Análisis de cancelación de reservas de hotel

Scenario Link to heading

Una cadena de hoteles de renombre, ha observado una alta tasa de cancelación de reservas, lo que ha generado preocupación en la dirección. Con el objetivo de mejorar la eficiencia operativa y la experiencia del cliente, se plantea la siguiente tarea empresarial.

Tarea Empresarial Link to heading

Identificar los principales factores que influyen en la tasa de cancelación de las reservas de hotel y utilizar esta información para generar recomendaciones para optimizar los procesos y brinden una experiencia única al cliente en el marco de la transformación digital.

Para este análisis haré uso de R, comenzando por configurara el entorno, importar el dataset, después limpiar, analizar, y visualizar los resultados obtenidos para finalmente mostrar un resumen del análisis, como también una presentación a los stakeholders.

.

Configurando el entorno en R Link to heading

Cargando pakages de la colección Tidyverse usando R , para la importación, limpieza, transformación y visualización de los datos.

library(readr)
library(tidyr)
library(dplyr)
library(skimr)
library(ggplot2)
library(lubridate)

Importando el Dataset Link to heading

hotel_bookings_df <- read_csv("hotel_bookings.csv")

Entendiendo la estructura del dataset

glimpse(hotel_bookings_df)

skim_without_charts(hotel_bookings_df) 

Calculando el rango de años de los datos históricos, usando la columna “reservation_status_date” .

max(hotel_bookings_df$reservation_status_date)
min(hotel_bookings_df$reservation_status_date)

summary(hotel_bookings_df)

Limpiando los datos Link to heading

Partiendo del dataset se selecciona y añade algunas columnas relevantes para responder a la pregunta empresarial:

hotel_bookings_df <- hotel_bookings_df %>%
  mutate(adults_with_children = 
           ifelse(adults & children | babies,1,0))

Seleccionando columnas relevantes y generando un nuevo dataframe:

trimmed_hotel_booking_df <- hotel_bookings_df %>%
  select(hotel,adults_with_children,lead_time,market_segment,reservation_status,reservation_status_date)

Reemplazando datos Na :

 trimmed_hotel_booking_df <- replace_na(trimmed_hotel_booking_df,
           list(hotel=0,adults_with_children= 0,lead_time=0,market_segment=0,
                reservation_status=0,reservation_status_date=0)) 

Filtrando los datos relevantes que para este caso son las reservas canceladas:

cancells_hotel_booking <- trimmed_hotel_booking_df %>%
  filter(reservation_status == "Canceled")

Analizando Link to heading

Calculando la tasa de cancelación:

nrow(cancells_hotel_booking) / nrow(trimmed_hotel_booking_df)

Para los hoteles de la marca la tasa de cancelacion total es del 36%.

Buscando alguno de los factores de esta alta tasa de cancelación planteo la siguiente pregunta:

Usando el data frame generado “cancells_hotel_booking”

cancells_booking_by_marketSegment_df <- cancells_hotel_booking %>%
  arrange(market_segment) %>%
  group_by(market_segment) %>%
  summarize(cancellation_rate =round(n()/nrow(trimmed_hotel_booking_df), digits = 5), .groups = "drop") %>%
  arrange(desc(cancellation_rate))

head(arrange(cancells_booking_by_marketSegment_df, desc(cancellation_rate)), n = 5)

Los resultados revelan que la tasa de cancelación de reservas es más alta en las agencias de viaje en línea, seguida de las reservas realizadas por grupos o eventos, como tours y conferencias, donde se reservan múltiples habitaciones. Además, se observa que las reservas generadas por agencias de viajes físicas u operadores de viajes también presentan una tasa de cancelación significativa.

El análisis del tiempo de espera en diferentes estados de reserva, como la cancelación, salida o no presentación al hotel, permite comprender las diferencias en la antelación de la reserva.

reservation_status_summarize_df <-  trimmed_hotel_booking_df %>%
  arrange(reservation_status) %>%
  group_by(reservation_status) %>%
  summarize(avg_lead_time = mean(lead_time))

head(reservation_status_summarize_df)

Los clientes que reservan con antelación son los que tienen más posibilidad de cancelar la reserva.

La siguiente pregunta tiene como objetivo identificar las características del cliente que tiende más a cancelar las reservas:

cancells_booking_by_client <- cancells_hotel_booking %>%
  arrange(adults_with_children) %>%
  group_by(adults_with_children) %>%
  summarize(cancellations_reservation_count = n(), avg_lead_time = mean(lead_time))

head(cancells_booking_by_client)

Los adultos sin niños, presenta un número de cancelaciones de 39938, respecto a los adultos con niño con solo, 3079. Respecto a la duración promedio del tiempo de espera, los clientes sin niños tiene una media de 150.1 días, que es un poco menos con las familias con hijos con una media de 111.307.

trimmed_hotel_booking_df %>%
  group_by(adults_with_children) %>%
  summarize(procentaje_de_reservas =n()/nrow(trimmed_hotel_booking_df))

Aunque el número de cancelaciones es mayor en los adultos sin hijo, esto es porque son los que más reservaciones realiza, por lo tanto, es conveniente calcular la tasa de cancelación por adulto con y sin hijos:

rate_cancells_by_cliente <- trimmed_hotel_booking_df %>%
  group_by(adults_with_children) %>%
  summarize(rate_cancellations = sum(reservation_status == "Canceled")/ n())

head(rate_cancells_by_cliente)

El 33.8% de los clientes con hijo y el 36.7% que no los tiene cancelan las reservaciones.

Otra pregunta a responder es:

cancellations_by_month_df <- cancells_hotel_booking %>%
  group_by(trimestre = quarter(reservation_status_date)) %>%
  summarize(cancellation_count = n(), .groups = "drop") %>%
  arrange(desc(cancellation_count)) 

head(cancellations_by_month_df)

El mayor número de cancelaciones se producen en el primer trimestre, y el más bajo número de cancelaciones se produce en el segundo trimestre.

Visualización Link to heading

Número de cancelaciones por segmento de mercado y tipo de hotel

ggplot( data = hotel_bookings) +
  geom_bar(mapping = aes(x = market_segment)) + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  labs(x = "Segmento de Mercado", y = "Numero de cancelaciones", caption = "Data from 2014 to 2017")+
  ggtitle("Numero de cancelaciones por segmento de mercado ") +
  facet_wrap(~hotel)

Visualización, de la relación de segmento y tasa de cancelaciones de reservas de hotel.

ggplot(data = cancells_booking_by_marketSegment_df) +
  geom_col(mapping = aes(x = reorder(market_segment, cancellation_rate), y = cancellation_rate)) +
  labs(x = "Segmento de Mercado", y = "Tasa de Cancelacion") +
  ggtitle("Relación Segmentos de Mercado y Tasa de Cancelaciones de reservas de hotel") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Visualización por cancelaciones por trimestre

ggplot(data = cancellations_by_month_df) + 
  geom_col(mapping = aes(x = reorder(trimestre,cancellation_count), y = cancellation_count )) +
  labs(x = "Trimestres",y = "Numero de cancelaciones", caption = "Data from 2014 to 2017") +
  ggtitle("Cancelaciones por trimestre ")

Reumen del Análsis Link to heading

Presentación Link to heading

En la Presentacion puede verse los resusltados y las conclusiones presentadas a los stakeholders