YELP & GOOGLE MAPS SYSTEM RECOMMENDATION AND ANALYSIS

Índice

• Acerca del proyecto
• Roles
• Nuestra misión
• Objetivos del proyecto
• Alcance del proyecto
• Stack Tecnológicas Utilizadas
• Flujo de Trabajo / Pipeline
• Instalación
• Contacto

Acerca del proyecto

Como consultora de datos, realizaremos un análisis exhaustivo del mercado estadounidense para un cliente dentro del conglomerado de empresarios gastronómicos y afines. Nuestro enfoque principal es realizar un análisis exhaustivo de restaurantes, utilizando datos de las plataformas Google Maps y Yelp que nos proporcionará información valiosa para los inversores, ayudándoles en la toma de decisiones estratégicas.

Roles

• Data Engineer: Gustavo Pardo.
• Data Scientist: Yair Juarez, Jaime Gold.
• Data Analyst: Eliana Larregola, Rocio Alaniz.

Nuestra misión

Realizar un análisis exhaustivo de las reseñas de restaurantes en Google Maps y Yelp para proporcionar una visión clara de las oportunidades de mercado, determinar ubicaciones óptimas para nuevos establecimientos y desarrollar un sistema de recomendación que ayude a los usuarios a encontrar restaurantes basados en su ciudad y preferencias.

Objetivos del proyecto

1. Analizar popularidad y éxito de los locales gastronómicos:

   • Evaluar las reseñas positivas de los usuarios hacia los restaurantes, identificando tendencias positivas en las opiniones para predecir los restaurantes que tendrán mayor crecimiento.

2. Identificar Ubicaciones Óptimas:

   • Analizar datos geográficos para determinar las mejores ubicaciones para abrir nuevos locales de restaurantes.

3. Desarrollar un Sistema de Recomendación:

   • Crear un sistema de recomendación que sugiere restaurantes a los usuarios, basado en la ubicación (ciudad) y sus preferencias.

   • Crear un sistema de recomendación que sugiere ciudades a los empresarios, basado el estado y en sus preferencias.

Alcance del proyecto

Categoría: El análisis se centrará exclusivamente en restaurantes. Otras categorías no serán consideradas en el alcance de este proyecto.

Área: Luego de una investigación preliminar sobre los estados en Estados Unidos más poblados y con mayor densidad poblacional, el análisis se limitará a California, Texas, Florida, New York, Pennsylvania.

Fuentes de datos: Utilizaremos los datos proporcionados por la compañía que son datos de Yelp y Google Maps.

KPIs (Indicadores Clave de Rendimiento)

• Aumentar la cantidad de restaurantes: Este KPI nos permite incrementar la cantidad de restaurantes en las ciudades más propicias en un 1% en el plazo de un año.
• Mejorar el rating promedio de restaurantes: El KPI tiene como objetivo mejorar el rating promedio de restaurantes de 3 a 4 estrellas en un 4% en el plazo de un año.
• Aumentar las reviews de reseñas: El objetivo de este KPI es incrementar las reviews positivas de restaurantes en un 4% en el plazo de un año.

Metodología de Desarrollo

Para el desarrollo, hemos adoptado la metodología SCRUM como metodología ágil, lo que nos permite iterar rápidamente y mejorar los sistemas de recomendaciones basándonos en la retroalimentación y los resultados obtenidos.

Estructura del proyecto

PF-Reviews/
├── data/
│   ├── ETL - Cloud Fuctions/
│   └── preprocessing/ 
├── Notebooks/
│   ├── EDA/
│   └── Modeling/
├── Docs/
├── img/
├── Models/
│   ├── Recommender Cities/
│   └── Recommender Restaurants/
├── requirements.txt
├── README.md
└── .gitignore

Stack Tecnológico

Flujo de Trabajo / Pipeline

Ciclo de vida de los datos

Sistemas de recomendaciones

Los sistemas de recomendación estan construidos a partir de la compresión de datos que traen los datos de Yelp y Google Maps. Estos sistemas de recomendacion se estan implementando en streamlit para que los usuarios y empresarios puedan interactuar. La aplicacion web se encuentra en el siguiente enlace.

Instalación

1. Clone el repositorio.

   git clone https://github.com/JaimeGold/PF-Reviews/PF-Reviews.git

2. Crear el entorno virtual

   • Linux:

   python -m venv venv
   source venv/bin/activate

   • Windows:

   python -m venv venv
   .\venv\Scripts\activate 

3. Instalar las dependencias

   pip install -r requirements.txt

4. Ejecutar el programa

   streamlit run Models\deployer.py

Contacto

Para cualquier consulta o información adicional, puedes ponerte en contacto con los miembros del equipo:

• Gustavo Pardo - Data Engineer: linkedin
• Yair Juarez - Data Scientist: linkedin
• Jaime Gold - Data Scientist: linkedin
• Eliana Larregola - Data Analyst: linkedin
• Rocio Alaniz - Data Analyst: linkedin

---

Este proyecto es mantenido por [Data Nexus].