¡Bienvenid@s al emocionante proyecto "Data Insights: ETL y Visualización Impactante en Power BI"!
Desde el año 2001, nuestro equipo de profesionales se ha dedicado a la ciencia de datos, ofreciendo soluciones innovadoras y personalizadas para empresas de diversos sectores. Con más de dos décadas de experiencia, nos enorgullecemos de ser pioneros en el campo de la analítica y la gestión de datos, ayudando a nuestros clientes a transformar sus datos en información valiosa que impulsa decisiones estratégicas y optimiza resultados.
El hotel ha notado un aumento en el número de cancelaciones de reservas en los últimos meses y necesita comprender las causas y patrones detrás de estas cancelaciones para tomar medidas correctivas. El objetivo es llevar a cabo un análisis exhaustivo de las cancelaciones de reservas y crear visualizaciones impactantes para que la gerencia pueda identificar áreas de mejora y tomar decisiones informadas para reducir la tasa de cancelación.
Fase 1: Limpieza de datos
Fase 2: Análisis de datos
Fase 3: Visualización de datos
Fase 4: Cuadros de mandos e historias de datos
Fase 5: Conclusiones
Presentación requerimientos proyecto: 13/06/24
Sprint 1:
- Duración: 4 sesiones de 2h
- Inicio: 14/06/24 (Inclusive)
- Fin: 19/06/24 (Inclusive)
- Sprint review: 20/06/24 @11:30h
Sprint 2:
- Duración: 5 sesiones de 2h
- Inicio: 24/06/24 (Inclusive)
- Fin: 28/06/24 (Inclusive)
- Sprint review: 01/07/24 @11:30h
DEMO / Fin del proyecto: 03/07/24
Diccionario de datos proyecto
Columna | Descripción |
---|---|
hotel | Tipo de hotel |
is_canceled | Indica si la reserva fue cancelada (True) o no (False) |
lead_time | Número de días entre la fecha de reserva y la fecha de llegada al hotel |
arrival_date_year | Año de llegada al hotel |
arrival_date_month | Mes de llegada al hotel |
arrival_date_week_number | Número de la semana de llegada al hotel |
arrival_date_day_of_month | Día del mes de llegada al hotel |
stays_in_weekend_nights | Número de noches que el cliente se quedó durante el fin de semana |
stays_in_week_nights | Número de noches que el cliente se quedó durante la semana |
adults | Número de adultos que acompañaban al cliente en la reserva |
children | Número de niños que acompañaban al cliente en la reserva |
babies | Número de bebés que acompañaban al cliente en la reserva |
meal | Tipo de comida incluida en la reserva (BB: Desayuno, HB: Media Pensión, FB: Pensión Completa) |
country | País de origen del cliente |
market_segment | Segmento de mercado al que pertenece la reserva |
distribution_channel | Canal de distribución utilizado para realizar la reserva |
is_repeated_guest | Indica si el cliente es un huésped repetido (1) o no (0) |
previous_cancellations | Número de reservas canceladas por el cliente antes de esta reserva |
previous_bookings_not_canceled | Número de reservas no canceladas por el cliente antes de esta reserva |
Freserved_room_type | Tipo de habitación reservada |
assigned_room_type | Tipo de habitación asignada en la reserva |
booking_changes | Número de cambios realizados en la reserva |
agent | Identificador del agente involucrado en la reserva |
company | Identificador de la compañía involucrada en la reserva |
days_in_waiting_list | Número de días que la reserva estuvo en lista de espera |
customer_type | Tipo de cliente que realizó la reserva (Transient, Contract, Group, Transient-Party) |
adr | Tarifa promedio diaria pagada por la reserva |
required_car_parking_spaces | Número de espacios de estacionamiento requeridos por el cliente |
total_of_special_requests | Número total de solicitudes especiales realizadas por el cliente |
reservation_status | Estado de la reserva (Check-Out: Salida, Canceled: Cancelada) |
reservation_status_date | Fecha del estado de la reserva |
Intrucciones ejecución
Para ver la página web del proyecto, nos descargamos el fichero comprimido (Infinite_insights.rar), lo descomprimimos en local. Entrando en la carpeta del proyecto Infinite_insights hacemos doble clic sobre el fichero index.html, a partir de ahi podemos navegar por todas las opciones de la página.
- Raquel Castellanos Alfonso (https://www.linkedin.com/in/raquel-castellanos-alfonso)
- Paola Sánchez Solórzano (https://www.linkedin.com/in/paola-sánchez-solórzano-5a05751b4)
- Isabel Martínez Torrego (https://www.linkedin.com/in/isabelmartineztorrego)
- Lidia Fraile Martin
- Silvia Piñel Fañanás (https://www.linkedin.com/in/silviapiñel)
Python
Visual Studio Code
Power BI
Github
Slack
Figma
Canva
Bootstrap
HTML5