualiza las reglas generadas por la aplicación a partir del mismo conj=
unto
de datos. De esta forma se determinan los hechos que anteceden y los que
preceden, formando las relaciones con un intervalo de confianza dado.
Figura 4: Reglas obtenidas por la herramienta WEKA
Fuente: Elaboración propia.
Figura 5: Reglas obtenidas por =
la
aplicación.
Fuente: Elaboración propia.
Por otro lado, la clasificación establecida por el algoritmo J48
proporciona una representación estructural donde se relacionan distintos
indicadores atendiendo a diversos criterios (ver figura 6).
Figura
6: Árbol de decisiones de la aplicación.
Fuente: Elaboración propia.
La figura anterior corresponde a una gráfica generada por el sistema,
representando un árbol de decisión que toma en cuenta una variable destino u
objetivo. En este caso se tomó el indicador “satisfacción general de los
alimentos” como variable objetivo. A partir de la cual, se selecciona la me=
jor
partición y se comienza a construir la jerarquía de clases hasta llegar al =
fin.
En la figura 7 se refleja la visualización proporcionada por WEKA, haciendo uso de dicho algori=
tmo.
Como se puede observar, el árbol de decisión representado coincide con el
generado por la aplicación propuesta en esta investigación.
Figura 7: Árbol de decisiones de
WEKA.
Fuente: Elaboración propia.
El desarrollo de esta investigación cumplió con las
expectativas del Grupo Empresarial Palmares y el grupo de desarrolladores,
alcanzando los siguientes beneficios tangibles e intangibles.
Beneficios
tangibles:
1. Contribuirá a la =
toma de
decisiones.
2. Aumento de la cal=
idad del
trabajo.
3. Disminuye el tiem=
po de
procesamiento.
Beneficios
intangibles:
1. &n=
bsp;
El desarrollo del sistema ha posibilitado al desarrollador
conocimientos en las tecnologías utilizadas.
2. &n=
bsp;
Fácil procesamiento de la información.
3. &n=
bsp;
Permite a la entidad contar con una herramienta de anális=
is
de los indicadores de satisfacción de los turistas que consumen el servicio=
.
Los resultados alcanzados en<=
span
lang=3DX-NONE style=3D'font-size:12.0pt;line-height:115%'> esta investigaci=
ón
complementan a los resultados obtenidos por: Prieto
(2011), Lottis (2015), Espinosa (2015),
Conclusiones
Referencia bibliográfica.
B. R. R. et al ( 2013). WEKA Manual for Version 3-7-8. =
New
Zealand: University of Waikato.
Espinosa Manfugás, J. M (2010). Gestión de la Restauración.. Ciudad de La Habana: s.n.
Espinosa, Y (2015). Evaluación de la
satisfacción del cliente nacional en la Empresa
Cubatur Habana. Trabajo de diploma. Facultad de Turismo. Uni=
versidad
de la Habana. La Habana, Cuba.
Figueroa, R. G., Solís, C. J. & Cabrera, A. A (2012).=
Metodologías tradicionales vs. Metodol=
ogías
ágiles, Loja: s.n.
GmbH, R.-I (2009). Rapidiner 4.4. User Guide. s.l.=
:s.n.
Hernández, O. J., Ramírez, Q. J. & Ferri, R. C (2013)=
. Introducción a la Minería de datos. s.l.:Prentice
Hall.
H. M., F. E. & W. I. H (2011)=
. Practical Data Mining.Tutorial
1:Introduction to the WEKA Explorer. Waikato: University of Waikato.=
Yfante,
M (2017). Sistema informático de =
apoyo
a la toma de decisiones en los servicios de restauración de la red hotelera=
en
Cuba. Trabajo
de Diploma en opción al Título de=
Ing=
eniería
en Informática. Facultad de Ciencias Técnicas. Universidad Agraria de la
Habana. Cuba.
Lottis,
K. D (2015). Evaluación de la satisfacción del cliente con los servicios de=
alimentos
y bebidas en instalaciones del Grupo Cubanacán en La
Meléndez, C (2014). Calidad de servici=
o al
cliente y su incidencia en la ren=
tabilidad
de las empresas del rubro Restaurantes – Pollerías. Tar=
apoto.
Perú.
Mesa, L R (2017). “Diseño de un
instrumento para la determinación de las expectativas
de los turistas sobre el servicio de alimentos y bebidas en el des=
tino
Cuba”.
Niebla. M (2016). “Evaluación
del nivel de satisfacción de los clientes que visitan el
Club Temático Jazz Café”. Trabajo
de Diploma en opción al Título de <=
span
class=3Dfontstyle01>Lic=
enciado
en Turismo. Facultad de Turismo. Universidad de la Habana.
Prieto, H. J (2011). Diagnóstico
de la Calidad en el Restaurante Buffet "El Tucán" del Hotel Cuban=
acán
Copacabana. Tesis en opción al título de Licenciado en Turismo.. Ciu=
dad
de La Habana: s.n.
Quintanilla, I (2002). Psicología
Social del Consumidor.. Valencia: s.n.
Romaní Bendig, M. B ( 2015). Metodología para la evaluación de la calidad de los servicios de
alimentos y bebidas de la red hotelera del destino Cuba, La Habana: =
s.n.
Romaní, B. y Calás, D (2015).“La
satisfacción del cliente y su medición. Un eslabón
fundamental para la garantía de la calidad de los servicios <=
span
class=3Dfontstyle01>tur=
ísticos”.
Revista Mundo Turístico. Nº agosto-diciembre. RNPS 0492/ ISSN
1727-1568.
Para citar el artículo indexado.
Ynfante
M., Díaz A., Vázquez Y. &
Velasteguí E L. (2019). Sistema informático de apoyo a la toma de decisiones en los servicios=
de
restauración de la red hotelera en Cuba. Revista electrónica Ciencia Digital 3(1), 92-106. Recuperado de=
sde:
http://cienciadigital.org/revistacienciadigital2/index.php/CienciaDigi=
tal/article/view/264/612
El artículo que se
publica es de exclusiva responsabilidad de los autores y no necesariamente
reflejan el pensamiento de la Revi=
sta
Ciencia Digital.
El
articulo queda en propiedad de la revista y, por tanto, su publicación parc=
ial
y/o total en otro medio tiene que ser autorizado por el director de la Revista Ciencia Digital.
[1]Universidad
Agraria de la Habana, Facultad Ciencias Técnicas, Mayabeque, Cuba, maday@unah.edu.cu
[2]Uni=
versidad
Agraria de la Habana, Facultad Ciencias Técni=
cas,
Mayabeque, Cuba, asieldv@unah.edu.cu
[3]Uni=
versidad
de la Habana, Facultad de Turismo, La Habana, Cuba, yalfos1@gmail.com
[4]Universidad
Técnica Cotopaxi, Facultad Sistema, Latacunga, Ecuador, luis.velastegui7838=
@utc.edu.ec
www.cienci=
adigital.org Vol. 3, N°1, p. 92=
-106, enero
- marzo, 2018