Face à importância que o Turismo tem no tecido económico e social de Portugal, dado que se trata de um setor bastante volátil e em constante mudança, impõe-se a definição de uma estratégia de atuação futura para perceber como nos podemos reinventar e, assim, poder fazer face a situações de dependência externa. Com aumento do Turismo em Portugal, bem como das empresas afetas ao mesmo, surge a necessidade de análise e previsão do fluxo de turistas para que a gestão dos negócios seja dotada de uma estratégia competitiva. Perante as alterações na ‘recente’ dinâmica dos dados afetos ao Turismo, decorrentes da pandemia, discutimos o recurso a metodologias clássicas de previsão (modelos de alisamento exponencial) e a metodologias de Machine Learning (com recurso a redes neuronais), quando aplicadas a este setor. O estudo incide na modelação e previsão de séries temporais afetas ao número de dormidas mensais, em estabelecimentos de alojamento turístico em Portugal, entre janeiro de 2002 e março de 2022. Pretendemos assim procurar modelos adequados de previsão (passíveis de serem utilizados pela indústria afeta ao Turismo), sendo uma ferramenta de medida de apoio à tomada de decisão. Ao estudar as séries temporais referentes ao Turismo, as quais apresentam um padrão de tendência e sazonalidade, constatamos um insucesso das metodologias clássicas na previsão das mesmas. Por outro lado, as metodologias de Machine Learning mostraram-se promissoras e uma boa ferramenta para um planeamento estratégico dos negócios associados ao Turismo.

Given the importance that Tourism has in Portugal with a major economic and social impact, being such a volatile and constantly changing sector, it is imperative to define a strategy for future action. We need to understand how we can reinvent ourselves and be able to deal with situations of external dependence. With the increase of Tourism in Portugal, as well as the companies involved in it, there is a need to analyze and forecast the flow of tourists so that management of the businesses related to it, is endowed with a competitive strategy. The changes in the 'recent' dynamics of data related to Tourism, resulting from the pandemic, were used to discuss the use of classical forecasting methodologies (exponential smoothing models) and Machine Learning methodologies (using neural networks), when applied to this sector. The study focuses on the modeling and forecasting of time series related to the number of monthly overnight stays, in tourist accommodation establishments in Portugal, between January 2002 and March 2022. Thus, we intend to look for adequate forecast models (which can be used by the industry related to Tourism), being a measurement tool to support decision making. Studying time series related to Tourism, as they present a trend and seasonal pattern, we noticed the failure of classical methodologies to forecast them. On the other hand, Machine Learning methodologies proved to be promising and a good tool for strategic planning of businesses related to Tourism.