Este proyecto tiene como objetivo demostrar mi capacidad para limpiar, analizar y visualizar datos reales del sector aéreo y de fidelización de clientes.
A través del análisis de datos históricos de vuelos y perfiles de clientes, busqué identificar patrones de comportamiento, relaciones relevantes entre variables y oportunidades de segmentación de clientes dentro del programa de lealtad de una aerolínea.
- Unir dos datasets complejos y con distintos niveles de granularidad.
- Tratar valores nulos, inconsistencias y conversiones necesarias para preparar los datos.
- Aplicar visualizaciones claras y efectivas para responder preguntas de negocio reales.
- Extraer insights accionables que permitan comprender el comportamiento de los clientes.
- Realicé una exploración inicial con
pandaspara entender la estructura y calidad del dataset. - Traté valores nulos.
- Hice limpieza de algunos valores que podian arrojar datos erroneos.
- Cambie el tipo de dato de algunas columnas.
- Imputé datos ausentes de forma lógica, como el salario promedio estimado para las personas de nivel educativo College.
- Uní correctamente los datasets usando
Loyalty Numbercomo clave.
Utilizando seaborn y matplotlib, construí visualizaciones para responder a preguntas clave:
-
1. ¿Cómo se distribuyen los vuelos reservados por mes?
→ Scatterplot para entender estacionalidad. -
2. ¿Existe relación entre distancia volada y puntos acumulados?
→ Scatterplot para visualizar correlación positiva. -
3. ¿Cómo se distribuyen los clientes por provincia o estado?
→ Barplot para identificar concentraciones geográficas. -
4. ¿Cómo varía el salario promedio según el nivel educativo?
→ Barplot para comparar y detectar tendencias salariales por formación académica. -
5. ¿Qué proporción de clientes tiene cada tipo de tarjeta de fidelidad?
→ Countplot con para visualizar la segmentación del programa. -
6. ¿Cómo se distribuyen los clientes según estado civil y género?
→ Countplot cruzado para analizar perfiles demográficos.
- Los meses donde se concentran la mayor cantidad de vuelos es Julio, Junio, Agosto y Diciembre. Los meses con menor cantidad de vuelos es Febrero y Enero.
- La relacion entre distancia de vuelo y puntos acumulados es ascendente, mientras mayor la distancia del vuelo mas puntos acumula el cliente.
- La mayor cantidad de clientes son de Ontario y British Columbia. Donde tenemos una menor consentracion de clientes es en Prince Edward Island
- El salario promedio varía significativamente según el nivel educativo, con diferencias claras entre grupos.
- Ciertos tipos de tarjeta de fidelidad dominan el programa, lo que puede sugerir oportunidades de personalización.
- El análisis demográfico reveló desequilibrios en ciertas categorías de clientes, útiles para campañas de retención o marketing.
Como profesional en formación para el rol de Data Analyst, este proyecto demuestra mi habilidad para:
- Preparar y transformar datos reales y desordenados.
- Formular preguntas de negocio relevantes y responderlas con análisis de datos.
- Comunicar resultados de manera visual, clara y orientada a toma de decisiones.
Un saludo, Gabriela Layas.