eremohn/proyecto_grupalds-final

Este proyecto es el proyecto final grupal del curso de Data Science de la Academia Soy Henry. El proyecto implica el análisis de un conjunto de datos de Yelp, donde analizamos el sector de restaurantes mexicanos en los Estados Unidos.

Proyecto Grupal Final de Data Science

🚀 1. Requerimientos para el Proyecto

Proyecto grupal final de la etapa de labs de la carrera de Data Science de la academia SoyHenry.

• Generalidades y entregables.

• Criterios de evaluación.

El objetivo de este proyecto tomar el rol de una consultora en Business Intelligence y Data Analytics, y realizar un análisis detallado de la opinión de los usuarios en Yelp y cruzarlos con los de Local Guides-Google Maps sobre un determinado negocio (farmacias, hoteles, restaurantes, turismo, ocio, etc).

📋 2. Descripción del Proyecto

🍗🥗🍝🧀🍻 Gran parte de las personas leen las reseñas de los lugares a los que planean ir, en base a esto toman decisiones sobre dónde comprar, comer, dormir, reunirse, etc.

⭐⭐⭐⭐⭐ Esta información es muy valiosa para las empresas, ya que les sirve para enterarse de la imagen que tienen los clientes de su negocio, producto o servicio.

Para este proyecto, una empresa del rubro alimenticio nos contrató para realizar un análisis de mercado de los restaurantes mexicanos que se encuentran en Estados Unidos.

• Para evaluar el desempeño de los restaurantes se planteó cuatro indicadores claves de desempeño (KPI) y un análisis de sentimiento, desde el año 2019 al primer trimestre del año 2022.

  👉 Visualización de datos.

• Para una consulta de los datos en tiempo real, se realizó un sistema de recomendación.

  👉 Análisis de datos.

  👉 Modelo de Machine Learning.

📆 3. Desarrollo del Proyecto

El proyecto se llevó a cabo en tres etapas:

• 1° Etapa: Puesta en marcha del proyecto y Trabajo con Datos. 👉Sprint#1

• 2° Etapa: Data Engineering. 👉Sprint#2

• 3° Etapa: Data Analytics y Machine Learning.🦾 👉Sprint#3

🗂️ 4. Datasets

Los datasets fueron brindados por Henry:

• Diccionario de datos
• Local Guides-Google Maps
• Yelp

📈 5. Insights

• 80 % de los restaurantes mexicanos lo manejan siete empresas.
• 80 % de los restaurantes mexicanos se encuentran en solo siete estados de EE.UU.
• Aumenta la demanda de comida mexicana en el segundo y tercer trimestre.
• 70% de las reseñas de los clientes, son neutras a positivas.
• El sector de comida mexicana en EE.UU. se mantiene estable con tendencia a crecer.

🚨 Aclaración: los datos analizados son una muetra de un dataset mayor. Por lo que esta conclusion pueden presentar inconsistencia al compararlos con la información del dataset completo. El dataset con mas cantidad de datos es pago.

Dataset de Yelp.

Diccionario del dataset de Yelp.

📚 6. Bibliografía

• Fundación Carlo Slim
• Gruma
• Google Cloud Platform
• Apache Beam
• Diseño de pipelines de datos con GCP
• Yelp Web
• Emoji
• Editar vídeos
• Convertir vídeos

👥 7. Integrantes

Autores: Grupo N° 1

Data Engineer / Data Science

• Javier Baez Esqueda: [email protected] | Linkedin | GitHub.
• Carlos Antonio Baez: [email protected] | Linkedin | GitHub.
• Steven Yuval Barrantes Briceño: [email protected] | Linkedin | GitHub.

Data Analyst / Data Science

• Marta Inés Pedriel: [email protected] | Linkedin | GitHub.
• Hernán Pizarro: [email protected] | Linkedin | GitHub.

Academia Henry:

• Henry Mentor: Angela Aguirre: [email protected] | Linkedin | GitHub.
• Product Owner: Pía Ruiz: [email protected] | Linkedin | GitHub.

⚠️ 8. Disclaimer

De parte del equipo de Henry se quiere aclarar y remarcar que los fines de los proyectos propuestos son exclusivamente pedagógicos, con el objetivo de realizar proyectos que simulen un entorno laboral, en el cual se trabajen diversas temáticas ajustadas a la realidad.

No reflejan necesariamente la filosofía y valores de la organización. Además, Henry no alienta ni tampoco recomienda a los alumnos y/o cualquier persona leyendo los repositorios (y entregas de proyectos) que tomen acciones en base a los datos que pudieran o no haber recabado.

Toda la información expuesta y resultados obtenidos en los proyectos nunca deben ser tomados en cuenta para la toma real de decisiones (especialmente en la temática de finanzas, salud, política, etc.).