En los últimos años, la proliferación de servicios de vehículos de transporte con conductor (VTC) ha transformado significativamente la movilidad urbana. Entre estos servicios, Uber se ha consolidado como una de las principales opciones a nivel global. La ciudad de Nueva York es el lugar perfecto para analizar esta tendencia y ayudar a Uber a poder mantener y mejorar su posición en el mercado. Se ha observado la ineficiencia de los taxis y VTC al pasar la mayor parte de su tiempo sin pasajeros a bordo. La motivación principal de este proyecto se encuentra precisamente en la potencial mejora de la eficiencia y la calidad del servicio de Uber mediante el análisis de datos. Utilizar un enfoque basado en datos para la toma de decisiones permite responder de manera más precisa a las necesidades de sus usuarios para así mejorar su satisfacción. El principal desafío que se ha encontrado en este proyecto es la gestión y el análisis de grandes volúmenes de datos generados por los servicios de Uber en Nueva York. Estos datos incluyen información sobre la ubicación, hora y día o datos de otras empresas. Además, se han combinado con datos externos como datos meteorológicos o datos sobre las zonas o barrios de la ciudad. La variedad y cantidad de los datos, supone un reto que ha requerido del uso de diferentes tecnologías para procesarlos y analizarlos de manera efectiva. El resultado del proyecto ha sido un dashboard o informe publicado en la web con el que se han podido extraer conclusiones que responden a las principales cuestiones planteadas. En primer lugar, se identifican fluctuaciones en la demanda de servicios de Uber a lo largo del día, la semana y el año, mostrando picos de demanda durante las horas de entrada y salida del trabajo, así como una estacionalidad en los datos por semana. Geográficamente, se han mapeado las zonas con mayor y menor demanda de servicios de Uber, destacando áreas como Manhattan y Brooklyn con alta concentración de viajes. Además, con los datos presentes y sin combinarse con el resto de variables, no se puede advertir una correlación entre la meteorología y la demanda de viajes. Con respecto a otras empresas, el análisis comparativo muestra la ventaja competitiva de Uber en términos de número de viajes, aunque se advierten posibles áreas de mejora en ciertos días de la semana. En conclusión, este proyecto demuestra el valor del análisis de datos en la mejora de los servicios de transporte urbano. Los insights obtenidos no solo ayudan a Uber a optimizar sus operaciones, sino que también contribuyen a una mejor comprensión de la movilidad urbana en Nueva York.
ABSTRACT
In recent years, the proliferation of ride-hailing services (VTC) has significantly transformed urban mobility. Among these services, Uber has established itself as one of the leading options globally. New York City is the perfect place to analyse this trend and help Uber maintain and improve its market position. The inefficiency of taxis and VTCs has been observed as they spend most of their time without passengers on board. The main motivation for this project lies precisely in the potential improvement of Uber’s efficiency and service quality through data analytics. Using a data-driven approach to decision making allows it to respond more accurately to the needs of its users to improve their satisfaction. The main challenge encountered in this project is the management and analysis of large volumes of data generated by Uber services in New York. This data includes information on location, time and day or data from other companies. In addition, they have been combined with external data such as weather data or data of the areas or neighbourhoods of the city. The variety and quantity of the data is a challenge that have required the use of different technologies to process and analyse it effectively. The result of the project has been a dashboard or report published on the website, which has enabled conclusions to be drawn that respond to the main questions posed. Firstly, fluctuations in the demand for Uber services throughout the day, week and year are identified, showing peaks in demand during the hours of arrival and departure from work, as well as a marked seasonality per week. Geographically, the areas with the highest and lowest demand for Uber services have been mapped, highlighting areas such as Manhattan and Brooklyn with a high concentration of trips. Furthermore, with the data present and without combining it with the rest of the variables, no correlation between weather and trip demand can be observed. Compared to other companies, benchmarking shows that Uber has a competitive advantage in terms of number of trips, although there are areas for improvement on certain days of the week. In conclusion, this project demonstrates the value of data analysis in improving urban transport services. The insights gained not only help Uber to optimise its operations, but also contribute to a better understanding of urban mobility in New York.
En los últimos años, la proliferación de servicios de vehículos de transporte con conductor (VTC) ha transformado significativamente la movilidad urbana. Entre estos servicios, Uber se ha consolidado como una de las principales opciones a nivel global. La ciudad de Nueva York es el lugar perfecto para analizar esta tendencia y ayudar a Uber a poder mantener y mejorar su posición en el mercado. Se ha observado la ineficiencia de los taxis y VTC al pasar la mayor parte de su tiempo sin pasajeros a bordo. La motivación principal de este proyecto se encuentra precisamente en la potencial mejora de la eficiencia y la calidad del servicio de Uber mediante el análisis de datos. Utilizar un enfoque basado en datos para la toma de decisiones permite responder de manera más precisa a las necesidades de sus usuarios para así mejorar su satisfacción. El principal desafío que se ha encontrado en este proyecto es la gestión y el análisis de grandes volúmenes de datos generados por los servicios de Uber en Nueva York. Estos datos incluyen información sobre la ubicación, hora y día o datos de otras empresas. Además, se han combinado con datos externos como datos meteorológicos o datos sobre las zonas o barrios de la ciudad. La variedad y cantidad de los datos, supone un reto que ha requerido del uso de diferentes tecnologías para procesarlos y analizarlos de manera efectiva. El resultado del proyecto ha sido un dashboard o informe publicado en la web con el que se han podido extraer conclusiones que responden a las principales cuestiones planteadas. En primer lugar, se identifican fluctuaciones en la demanda de servicios de Uber a lo largo del día, la semana y el año, mostrando picos de demanda durante las horas de entrada y salida del trabajo, así como una estacionalidad en los datos por semana. Geográficamente, se han mapeado las zonas con mayor y menor demanda de servicios de Uber, destacando áreas como Manhattan y Brooklyn con alta concentración de viajes. Además, con los datos presentes y sin combinarse con el resto de variables, no se puede advertir una correlación entre la meteorología y la demanda de viajes. Con respecto a otras empresas, el análisis comparativo muestra la ventaja competitiva de Uber en términos de número de viajes, aunque se advierten posibles áreas de mejora en ciertos días de la semana. En conclusión, este proyecto demuestra el valor del análisis de datos en la mejora de los servicios de transporte urbano. Los insights obtenidos no solo ayudan a Uber a optimizar sus operaciones, sino que también contribuyen a una mejor comprensión de la movilidad urbana en Nueva York.
ABSTRACT
In recent years, the proliferation of ride-hailing services (VTC) has significantly transformed urban mobility. Among these services, Uber has established itself as one of the leading options globally. New York City is the perfect place to analyse this trend and help Uber maintain and improve its market position. The inefficiency of taxis and VTCs has been observed as they spend most of their time without passengers on board. The main motivation for this project lies precisely in the potential improvement of Uber’s efficiency and service quality through data analytics. Using a data-driven approach to decision making allows it to respond more accurately to the needs of its users to improve their satisfaction. The main challenge encountered in this project is the management and analysis of large volumes of data generated by Uber services in New York. This data includes information on location, time and day or data from other companies. In addition, they have been combined with external data such as weather data or data of the areas or neighbourhoods of the city. The variety and quantity of the data is a challenge that have required the use of different technologies to process and analyse it effectively. The result of the project has been a dashboard or report published on the website, which has enabled conclusions to be drawn that respond to the main questions posed. Firstly, fluctuations in the demand for Uber services throughout the day, week and year are identified, showing peaks in demand during the hours of arrival and departure from work, as well as a marked seasonality per week. Geographically, the areas with the highest and lowest demand for Uber services have been mapped, highlighting areas such as Manhattan and Brooklyn with a high concentration of trips. Furthermore, with the data present and without combining it with the rest of the variables, no correlation between weather and trip demand can be observed. Compared to other companies, benchmarking shows that Uber has a competitive advantage in terms of number of trips, although there are areas for improvement on certain days of the week. In conclusion, this project demonstrates the value of data analysis in improving urban transport services. The insights gained not only help Uber to optimise its operations, but also contribute to a better understanding of urban mobility in New York. Read More
Related posts:
Walmart, Albertsons Back The Clean Fight’s Accelerator Program
Diseño y despliegue de una solución CI/CD y serverless con AWS
Uber anuncia patrocinio y descuentos para el medio maratón y maratón de la CdMx
How China’s agribusiness achieves reciprocal symbiosis with farmers? A comparative analysis of the investment sector
The New York Times Gives Black Librarians Their Due
BMC Medicine Editor Retracts Article on DNA Barcoding Which Questioned Integrity of Herbs