/project-da-promo-H-modulo-4-team-Hotel_CSI

Repositorio para el proyecto del módulo 04

Primary LanguageJupyter Notebook

Proyecto Hotel CSI 🏨

Participantes en el proyecto 👥

Resumen📝

En este desafío, nos sumergiremos en el apasionante mundo del reporting de datos, donde adquirireis las habilidades clave para transformar datos crudos en información significativa y visualmente impactante.

Nuestro cliente, un hotel de reputada categoría, nos contrata para analizar un problema que ha detectado en la gestión de sus reservas y tratar de extrer las conclusiones necesarias para que puedan optimizarlo.

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.

Fases del Proyecto

1. Limpieza de Datos: 🛠️

Realizar una limpieza completa del conjunto de datos, abordando posibles valores atípicos, datos faltantes y errores tipográficos que puedan afectar el análisis.

Datos:

El conjunto de datos contiene información sobre reservas de hoteles. A continuación, tenemos una descripción de lo que nos podemos encontrar en el conjunto de datos:

Screenshot 2024-06-30 at 22 21 22 Screenshot 2024-06-30 at 22 21 37 Screenshot 2024-06-30 at 22 21 55

2. Preguntas que debemos resolver: 🔍

¿Cuál es la tasa de cancelación de este hotel?.

¿Ha cambiado la tasa de cancelación con el tiempo?.

¿Se cancelan más las reservas de verano que de invierno?. ¿Se cancelan más las reservas de entre semana que las de los fines de semana?.

Los clientes que cancelan, ¿presentan algún tipo de característica demográfica?.

Las reservas que se hacen con mayor anticipación, ¿tienen mucho riesgo de cancelarse?.

Las reservas que incluyen hijos, ¿tienen menor riesgo de cancelación?.

Los usuarios que realizaron algún cambio en su reserva, ¿tienen menor riesgo de cancelación?.

Cuándo el usuario ha realizado una solicitud especial, ¿el riesgo de cancelación es menor?.

Las reservas que tienen un “adr” bajo, ¿tienen un riesgo menor de cancelación?.

Relación con otras variables: Analizar cómo otras variables, como el tipo de comida incluida en la reserva o el número de solicitudes especiales, están relacionadas con las cancelaciones.

3. Representación gráfica 📊

Representación visual en Power BI del análisis realizado en la fase anterior.

Historias de usuario 🎯

  • Limpieza del conjunto de datos y prepararlo para el reporte.

  • Realización de uno o más dashboard en Power BI para la presentación de los resultados.