Dashboard analítico en Python + Streamlit que convierte datos turísticos históricos en decisiones. Pipeline de limpieza, pronósticos, estadística e optimización.
El problema principal no es la falta de datos, sino la dificultad para medirlos y usarlos de forma consistente. Las hojas del ICT no siempre comparten la misma estructura, existen series con distintos periodos de cobertura y hay valores atípicos fuertes, especialmente en 2020.
La solución está pensada como una cadena de decisión: DataLoader identifica, limpia y normaliza las series. El dashboard descriptivo permite entender la historia del dato. Los pronósticos comparan modelos, el I-Chart detecta descontrol, Monte Carlo mide incertidumbre y la optimización distribuye presupuesto bajo restricciones.
Separación por módulos para evitar un archivo monolítico. app.py actúa como orquestador. constants.py concentra parámetros fijos con justificación metodológica. limitations.py expone los límites para que el usuario no sobreinterprete resultados. Cada técnica tiene un rol claro y no compite con las demás.
Se verifica el periodo completo de la serie, se muestran años faltantes cuando existen, se comparan modelos por error y se documentan supuestos y límites de cada técnica. Reproducibilidad garantizada mediante constantes y semilla fija donde aplica.
Convierte un repositorio histórico en una herramienta útil para planificación. En lugar de depender solo de intuición, el usuario puede observar tendencias, medir variabilidad, simular incertidumbre y fundamentar asignaciones de recursos.