Análisis de Cyclistic bike-share

A lo largo de este reporte se identificarán los tipos de datos presentes en la base de datos de Cyclistic, con el objetivo de facilitar su comprensión y apoyar la toma de decisiones en el área de marketing. Cabe señalar que los datos serán analizados como si estuviéramos en el año 2019, ya que la información disponible corresponde únicamente hasta ese periodo. Por tanto, todo el análisis se contextualizará dentro de dicho año.

Instalacion y preparacion para el análisis

En primer lugar, fue necesario importar los distintos paquetes requeridos para el desarrollo del proyecto. Para este análisis se utilizaron los siguientes:

install.packages(c("readxl", "ggplot2", "tidyverse"), repos = "https://cloud.r-project.org/")
  1. El paquete readxl permitió importar la base de datos desde archivos de Excel a RStudio.
  2. El paquete ggplot2 facilitó la creación de gráficos para la visualización de los datos.
  3. El paquete tidyverse fue utilizado principalmente para la limpieza y manipulación de datos.

Posteriormente, se cargaron las respectivas librerías necesarias para el desarrollo del proyecto, incluyendo algunas adicionales para el manejo de fechas:

library(readxl)
library(ggplot2)
library(tidyverse)
library(dplyr)
library(lubridate)

La siguiente línea de código se utilizó para importar la base de datos desde un archivo de Excel a RStudio:

DATOS_BICI <-read_excel("C:/Users/HP/Documents/Datos_bicicletas_2019.xlsx", sheet = "Divvy_Trips_2019_Q1")

Es importante considerar que la dirección del archivo (ruta local) puede variar según el equipo. El parámetro sheet especifica la hoja del archivo de Excel que se desea importar.

Una vez cargados los datos, se utilizó la función head() para visualizar las primeras filas del conjunto de datos, lo cual permite tener un primer acercamiento a su estructura y contenido.

head(DATOS_BICI)
## # A tibble: 6 × 15
##    trip_id start_time          Hora_entrada end_time            Hora_terminada
##      <dbl> <dttm>              <chr>        <dttm>              <chr>         
## 1 21742443 2019-01-01 00:04:37 00:04:37     2019-01-01 00:11:07 00:11:07      
## 2 21742444 2019-01-01 00:08:13 00:08:13     2019-01-01 00:15:34 00:15:34      
## 3 21742445 2019-01-01 00:13:23 00:13:23     2019-01-01 00:27:12 00:27:12      
## 4 21742446 2019-01-01 00:13:45 00:13:45     2019-01-01 00:43:28 00:43:28      
## 5 21742447 2019-01-01 00:14:52 00:14:52     2019-01-01 00:20:56 00:20:56      
## 6 21742448 2019-01-01 00:15:33 00:15:33     2019-01-01 00:19:09 00:19:09      
## # ℹ 10 more variables: `fecha de uso` <dttm>, bikeid <dbl>, tripduration <dbl>,
## #   from_station_id <dbl>, from_station_name <chr>, to_station_id <dbl>,
## #   to_station_name <chr>, usertype <chr>, gender <chr>, birthyear <dbl>

Durante la importación de los datos, se identificó un error en la columna “fecha de uso”, ya que los registros aparecían en formato de hora, por ejemplo: 12:06:30. El valor 12 podría generar ambigüedades o errores en el análisis posterior. Por esta razón, se decidió estandarizar el formato de dicha columna utilizando la siguiente línea de código:

DATOS_BICI$`fecha de uso`<-format(DATOS_BICI$`fecha de uso`, "%H:%M:%S")

Es importante señalar que el proceso de limpieza de datos se llevó a cabo tanto en RStudio como en Excel, con el fin de asegurar la coherencia y calidad de la información antes de proceder con el análisis.

Análisis de los tipo de usuarios

Con esta gráfica queda claro que los individuos suscritos al servicio tienden a recorrer mayores distancias en comparación con aquellos que son clientes no recurrentes.

## [1] 86067630
## [1] 284967340

Los valores obtenidos para la duración total de los recorridos fueron calculados de forma separada para los clientes y para los suscriptores. Estos datos respaldan la gráfica previamente mostrada, proporcionando cifras exactas que permiten observar claramente las diferencias en el uso del servicio entre ambos grupos.

La duración total de los viajes realizada por los suscriptores es considerablemente mayor en comparación con la de los clientes ocasionales, lo que refuerza la conclusión de que los usuarios recurrentes tienden a hacer un uso más intensivo del sistema. Estos resultados serán fundamentales para su consideración en análisis posteriores, especialmente en el desarrollo de estrategias dirigidas a cada tipo de usuario.

En este análisis se observa que el uso del servicio de bicicletas por parte de los usuarios tiende a seguir un patrón prácticamente lineal. Sin embargo, se identifican algunos casos aislados en los que ciertos individuos prolongan significativamente el tiempo de préstamo. Esta variación es ligeramente más frecuente entre los suscriptores, lo cual podría atribuirse a una mayor confianza derivada de su pago mensual.

En ambas gráficas se detecta un punto atípico que se aleja considerablemente del resto de los datos. Aunque estos valores extremos representan una proporción mínima (ni siquiera alcanzan el 0.1% del total), considero que no deberían ser incluidos en los análisis centrales. No obstante, es recomendable prestar atención a estos casos dentro del grupo de suscriptores, ya que representan un mayor volumen de uso.

Cabe destacar que estas medidas no necesariamente implican una connotación negativa; podrían reflejar tanto un comportamiento problemático como un uso intensivo y legítimo del servicio. Para emitir un juicio más preciso, sería necesario contar con datos adicionales.

Análisis enfocado al marketing

A partir de este punto, se inicia un análisis más detallado con un enfoque estratégico orientado al área de marketing. En la gráfica presentada se puede observar que la mayoría de los usuarios del sistema de bicicletas compartidas son hombres, tanto en la categoría de clientes como en la de suscriptores.

Con base en estos resultados, se recomienda implementar una estrategia promocional más intensiva dirigida al público masculino, ya que representa el mayor porcentaje de usuarios actuales. Si bien es importante mantener campañas inclusivas para ambos géneros, la diferencia entre hombres y mujeres es considerable, lo que sugiere que una inversión mayor en el segmento masculino podría generar un mayor retorno en el corto plazo.

No obstante, también se podrían desarrollar acciones específicas para fomentar la participación femenina, aunque con un enfoque más moderado y complementario. Esto permitiría a la empresa mantener su compromiso con la equidad sin desatender las realidades del comportamiento del mercado.

## Warning: Removed 3 rows containing missing values or values outside the scale range
## (`geom_bar()`).

En esta gráfica se observa con mayor detalle la distribución de los usuarios según su año de nacimiento y género. Los datos muestran que la mayoría de los clientes se encuentra en un rango de edad entre los 19 y 59 años. Nuevamente, se evidencia una diferencia notable entre la cantidad de usuarios hombres y mujeres, siendo los primeros mayoría en todos los grupos etarios.

Al analizar por rangos de edad, se identifica que los usuarios más activos se encuentran entre los 39 y 48 años, seguidos por el grupo de 28 a 38 años. Este comportamiento sugiere que la mayor parte de los recorridos es realizada por personas de mediana edad y de adultos jóvenes , probablemente con estabilidad económica y una rutina que incluye desplazamientos frecuentes.

Con base en estos hallazgos, se propone enfocar los esfuerzos de marketing en el grupo de 29 a 39 años, dado que presenta una tendencia creciente en el uso del servicio. Por otro lado, se observa una disminución significativa en la participación del grupo de 49 a 59 años, por lo que, en mi consideración, si se desea atraer a este segmento, no debería asignarse una cantidad considerable de recursos debido a que su decrecimiento es exponencial.

Conclusiones

El análisis realizado tiene un enfoque prudente para la segmentación del mercado, basado en datos demográficos disponibles. A partir de esta información, se concluye que el público objetivo ideal para las estrategias de marketing son hombres jóvenes entre 29 y 39 años, dado que este grupo muestra una tendencia de crecimiento en el uso del servicio.

Se recomienda actuar con cautela respecto a las campañas dirigidas a mujeres y personas mayores de 49 años. En el caso de las mujeres, su participación es mínima, mientras que el segmento de mayores de 49 años presenta una disminución notable en su uso. Por ello, la asignación de recursos para estos segmentos debería ser moderada y estratégica.

Es importante señalar que los datos analizados carecen de información cualitativa, lo que limita la comprensión de las motivaciones y percepciones de los usuarios. Como analista, no es posible determinar si el estudio está completamente enfocado o cómo se sienten los clientes respecto al servicio. Por esta razón, se sugiere implementar una encuesta dirigida a los usuarios para conocer sus impresiones, motivos para elegir la empresa y nivel de satisfacción. Esta información sería fundamental para diseñar campañas de marketing más efectivas y alineadas con las necesidades reales del público.