Inside Airbnb
Dataset público de anúncios de São Paulo.
Dados públicos · Inside Airbnb · São Paulo
Projeto Airbnb
Análise end-to-end de 42.354 anúncios para compreender preços, oferta, avaliações, disponibilidade e receita estimada no mercado de hospedagens de São Paulo.
Escopo
42.354 anúncios
Stack principal
Python · PostgreSQL · Power BI
Entrega
3 visões analíticas
Objetivo do projeto
Transformar dados públicos brutos do Inside Airbnb em uma visão analítica do mercado de hospedagens de São Paulo, investigando distribuição dos anúncios, preços, disponibilidade, avaliações, anfitriões e desempenho estimado.
Conhecer a fonte dos dadosProblema de negócio
Como compreender o comportamento do mercado Airbnb em São Paulo e identificar fatores associados à oferta, ao preço e ao desempenho dos anúncios?
- • Quais bairros concentram mais anúncios?
- • Como acomodação e localização influenciam o preço?
- • Onde estão os maiores valores de receita média estimada?
Tecnologias utilizadas
Python
Pandas
Jupyter
PostgreSQL
SQL
Power BI
DAX
Figma
Arquitetura da solução
Python
Exploração, limpeza e validação da base.
PostgreSQL
Persistência e modelagem dos dados tratados.
SQL
Consultas de negócio e views analíticas.
Power BI
Medidas DAX e storytelling em três páginas.
Preparação dos dados
- Conversão de preços, datas e campos booleanos para tipos adequados.
- Recuperação de cerca de 2.455 valores ausentes de banheiros a partir do texto descritivo.
- Validação de duplicidades e preservação responsável de ausências sem evidência para inferência.
Camada analítica
- Tabela detalhada
listings_clean, com um anúncio por linha. - Views de resumo por bairro e tipo de acomodação para análises agregadas.
- Medidas DAX para preço, disponibilidade, avaliação e receita estimada.
Três visões do mercado de hospedagens
O dashboard conecta indicadores gerais, preços, disponibilidade, avaliações, concentração de anfitriões e receita média estimada.
Panorama dos anúncios, preço, avaliação, disponibilidade e receita média estimada.
Comparação de preços, disponibilidade e concentração entre bairros.
Experiência dos hóspedes, concentração de anúncios e desempenho estimado.
Principais insights
Concentração não define preço
Os bairros com mais anúncios não são necessariamente os que apresentam os maiores preços médios.
Acomodação importa
Imóveis inteiros combinam grande volume e preço médio elevado; quartos de hotel lideram em preço, mas têm baixa oferta.
Morumbi se destaca
Entre bairros com volume relevante, o Morumbi apresentou os maiores valores de preço e receita média estimada.
Dos dados públicos ao dashboard
O projeto entrega um pipeline reproduzível com notebooks, estrutura PostgreSQL, consultas SQL, views analíticas, medidas DAX e um dashboard de três páginas. A base analisada possui 42.354 anúncios, preço médio de R$ 418,05, avaliação média de 4,77 e disponibilidade média anual de 261 dias.
Interpretação responsável
Disponibilidade não equivale à ocupação real, e a receita apresentada é uma estimativa analítica — não faturamento oficial dos anfitriões.
Explore o projeto
Consulte os notebooks, scripts SQL, dicionário de dados e decisões de limpeza no repositório.