📊 Evaluación final – Módulo 3

Descripción breve del proyecto

Análisis exploratorio de datos (EDA) de vuelos y programas de fidelidad.
Se realiza limpieza de datos (nulos en Salary y College), análisis estadístico, visualizaciones de distribuciones y correlaciones para la obtención de insights de negocio, en el contexto de la evaluación del Módulo 3 del bootcamp Adalab.

---

📋 Índice

• Descripción general
• Objetivos
• Dataset
• Tecnologías
• Estructura del proyecto
• Metodología
• Instrucciones de uso
• Autora

---

📌 Descripción general

Este proyecto forma parte de la evaluación final del Módulo 3 de Análisis de Datos e Inteligencia Artificial del bootcamp Adalab.

Se centra en el análisis exploratorio de dos datasets relacionados con:

• Reservas de vuelos (Customer Flight Activity.csv)
• Programas de fidelidad de clientes (Customer Loyalty History.csv)

---

🎯 Objetivos

Objetivo principal

Realizar un análisis exploratorio de datos completo sobre reservas de vuelos y programas de fidelidad, identificando patrones en variables como salario, provincia, nivel educativo y comportamiento del cliente, para generar insights de negocio.

---

📊 Dataset

Dataset 1: Reservas de vuelos

Customer Flight Activity.csv

Característica	Descripción
Filas	~400.500 registros
Columnas	15–20

---

Dataset 2: Fidelidad de clientes

Customer Loyalty History.csv

Característica	Descripción
Filas	~16.700 clientes
Columnas	10–15

---

Merge de datasets

pd.merge(df_flights, df_loyalty, on='loyalty_number', how='inner')

---

🛠️ Tecnologías

• Python 3.9+
• pandas
• numpy
• matplotlib
• seaborn
• Jupyter Notebook

---

📁 Estructura del proyecto

bda-modulo-3-evaluacion-final-cristinaragon/
├── data/
│   ├── Customer Flight Activity.csv
│   ├── Customer Loyalty History.csv
│   ├── customer_flight_activity_clean.csv
│   ├── customer_loyalty_history_clean.csv
│   ├── df_merged_clean.csv
│   ├── frecuencias_categoricas.csv
│   └── outliers_todas_columnas.csv
├── notebooks/
│   └── Análisis_Loyalty.ipynb
├── graficos/
│   ├── pregunta1_vuelos_mes.png
│   ├── pregunta2_simple.png
│   ├── pregunta3_provincia.png
│   ├── pregunta4_salario_visual.png
│   ├── pregunta5_tarjetas.png
│   └── pregunta6_civil_genero.png
└── README.md

---

🔄 Metodología

• Exploración y limpieza de datos
  • Imputación de valores nulos en Salary mediante groupby por nivel educativo
• EDA
  • Análisis de distribuciones
  • Detección de outliers mediante el método IQR
• Visualización
  • Gráficos comparativos para analizar el comportamiento de los clientes
• Análisis estadístico
  • Pruebas de hipótesis para evaluar diferencias en reservas de vuelos por nivel educativo
• Evaluación de Diferencias por Nivel Educativo Se analizó el impacto del nivel de estudios en el comportamiento de reserva

---

🚀 Instrucciones de uso

• Clonar el repositorio:

Bash

git clone https://github.com/tu-usuario/bda-modulo-3-evaluacion-final-cristinaragon.git

• Instalar dependencias: Asegúrate de tener instaladas las librerías mencionadas en la sección de Tecnologías.

• Ejecutar el análisis: Abre el archivo Análisis_Loyalty.ipynb y ejecuta todas las celdas.

👩‍💻 Autora

Cristina Aragón
Estudiante del Bootcamp de Data Analysis – Adalab

📧 cristinaragon77@gmail.com
📅 Enero 2026