El Futuro de los Centros Comerciales. Análisis de afluencias.

Abstract

El presente trabajo analiza la evolución de las afluencias en centros comerciales españoles mediante técnicas de análisis de datos y modelos de Machine Learning. A partir de un conjunto de datos real con 480.334 registros horarios correspondientes a doce centros comerciales durante el período 2020-2025, se implementan cuatro modelos predictivos: Naïve lag-7 (modelo de referencia), SARIMA, Prophet y Random Forest. El modelo Random Forest, entrenado con veinticuatro variables explicativas, incluyendo retardos temporales, efectos calendario y variables meteorológicas procedentes de AEMET, obtiene los mejores resultados (R²=0,862; RMSE=4.432), superando al modelo de referencia en un 24,2%. A partir del modelo validado, se generan proyecciones a diez años (2026–2035) bajo tres escenarios: base (≈91 millones de visitas anuales), optimista (+1,5% anual acumulado) y pesimista (-1,0% anual acumulado). Los resultados apuntan a una fase de madurez pospandémica del sector, con una incertidumbre que se amplía hasta el ±28% en el horizonte de 2035

This work analyses the evolution of footfall in Spanish shopping centres through data analytics and Machine Learning techniques. Drawing on a real-world dataset of 480,334 hourly records covering twelve shopping centres over the 2020–2025 period, four predictive models are implemented: Naïve lag-7 (baseline), SARIMA, Prophet and Random Forest. The Random Forest model, trained on twenty-four explanatory variables including temporal lags, calendar effects and meteorological data from AEMET, delivers the best performance (R²=0.862; RMSE=4,432), outperforming the baseline by 24.2%. Building on the validated model, ten-year projections (2026–2035) are generated under three scenarios: base (≈91 million annual visits), optimistic (+1.5% compound annual growth) and pessimistic (-1.0% compound annual decline). The results point to a post-pandemic maturity phase of the sector, with uncertainty widening to ±28% by 2035. The study contributes a reproducible pipeline (publicly available on GitHub) and a set of strategic recommendations for shopping centre management.