Proyecto de análisis de datos enfocado en una empresa de ride-sharing, combinando SQL y Python para identificar patrones de demanda y evaluar el impacto de factores externos como el clima en la duración de los viajes.
Zuber es una startup de transporte que busca optimizar sus operaciones mediante el análisis de datos.
El objetivo es comprender el comportamiento de los usuarios y cómo factores externos afectan los viajes para mejorar la toma de decisiones.
- SQL
- Python
- Pandas
- Matplotlib / Seaborn
- SciPy
- BeautifulSoup
- Análisis de viajes por empresa
- Identificación de zonas con mayor demanda
- JOIN entre viajes y clima usando timestamps
- Clasificación del clima en Good / Bad
- Extracción de datos climáticos usando Python y BeautifulSoup
- Top empresas por número de viajes
- Top 10 zonas con más drop-offs
- Visualización de patrones de demanda
- Test t para comparar duración de viajes:
- Clima bueno vs clima lluvioso
- Nivel de significancia: 0.05
- Flash Cab fue la empresa con mayor número de viajes (~20,000 en 2 días)
- Loop y River North concentran la mayor demanda
- Se encontró una diferencia estadísticamente significativa en la duración de los viajes bajo condiciones de lluvia:
- p-value ≈ 0.0000
- El clima impacta directamente la operación (mayor duración de viajes)
- La demanda está altamente concentrada en zonas específicas
- Existen diferencias claras entre compañías en volumen de viajes
- Permite optimizar tiempos de viaje en condiciones climáticas adversas
- Mejora la planificación operativa y asignación de recursos
- Apoya decisiones de pricing dinámico y gestión de demanda
Data analysis project combining SQL and Python to uncover demand patterns and evaluate the impact of weather conditions on ride duration in a ride-sharing business.
Zuber is a ride-sharing startup aiming to optimize operations through data analysis.
The goal is to understand user behavior and how external factors affect trips to improve decision-making.
- SQL
- Python
- Pandas
- Matplotlib / Seaborn
- SciPy
- BeautifulSoup
- Trips per company analysis
- High-demand areas identification
- JOIN between trips and weather data
- Weather classification (Good / Bad)
- Extracted weather data using BeautifulSoup
- Top taxi companies
- Top 10 neighborhoods by drop-offs
- Demand visualization
- T-test comparing trip duration:
- Good weather vs rainy weather
- Significance level: 0.05
- Flash Cab had the highest number of trips (~20,000 in 2 days)
- Loop and River North are the top demand areas
- Statistically significant difference in trip duration during rainy conditions:
- p-value ≈ 0.0000
- Weather significantly impacts ride duration
- Demand is highly concentrated in specific areas
- Clear differences between companies in trip volume
- Enables better operational planning under weather conditions
- Supports demand forecasting and resource allocation
- Can inform dynamic pricing strategies
Follow these steps to run the project:
This will extract weather data and save it locally in the data/ folder.
Run all cells to reproduce the analysis, visualizations, and hypothesis testing.
- Taxi trip datasets (provided as part of the project)
- Weather data scraped from: https://practicum-content.s3.us-west-1.amazonaws.com/data-analyst-eng/moved_chicago_weather_2017.html
"The average duration of trips from Loop to O'Hare changes during rainy Saturdays."
- Statistical test used: Independent t-test
- Significance level (alpha): 0.05
- Result: A statistically significant difference was found (p < 0.05)
All dependencies are listed in:
requirements.txt