Este repositorio contiene el trabajo de tesis para el Máster en Big Data realizado en la Universidad ORT, elaborado por los estudiantes Joaquín Rama, Ana Laura Cuitiño y supervisado por nuestro tutor Juan Ignacio Villalba.
El proyecto se centró en la predicción de precios de alojamientos de Airbnb en la ciudad de Río de Janeiro. Inicialmente, el objetivo era la optimización de precios, pero se ajustó a la predicción de precios debido a las limitaciones de los datos disponibles.
Después de un análisis detallado, se obtuvieron los siguientes resultados significativos:
Confianza: Las variables que más influyen en la confianza hacia el hospedaje incluyen el número de reseñas (0.528), la puntuación de las reseñas (0.236), la antigüedad del listado (0.393924) y las reseñas por mes (0.416). La característica de mayor importancia resultó ser la cantidad de reseñas recibidas.
Tamaño del hospedaje: Los aspectos más relevantes relacionados con el tamaño incluyen el número de baños (0.502), la capacidad de alojamiento (0.439), el número de dormitorios (0.381) y el tipo de habitación codificado (0.399). Estos factores son indicativos de las características más valoradas en una propiedad.
Demanda: La disponibilidad a lo largo del año (0.338), a 60 días (0.279) y a 90 días (0.204) muestra cómo varían los precios en función de la demanda.
Temporada: La variabilidad de precios según la temporada se refleja modestamente en la variable mes (0.151).
Este análisis nos permite entender mejor los factores que influyen en la fijación de precios de los alojamientos de Airbnb y ofrece una base sólida para futuras investigaciones o aplicaciones prácticas en el campo de la predicción de precios.