Mostrar el registro sencillo del ítem

dc.contributor.advisorVallez Fernández, Carlos Migueles-ES
dc.contributor.authorFernández-Valmayor Gallardo, Anaes-ES
dc.contributor.otherUniversidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresarialeses_ES
dc.date.accessioned2024-06-19T20:55:25Z
dc.date.available2024-06-19T20:55:25Z
dc.date.issued2025es_ES
dc.identifier.urihttp://hdl.handle.net/11531/89638
dc.descriptionGrado en Administración y Dirección de Empresas y Grado en Análisis de Negocios/Business Analyticses_ES
dc.description.abstractEl presente Trabajo de Fin de Grado analiza los patrones de viaje en servicios de Bikesharing en Estados Unidos, centrándose en las ciudades de Boston, San Francisco - San José y Chicago. A partir de seis bases de datos públicas correspondientes a los años 2019 y 2023, antes y después de la pandemia del COVID-19, se ha aplicado una metodología ETL para unificar la información en una tabla canónica con el mismo formato y estructura. Posteriormente, se ha calculado la variable velocidad a partir de la distancia y la duración de cada trayecto, con el objetivo de explorar el comportamiento de los usuarios según la ciudad, el año y el tipo de cliente (suscrito u ocasional). El análisis incluye visualizaciones descriptivas de la velocidad media, los trayectos más frecuentes y la distribución horaria de los viajes. Además, se ha desarrollado un dashboard interactivo en Power BI que permite explorar los datos de forma visual y dinámica. Este trabajo pone en valor la capacidad de la analítica para obtener información útil a partir de grandes volúmenes de datos.es-ES
dc.description.abstractThis Final Degree Project analyzes travel patterns in Bikesharing services in the United States, focusing on the cities of Boston, San Francisco - San José, and Chicago. Using six public datasets from the years 2019 and 2023—before and after the COVID-19 pandemic—an ETL process was applied to unify the data into a common table with consistent format and structure. A new variable—speed—was calculated based on trip distance and duration, allowing for a deeper analysis of user behavior by city, year, and customer type (subscriber or customer). The project includes descriptive visualizations of average speed, most frequent routes, and hourly travel distribution. A dynamic dashboard in Power BI was also developed to enable an interactive and visual exploration of the data. This work highlights the power of data analytics to extract valuable insights from large datasets.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoes-ESes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject.otherKBAes_ES
dc.titleAnálisis de Servicios de Bikesharing en Estados Unidos - Fernández-Valmayor Gallardo, Anaes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.keywordsBikesharing, Servicios de Bikesharing, Movilidad Urbana, Velocidad, Patrones de Viaje, AWS, Covid-19, ETL, Power BI, Dashboard, Boston Blue Bikes, Chicago Divvy, San Francisco y San Jose, Bay Areaes-ES
dc.keywordsBikesharing, BSS, Urban Mobility, Speed, Travel Patterns, AWS, COVID-19, ETL, Power BI, Dashboard, Boston Blue Bikes, Chicago Divvy, Bay Area, San Francisco y San José, Bay Areaen-GB


Ficheros en el ítem

Thumbnail
Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivs 3.0 United States
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivs 3.0 United States