✈️ Análisis de Clientes del Programa de Lealtad – Evaluación Final

Este repositorio contiene el ejercicio de evaluación final del Módulo 3 del Bootcamp de Análisis de Datos. Trabajamos con dos conjuntos de datos sobre el comportamiento y perfil de clientes de un programa de lealtad de una aerolínea.

📂 Archivos utilizados

• Customer Flight Activity.csv: Información mensual sobre vuelos, puntos acumulados/redimidos, y distancia.
• Customer Loyalty History.csv: Datos demográficos y de membresía de los clientes.
• Fase_1.ipynb, Fase_2.ipynb, Fase_3.ipynb: Notebooks que contienen las distintas etapas del análisis (limpieza, exploración, visualización y análisis estadístico).

🧠 Objetivos del análisis

• Limpieza y unión de datos
• Exploración estadística
• Visualización de patrones
• Análisis inferencial sobre el comportamiento de los clientes

🛠️ Tecnologías usadas

• Python (pandas, numpy, seaborn, matplotlib, scipy)
• Jupyter Notebook
• Git & GitHub

📊 Ejemplo de código aplicado

import pandas as pd

# Cargar y estandarizar columnas
df = pd.read_csv("Customer Flight Activity.csv")
df_flight.columns = df_flight.columns.str.strip().str.lower()

# Verificar nulos
(df_flight.isnull().mean() * 100).round(2)

# Distribución de vuelos reservados por mes
import seaborn as sns
import matplotlib.pyplot as plt

# Calcular o coeficiente de Pearson
correlation, valor_p = pearsonr(df['Distance'], df['Points Accumulated'])