Data Visualization | Tableau
04 – 2023
En este proyecto se estudiaron los datos de alojamiento en la Ciudad de México de la plataforma Airbnb. El estudio se centra en identificar los patrones respecto al precio de vivienda (por zonas de la ciudad y tipos de alojamiento); además de identificar comportamientos que pueden estar involucrados en el desplazamiento de residentes locales.
La data fue extraída de Inside Airbnb; reportada el 26 de junio de 2022. La data consiste en 3 tablas (listings, calendar y reviews), tal que se puede establecer un Join a partir de la equivalencia entre las columnas id = listing_id. Sin embargo, debido a los límites de tamaño de data de Tableau Public, se decidió sólo reportar los análisis de la tabla listings.
De esa información, se realizaron 8 visualizaciones. Las cuales se resumieron en un Dashboard y una Presentación.
1° Se generó un mapa interactivo para apreciar la distribución de precios por las zonas de la ciudad. Algo ideal a revisar para verificar los precios de una zona en la que se tenga un alojamiento para rentar.
2° Se generó una gráfica de barras que incluyera los Precios Promedios de las Colonias.
3° Se graficó Promedio de los Ingresos Brutos Mensuales respectó a la delegación del alojamiento. Esto con el fin de analizar qué ingresos puede uno esperar, y compararlos con sus costos fijos del alojamiento que dispone. Así mismo, esta data plantea interrogantes como ¿Los ingresos que uno puede recibir por Airbnb incentivan los alquileres a corto plazo respecto a la vivienda a largo plazo?
4° Se graficó del Precio por Noche respecto al número de camas del alojamiento.
5° Se realizó la estadística del Tipo de Alojamientos disponibles en Airbnb. El incrementan en el tiempo de los alojamientos de Casa/Apartamento completo respecto a los de Habitación Privada beneficia en confort y privacidad al cliente. Así como incrementa el precio del servicio. Pero, también puede indicar un incremento en el tipo de Anfitrión de grandes recursos o de empresas centradas en adquirir inmuebles para su renta en Airbnb, lo que puede impactar en el mercado inmobiliario.
6° Se realizó una estadística del Tipo de Anfitrion, respecto a la Cantidad de Inmuebles que renta. Lo que puede ayudar a entender el mercado de la vivienda. Los dos mayores grupos fueron los Anfitriones con un alojamiento (el 37.22%, que representan 8,065 anfitriones), y los Anfitriones con 10 o más Alojamientos (el 21.35%, que representa 4,626).
7° Se generó una gráfica de burbujas para identificar los Porcentajes de Alojamientos respecto a Cuantas Noches Mínimas se requieren para realizar una Reservación.
8° Por último, se creó una gráfica que indica el número de alojamientos ocupados por cantidad de tiempo. La mayoría de los alojamientos han permanecido rentados menos de un mes. Se podría dudar si este comportamiento promueve el desplazamiento de alquileres de largo a corto plazo.
Para trabajo a futuro, sería proponer una estadística para comprender qué Tipo de Alojamientos pertenecen a ese conjunto que ha sido ocupado menos de 30 días. Con las fechas de las Reviews y su calificación, se podría inferir si el alojamiento es reciente, si recibió malas críticas y por eso no se renta, o si el Anfitrión lo retiro hace mucho de Airbnb.
A continuación, puedes consultar el proyecto.
