Análisis de datos de 137,311 viajes en taxi en Chicago (Noviembre 2017) para identificar oportunidades de mercado para Zuber, una startup de ride-sharing. El proyecto combina análisis exploratorio de datos y pruebas estadísticas para entender patrones competitivos, geográficos y climáticos.
✅ Analizar el panorama competitivo del mercado de taxis
✅ Identificar barrios con mayor demanda de viajes
✅ Validar hipótesis sobre el impacto del clima en tiempos de viaje
✅ Generar recomendaciones estratégicas basadas en datos
project_sql_result_01.csv: Viajes por compañía (15-16 Nov 2017)project_sql_result_04.csv: Promedio de viajes por barrio (Nov 2017)project_sql_result_07.csv: Viajes Loop → O'Hare en sábados con datos climáticos
- 137,311 viajes totales analizados
- 64 compañías de taxis
- 77 barrios de Chicago
- 1,068 viajes Loop-O'Hare para análisis climático
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# Cargar datos
df_companies = pd.read_csv('data/project_sql_result_01.csv')
df_neighborhoods = pd.read_csv('data/project_sql_result_04.csv')
df_trips = pd.read_csv('data/project_sql_result_07.csv')
# Análisis y visualizaciónHipótesis: "La duración promedio de viajes Loop → O'Hare cambia en sábados lluviosos"
- Método: Prueba t de Student (muestras independientes)
- Nivel de significación: α = 0.05
- Grupos comparados:
- Clima malo: 180 viajes
- Buen clima: 888 viajes
| Compañía | Viajes | % Mercado |
|---|---|---|
| Flash Cab | 19,558 | 14.2% |
| Taxi Affiliation Services | 11,422 | 8.3% |
| Medallion Leasing | 10,367 | 7.6% |
| Yellow Cab | 9,888 | 7.2% |
| Otras (49 compañías) | 19,876 | 14.5% |
Insight: El mercado está fragmentado - 85.8% no está dominado por el líder
| Barrio | Viajes Promedio |
|---|---|
| Loop | 10,727 |
| River North | 9,524 |
| Streeterville | 6,665 |
| West Loop | 5,164 |
| O'Hare | 2,547 |
Insight: Los 3 primeros barrios concentran >60% de la demanda
Resultado de la Prueba de Hipótesis:
- ✅ RECHAZAMOS H₀ (p < 0.000001)
- ⏱️ Diferencia promedio: +7.13 minutos con clima malo
- 📊 Intervalo de confianza 95%: [5.18, 9.07] minutos
- 📈 Tamaño del efecto: d = 0.57 (mediano)
Comparación:
- Clima malo: 40.45 min promedio
- Buen clima: 33.33 min promedio
Lenguajes y Herramientas:
- Python 3.9+
- Jupyter Notebook
Librerías:
pandas # Análisis de datos
matplotlib # Visualización
seaborn # Visualización avanzada
scipy # Pruebas estadísticas
numpy # Operaciones numéricas# 1. Clonar repositorio
git clone https://github.com/AlexisLizcano/zuber-chicago-analysis.git
cd zuber-chicago-analysis
# 2. Instalar dependencias
pip install -r requirements.txt
# 3. Abrir Jupyter Notebook
jupyter notebook notebooks/zuber_analysis.ipynb- Mercado Fragmentado: Solo el 14.2% está dominado por Flash Cab, dejando 85.8% disponible para Zuber
- Concentración Geográfica: Loop, River North y Streeterville representan la mayor oportunidad
- Factor Climático Significativo: El clima adverso incrementa 7+ minutos los tiempos de viaje a O'Hare
✅ Lanzamiento Focalizado: Priorizar cobertura en Loop, River North y Streeterville
✅ Pricing Dinámico: Ajustar tarifas según condiciones climáticas (+15-20% en clima malo)
✅ Ruta Premium: Ofrecer servicio especializado Loop-O'Hare con garantía de tiempo
✅ Ventaja Tecnológica: Integrar datos meteorológicos para predicciones precisas
zuber-chicago-analysis/
│
├── README.md # Este archivo
├── requirements.txt # Dependencias
├── .gitignore # Archivos ignorados
│
├── data/ # Datos CSV
│ ├── project_sql_result_01.csv
│ ├── project_sql_result_04.csv
│ └── project_sql_result_07.csv
│
├── notebooks/ # Análisis
│ └── zuber_analysis.ipynb
│
└── images/ # Visualizaciones
├── companies_chart.png
├── neighborhoods_chart.png
└── weather_comparison.png
Alexis Gonzalez Lizcano
- 💼 LinkedIn: linkedin.com/in/alexis-gonzalez-lizcano
- 🐙 GitHub: @AlexisLizcano
- 📧 Email: j.alexis.gl004@gmail.com
Este proyecto fue desarrollado como parte del TripleTen Data Analytics Bootcamp (2024-2025), aplicando habilidades de:
- Análisis exploratorio de datos
- Visualización de datos
- Pruebas de hipótesis estadísticas
- Pensamiento analítico para negocios
Este proyecto está disponible bajo la licencia MIT.
⭐ Si encuentras útil este análisis, considera darle una estrella al repositorio!