pág. 1
ARQUITECTURA DE UN OBSERVATORIO
TURÍSTICO DIGITAL RESILIENTE
MEDIANTE INTELIGENCIA DE NEGOCIOS:
CASO ACAPULCO (MÉXICO)
ARCHITECTURE OF A RESILIENT DIGITAL
TOURISM OBSERVATORY USING BUSINESS
INTELLIGENCE: ACAPULCO (MEXICO) CASE
Cecilia Jiménez Meza
Universidad Autónoma de Guerrero, México
Petra Baldivia Noyola
Universidad Autónoma de Guerrero, México
Roger Joseph Bergeret Muñoz
Universidad Autónoma de Guerrero, México
pág. 6591
DOI: https://doi.org/10.37811/cl_rcm.v9i6.21822
Arquitectura de un Observatorio Turístico Digital Resiliente mediante
Inteligencia de Negocios: Caso Acapulco (México)
Cecilia Jiménez Meza1
23500742@uagro.mx
https://orcid.org/0009-0006-7966-9971
Universidad Autónoma de Guerrero
México
Petra Baldivia Noyola
pbn29@uagro.mx
https://orcid.org/0000-0001-7678-8867
Universidad Autónoma de Guerrero
México
Roger Joseph Bergeret Muñoz
02283@uagro.mx
https://orcid.org/0000-0002-6931-9760
Universidad Autónoma de Guerrero
México
RESUMEN
La gestión de destinos turísticos en crisis enfrenta el problema crítico de la fragmentación y dispersión
de datos públicos. El objetivo de este trabajo fue diseñar y validar una arquitectura de software de bajo
costo para un observatorio turístico digital, aplicado al caso de Acapulco (México). La metodología se
basó en el desarrollo de una arquitectura modular de Data Warehouse e Inteligencia de Negocios
mediante la implementación de un proceso ETL híbrido para normalizar fuentes heterogéneas.
Posteriormente, el sistema se desplegó en un servidor de placa única con el fin de validar su resiliencia
operativa. Los resultados demostraron la viabilidad técnica del prototipo, lo cual permitió cuantificar el
impacto del huracán Otis (caída del 99.4% en la demanda) e identificar una estadía promedio crítica de
1.41 días. La principal aportación es un modelo técnico replicable y económico que facilita a destinos
emergentes la transición hacia una gestión basada en evidencia.
Palabras clave: data warehouse, inteligencia de negocios, observatorio turístico, ingeniería de datos,
Acapulco
1
Autor principal
Correspondencia: 23500742@uagro.mx
pág. 6592
Architecture of a Resilient Digital Tourism Observatory Using Business
Intelligence: Acapulco (Mexico) Case
ABSTRACT
Tourism management in crisis destinations faces the critical problem of public data fragmentation and
dispersion. The objective of this paper was to design and validate a low-cost software architecture for
a digital tourism observatory, applied to the case of Acapulco (Mexico). The methodology relied on
developing a modular Data Warehouse and Business Intelligence architecture, implementing a hybrid
ETL process to normalize heterogeneous sources. Subsequently, the system was deployed on a single-
board computer to validate its operational resilience. The results demonstrated the prototype’s technical
viability, allowing the quantification of Hurricane Otis's impact (99.4% drop in demand) and identifying
a critical average stay of 1.41 days. The main contribution is a replicable and affordable technical model
that facilitates emerging destinations’ transition toward evidence-based management.
Keywords: data warehouse, business intelligence, tourism observatory, data engineering, Acapulco
Artículo recibido: 15 noviembre 2025
Aceptado para publicación: 28 diciembre 2025
pág. 6593
INTRODUCCIÓN
La gestión de destinos turísticos en escenarios de crisis demanda sistemas de información capaces de
transformar datos dispersos en evidencia para la toma de decisiones. La transformación digital,
acelerada por crisis globales como la pandemia de COVID-19, ha modificado profundamente los
mecanismos de gestión, exigiendo herramientas más ágiles para la recuperación (Buluk Eşitti, 2023).
La literatura reciente subraya que la resiliencia turística no depende solo de la infraestructura física,
sino de la capacidad de gestión de la información (Proaño-Ponce et al., 2018). En contextos de desastre,
la gobernanza de datos se vuelve crítica; sin embargo, destinos como Acapulco enfrentan una “brecha
de datos” donde la información existe, pero es inaccesible para la toma de decisiones ágil (UNDP,
2024). A diferencia de observatorios en destinos consolidados, los destinos en crisis requieren modelos
de resiliencia digital capaces de integrar fuentes heterogéneas y resistir la volatilidad del entorno
(Sandoval, 2019).
En este contexto, Acapulco (México) representa un caso paradigmático: siendo un icono histórico del
turismo que ha transitado por ciclos de auge y declive (Bergeret y Castillo, 2021), enfrentó en octubre
de 2023 el impacto del huracán Otis (categoría 5), un evento disruptivo que paralizó su infraestructura
y evidenció la urgencia de contar con datos precisos para gestionar la reconstrucción (NASA, 2023;
Vigna, 2024).
Sin embargo, la implementación de sistemas de inteligencia turística en destinos emergentes enfrenta
una barrera estructural: la ingeniería de datos. Si bien la necesidad de información para orientar la
competitividad es clara (FIDEGOC y OLACT, 2013), las fuentes oficiales presentan una extrema
heterogeneidad y dispersión. Datos cruciales se encuentran fragmentados en formatos no estructurados
como imágenes o archivos PDF, lo que hace que su integración manual sea impracticable y propensa a
errores (Kwon, 2023). Aunque existen antecedentes exitosos de observatorios en el país (Lara et al.,
2024; OTEG, 2024), la literatura académica aún presenta un vacío en cuanto a modelos de arquitectura
de software de bajo costo que aborden explícitamente el desafío del proceso ETL (Extract, Transform,
Load) en entornos de datos públicos caóticos.
Para abordar esta problemática, este artículo presenta el diseño y validación de una arquitectura de Data
Warehouse (DW) concebida como un modelo replicable para destinos con recursos limitados. Se adopta
pág. 6594
un enfoque basado en los principios de Inteligencia de Negocios (BI) para transformar datos dispersos
en conocimiento procesable (Kimball y Ross, 2013; Wang, 2024). El objetivo es demostrar que,
mediante una ingeniería de datos rigurosa junto con el uso de tecnologías de código abierto, es posible
superar la fragmentación de información para democratizar el acceso a la inteligencia turística.
El presente estudio responde a la siguiente pregunta de investigación: ¿Cómo puede integrarse una
arquitectura de Data Warehouse de bajo costo para resolver la fragmentación de datos públicos en un
destino turístico en crisis? Para ello, se plantearon los siguientes objetivos: (1) Diseñar un modelo de
datos dimensional que unifique fuentes dispersas; (2) Implementar un proceso ETL híbrido para la
normalización de formatos no estructurados; y (3) Validar la utilidad del sistema mediante la
cuantificación del impacto de eventos disruptivos como el huracán Otis.
METODOLOGÍA
El desarrollo del sistema se fundamentó en la integración de modelos de gestión de información (MIS)
y almacenamiento estructurado (Data Warehouse), siguiendo las directrices de Laudon y Laudon (2019)
y Turban et al. (2020) . La metodología se estructuró en tres fases secuenciales: ingeniería de datos
(ETL), diseño de la arquitectura dimensional y despliegue híbrido.
Enfoque metodológico. Se adoptó un enfoque de investigación tecnológica aplicada, orientado a la
solución de problemas prácticos mediante la creación de artefactos innovadores (Design Science
Research). El diseño siguió una metodología en cascada iterativa, permitiendo refinar los prototipos de
software basándose en la validación continua con los usuarios finales.
Ingeniería de datos: El desafío de la heterogeneidad
La materia prima del observatorio consistió en 95 conjuntos de datos provenientes de fuentes oficiales
como SECTUR, INEGI, SEMARNAT. El análisis de estas fuentes confirmó la problemática descrita
por Bimonte et al. (2022) sobre la variedad de datos en almacenes modernos. Para abordar esto, se
diseñó un proceso ETL híbrido (Human-in-the-loop) para normalizar tres tipologías de fuentes:
Archivos semiestructurados (XLSX): Reportes con lógica de presentación compleja (celdas
combinadas y filtros visuales). Se aplicaron scripts en Python utilizando la librería pandas para la
limpieza y estructuración tabular (McKinney, 2010; Python Software Foundation, 2024).
pág. 6595
Formatos no estructurados (PDF/Imagen): Para los reportes de calidad del agua
(SEMARNAT/COFEPRIS), se implementó un proceso de digitalización y validación manual, esencial
para garantizar la integridad de las series históricas en datos ambientales sensibles.
Dispersión temporal: Se integraron series de tiempo desde 1992 a 2024, aplicando técnicas de
interpolación para el tratamiento de valores faltantes y asegurando la consistencia longitudinal del
análisis (Wang, 2024).
Para sistematizar el tratamiento de la heterogeneidad, se seleccionaron 95 fuentes oficiales bajo criterios
de: relevancia temática, periodicidad recurrente y acceso público. La Tabla 1 resume la estrategia de
limpieza aplicada según la tipología del dato.
Tabla 1: Estrategias de tratamiento ETL por tipo de fuente
Fuente
Tipo de dato
Problemática
DataTur
(SECTUR)
XLSX (Hoja
de cálculo)
Formato "ancho" con celdas
combinadas y filtros visuales
(no tabular).
SEMARNAT /
COFEPRIS
Imágenes
(PNG) y PDF
Datos no estructurados
incrustados en gráficos o
tablas de imagen.
Redes Sociales /
Google
Texto no
estructurado
Opiniones cualitativas
dispersas y sin
cuantificación.
INEGI (ITET)
CSV / Tabular
Dispersión temporal y falta
de claves primarias
estandarizadas.
Nota. Elaboración propia
Arquitectura de Data Warehouse y hardware
Se diseñó un modelo dimensional en esquema de estrella (Star Schema), el cual es el estándar para
optimizar consultas analíticas en sistemas de soporte a decisiones (Kimball y Ross, 2013). Como se
ilustra en la Figura 1, la arquitectura centraliza la ingesta de datos externos, los procesa mediante ETL
y los almacena en Data Marts temáticos (ocupación, vuelos, cruceros) antes de servirlos a las
herramientas de visualización.
pág. 6596
El modelo fue implementado en MySQL 8.0 y consta de
• Tablas de hechos: Centralizan las métricas cuantitativas (hechos_ocupacion, hechos_demanda,
hechos_gasto).
• Tablas de dimensiones: Contienen los atributos descriptivos (dim_tiempo, dim_zona,
dim_categoria).
Figura 1: El Observatorio Turístico digital de Acapulco como un Data Warehouse.
Nota. Elaboración propia con información de Martín y Ureña (2000).
Para validar la viabilidad económica y la resiliencia operativa, el entorno de staging se desplegó en un
servidor de placa única (SBC) Orange Pi 5. Esta configuración, basada en Linux Ubuntu Server (Glass,
2020), demostró capacidad para gestionar el almacén de datos con un consumo energético mínimo, un
factor crítico para la sostenibilidad en zonas vulnerables a fallos eléctricos.
Estrategia híbrida de visualización
Se adoptó una arquitectura de visualización dual para equilibrar la potencia analítica interna con
la seguridad del acceso público
• Investigación (Backend): Se utilizó Apache Superset conectado directamente al DW, permitiendo
a los investigadores la exploración profunda de datos y la creación de prototipos de dashboards
(Apache Software Foundation, 2024).
• Diseminación (Frontend): Para el acceso público, se optó por Looker Studio. Esta decisión
estratégica permitió integrar las visualizaciones en el portal web mediante embedding seguro,
pág. 6597
externalizando la carga de concurrencia a la infraestructura en la nube y garantizando la escalabilidad
sin costos de licenciamiento.
Validación del sistema
La calidad de la solución se aseguró mediante dos mecanismos. Primero, pruebas unitarias de caja
blanca al código ETL para garantizar la integridad referencial de los datos (cero duplicados, cero nulos
críticos). Segundo, pruebas de integración automatizadas mediante scripts en Bash, que verificaron la
disponibilidad HTTP 200 de todos los dashboards y la correcta navegación entre módulos, asegurando
cero enlaces rotos en el despliegue. Tercero, Pruebas de Aceptación de Usuario (UAT) con un panel de
18 expertos (investigadores y doctorandos en turismo, expertos en desarrollo de software), quienes
evaluaron la usabilidad y pertinencia de los dashboards del sistema bajo la norma ISO/IEC 25010,
validando que el sistema satisface las necesidades de información para la toma de decisiones.
RESULTADOS Y DISCUSIÓN
La implementación de la arquitectura propuesta permitió consolidar un Data Warehouse operativo con
17 datasets estructurados, procesados a partir de más de 95 fuentes heterogéneas. La validación de los
resultados se aborda en dos dimensiones: la integridad técnica del sistema y los hallazgos analíticos
derivados de su explotación.
Validación técnica del prototipo
La ejecución de las pruebas unitarias automatizadas confirmó la robustez de los componentes ETL,
alcanzando una tasa de éxito del 100% sin errores de integridad referencial. Asimismo, la evaluación
por parte del panel de expertos (UAT) validó la usabilidad del sistema con un índice de aprobación del
94%, confirmando la pertinencia de los dashboards para la toma de decisiones.
Estos resultados confirman que la arquitectura de bajo costo (Orange Pi 5 + Software Open Source) es
capaz de soportar la carga operativa necesaria para la inteligencia turística. La pantalla principal del
sistema se muestra en la
pág. 6598
Figura 2.
pág. 6599
Figura 2: Pantalla principal del Observatorio Turístico digital de Acapulco
Nota. Captura de pantalla de la interfaz principal del prototipo funcional del Observatorio Turístico digital
desarrollado
Hallazgos analíticos: El caso Acapulco
La explotación del Data Warehouse permitió identificar patrones críticos que permanecían ocultos en
la fragmentación de los datos oficiales. Se presentan tres hallazgos que demuestran la capacidad del
sistema para el diagnóstico de crisis y la gestión estratégica.
Cuantificación precisa del impacto de eventos disruptivos (Huracán Otis)
El sistema permitió cuantificar con precisión mensual el colapso de la demanda turística tras el impacto
del huracán Otis en octubre de 2023. Como se evidencia en la Figura 3 (basada en los datos procesados
del DW), el destino mantenía un comportamiento estacional robusto durante los tres primeros trimestres
de 2023, con picos de afluencia superiores a los 885 mil turistas en enero.
Sin embargo, el análisis de la serie temporal revela una caída abrupta y casi total de la actividad en el
último trimestre. La llegada de turistas se desplomó de 330 mil en octubre a apenas 1.9 mil en
noviembre, representando una contracción del 99.4% en el flujo de visitantes. La leve recuperación
observada en diciembre (50.6 mil turistas) confirma la magnitud del daño estructural. Este nivel de
granularidad en los datos establece una línea base cuantitativa indispensable para medir la velocidad de
recuperación en los periodos subsecuentes.
pág. 6600
Figura 3: Llegada de turistas a destinos de playa en 2023
Nota. Visualización generada por el sistema que muestra el impacto en la llegada de turistas tras el huracán Otis
en los meses de noviembre y diciembre. Datos procesados a partir de registros de SECTUR
Identificación del modelo de turismo de corta estancia
El cruce de variables entre las tablas de hechos de ocupación y demanda permitió calcular indicadores
de desempeño comparados a nivel nacional. El análisis reveló una debilidad estructural en el modelo
turístico del destino: una estadía promedio de solo 1.41 días durante 2023, tal como se muestra en la
pág. 6601
Figura 4.
Este indicador posiciona al destino en el lugar 25 de los 29 centros de playa monitoreados en México.
El patrón se mantuvo constante a lo largo del año, oscilando entre 1.2 y 1.4 días, con una única
excepción estacional en diciembre (2.6 días). Este hallazgo desmitifica la percepción del destino como
un centro vacacional de larga duración, caracterizándolo empíricamente como un destino de “escapada”
o fin de semana, altamente dependiente de la proximidad a grandes centros urbanos y con un gasto
promedio por turista limitado por la brevedad de la estancia.
pág. 6602
Figura 4: Estadía en destinos de playa
Nota. Visualización generada por el sistema que identifica la estadía promedio en el destino
El hallazgo de una estadía promedio de 1.41 días contradice la narrativa de un destino de largas
vacaciones y lo posiciona empíricamente como un mercado de “fin de semana” de bajo rendimiento.
Este dato es consistente con estudios previos sobre la competitividad de destinos maduros que requieren
renovación (Bergeret & Castillo, 2021), pero aporta la evidencia cuantitativa necesaria para reorientar
las políticas de promoción hacia la extensión de la estancia.
Reputación digital real mediante ajuste Bayesiano
Finalmente, el módulo de análisis de reputación digital permitió corregir los sesgos inherentes a las
calificaciones brutas de plataformas públicas (como Google Maps). Al aplicar un promedio Bayesiano
ponderado por el volumen de reseñas, el sistema diferenció entre la “popularidad nominal” y la
“reputación consolidada”.
El análisis identificó que zonas como “Pie de la Cuesta” y “Bonfil” mantienen puntuaciones de
satisfacción altas (4.22 y 4.17, respectivamente) incluso después del ajuste estadístico lo que indica una
calidad de servicio consistente, tal como se muestra en la Figura 5. Por el contrario, playas con altas
calificaciones nominales pero bajo volumen de reseñas sufrieron ajustes negativos significativos en el
modelo. Esta distinción provee a los gestores del destino de una métrica de “salud de marca” más
pág. 6603
confiable que los promedios aritméticos simples para la priorización de inversiones en mantenimiento
y promoción.
Figura 5: Puntuación de Google Maps vs. Puntuación de Percepción (ajuste Bayesiano)
Nota. Comparativa generada por el módulo de análisis de reputación digital
El valor del “kit de replicabilidad”
Desde una perspectiva técnica, el despliegue exitoso sobre una placa Orange Pi 5 demuestra que la
inteligencia de negocios no requiere infraestructura de nivel empresarial. Al optar por una estrategia
híbrida que combina Apache Superset para investigación interna y Looker Studio para difusión pública,
se logró un equilibrio entre potencia analítica y sostenibilidad económica que no está presente en
modelos comerciales propietarios. Esta arquitectura ofrece una solución pragmática al dilema de la
“sostenibilidad de los observatorios” planteado por Lara et al. (2024), donde muchos proyectos fallan
por la incapacidad de mantener los costos operativos a largo plazo.
pág. 6604
Discusión y contrastación con la literatura
Los resultados validan que la arquitectura propuesta supera la barrera de la fragmentación. Al contrastar
con la literatura internacional, mientras observatorios como el de Champagne-Ardenne (Francia) o
Guanajuato (México) dependen de sistemas de información robustos y estables (OTEG, 2024), el
modelo de Acapulco demuestra que es posible generar inteligencia turística en entornos de escasez de
datos mediante procesos de Ingeniería de Datos Resiliente. Esto coincide con lo planteado por Wang
(2024) sobre la necesidad de sistemas adaptativos para destinos en vías de desarrollo.
Limitaciones del estudio
Es fundamental reconocer las limitaciones inherentes a la fuente de los datos. Al nutrirse de información
secundaria oficial, el observatorio hereda el rezago temporal de publicación de las dependencias
gubernamentales (meses de retraso en algunos casos). Asimismo, la exclusión de datos de la oferta
extrahotelera (plataformas de alojamiento) y servicios no regulados (servicio de taxis por aplicación)
—comunes en destinos de playa— podría subestimar el volumen real de la actividad económica, un
área de oportunidad para futuras integraciones de Big Data privado.
CONCLUSIONES
En respuesta a la pregunta de investigación, este estudio demuestra que una arquitectura de Data
Warehouse de bajo costo sí puede resolver la fragmentación de datos en un destino en crisis, siempre
que se integre un componente de procesamiento humano (híbrido) en la fase ETL para gestionar la
calidad de las fuentes no estructuradas.
Aportes teóricos y prácticos
Desde la teoría, el trabajo contribuye al concepto de Gobernanza de Datos en Turismo, proponiendo un
marco de referencia para la gestión de información en escenarios de desastre. En la práctica, se entrega
a la comunidad académica de Acapulco una herramienta operativa (el “Kit de Replicabilidad”) que
reduce la dependencia de informes dispersos y centraliza la memoria histórica del destino post-Otis.
Líneas futuras de investigación
Se propone expandir este modelo hacia la analítica predictiva utilizando Inteligencia Artificial para
pronosticar flujos turísticos, así como la incorporación de mecanismos de gobernanza participativa que
permitan al sector privado compartir datos en tiempo real, mitigando la limitación del rezago oficial.
pág. 6605
Aportación al conocimiento
Este trabajo trasciende la implementación técnica al documentar una metodología de recuperación
digital de datos históricos en zonas de desastre. Se establece un precedente sobre cómo la ingeniería de
software puede actuar como agente de resiliencia social, preservando la información crítica de un
destino cuando las fuentes primarias fallan o son inconsistentes.
Originalidad
La originalidad de esta propuesta radica en la arquitectura híbrida DW + SBC (Single Board Computer)
+ ETL Human-in-the-loop. A diferencia de las soluciones comerciales en la nube (caras y genéricas),
este enfoque “artesanal” pero robusto está diseñado específicamente para la realidad latinoamericana:
presupuestos nulos, hardware accesible (<$150 USD) y datos gubernamentales “sucios”, ofreciendo
una soberanía tecnológica que otros modelos no permiten.
REFERENCIAS BIBLIOGRÁFICAS
Andrés-Rosales, R., Sánchez-Mitre, L. A., & Cruz Marcelo, J. N. (2018). La inseguridad y su impacto
en el turismo en Guerrero: un enfoque espacial, 1999-2014. Revista de Relaciones
Internacionales, Estrategia y Seguridad, 13(1), 147–162.
https://doi.org/10.18359/ries.2977
Apache Software Foundation. (2024). Apache Superset Documentation. Recuperado de
https://superset.apache.org/docs
Bergeret, R. J., y Castillo, M. (2021). El turismo en Acapulco: de los inicios artesanales a la
modernización del destino turístico (1.a ed.). Editorial Torres Asociados. ISBN: 978-607-8702-
48-0
Bimonte, S., Gallinucci, E., Marcel, P., & Rizzi, S. (2022). Data variety, come as you are in multi-model
data warehouses. Information Systems, 104, 101734.
https://doi.org/10.1016/j.is.2021.101734
Buhalis, D., & Amaranggana, A. (2014). Smart tourism destinations. En Z. Xiang & I. Tussyadiah
(Eds.), Information and communication technologies in tourism 2014 (pp. 553-564). Springer.
Buluk Eşitti, B. (2023). The impact of coronavirus (Covid-19) pandemic: Digital transformation
changes in tourism. Journal of Tourism Theory and Research, 9(1), 15-23.
pág. 6606
https://doi.org/10.24288/jttr.1205828
FIDEGOC y OLACT. (2013). Desarrollo de la metodología para la implementación de observatorios
turísticos en destinos en México. Secretaría de Turismo.
https://www.gob.mx/cms/uploads/attachment/file/750918/15.pdf
Garani, G., Tolis, D., & Savvas, I. K. (2023). A trajectory data warehouse solution for workforce
management decision-making. Data Science and Management, 6(2), 88-97.
https://doi.org/10.1016/j.dsm.2023.03.002
Glass, E. (2020). Cómo instalar el servidor web Apache en Ubuntu 20.04. DigitalOcean.
https://www.digitalocean.com/community/tutorials/how-to-install-the-apache-web-server-on-
ubuntu-20-04-es
Kimball, R., y Ross, M. (2013). The data warehouse toolkit: The definitive guide to dimensional
modeling (3rd ed.). Wiley.
Kwon, W. (2023). Reading customers’ minds through textual big data: Challenges, practical guidelines,
and proposals. International Journal of Hospitality Management, 111, 103473.
https://doi.org/10.1016/j.ijhm.2023.103473
Lara, R. S., Salazar, D. P., Bonilla, W. R., y Monar, J. S. (2024). Observatorios turísticos un aporte para
la toma de decisiones en el territorio. Green World Journal, 7(02), 130.
https://doi.org/10.53313/gwj72130
Laudon, K. C., y Laudon, J. P. (2019). Management Information Systems: Managing the Digital Firm
(16th ed.). Pearson.
Mariani, M. M., & Baggio, R. (2021). The relevance of on-line reviews and other user-generated content
in tourism and hospitality studies: A systematic review and future research agenda. Journal of
Destination Marketing & Management, 19, 100537.
https://doi.org/10.1016/j.jdmm.2020.100537
Martín Valdivia, M. T., y Ureña López, L. A. (2000). Data Warehouse y la toma de decisiones en la
empresa. En Actas del I Encuentro Iberoamericano de Finanzas y Sistemas de Información (Vol.
II). Jerez de la Frontera, España.
pág. 6607
McKinney, W. (2010). Data structures for statistical computing in python. Proceedings of the 9th Python
in Science Conference, 445, 51–56.
NASA. (2023). El huracán Otis. NASA Ciencia.
https://ciencia.nasa.gov/ciencias-terrestres/el-huracan-otis/
Observatorio Turístico del Estado de Guanajuato. (2024). Observatorio Turístico del Estado de
Guanajuato.
https://observatorioturistico.org/
Proaño-Ponce, W. P., Ramírez-Pérez, J. F., & Pérez-Hernández, I. (2018). Resiliencia del turismo ante
fenómenos naturales. Comparación de casos de Cuba y Ecuador. Cooperativismo y Desarrollo,
6(2), 225-240.
Python Software Foundation. (2024). The Python language reference (Version 3.11).
https://www.python.org/doc/
Sandoval, V. (2019). Resiliencia ante desastres socionaturales para el desarrollo turístico. Revista de
Estudios Latinoamericanos sobre Reducción del Riesgo de Desastres (REDER), 3(1).
Turban, E., Sharda, R., & Delen, D. (2020). Decision Support and Business Intelligence Systems (10th
ed.). Pearson.
UNDP. (2024). Pautas para una recuperación y reconstrucción turística resiliente e inclusiva post-
huracán Otis. Programa de las Naciones Unidas para el Desarrollo.
Vigna, A. (2024, 3 de enero). En México, Acapulco se lame las heridas a dos meses del huracán Otis.
Le Monde.
https://www.lemonde.fr/planete/article/2024/01/03/au-mexique-acapulco-panse-ses-blessures-
deux-mois-apres-le-passage-de-l-ouragan-otis_6208803_3244.html
Wang, L. (2024). Enhancing tourism management through big data: Design and implementation of an
integrated information system. Heliyon, 10, e38256.
https://doi.org/10.1016/j.heliyon.2024.e38256