Solution Sprint Página 1 de 11

SOLUTION SPRINT

BUSINESS INTELLIGENCE ANALYTCS

FASE 2

Regina Cantele

Versão 1
Solution Sprint Página 2 de 11

SUMÁRIO
1.O CONTEXTO........................................................................................................ 3
2 O ESCOPO ............................................................................................................ 5
2.1 O Desafio ............................................................................................................ 6
3. PROJETO ANALÍTICO.......................................................................................... 7
3.1 Modelagem de Dados ......................................................................................... 7
3.2 Análise e Visualização de Dados ........................................................................ 8
3.3 Uso de Ferramentas Analíticas ........................................................................... 8
3.4 Elaborar um esboço para arquitetura analítica .................................................... 8
3.5 Consolidar solução e elaborar Pitch .................................................................... 10
4 Entregáveis ............................................................................................................ 10
REFERÊNCIAS ......................................................................................................... 11
 Solution Sprint Página 3 de 11

1. O CONTEXTO

A empresa Airbnb, em poucos anos após sua criação em 2009, se tornou uma
das plataformas de economia compartilhada mais bem-sucedidas.

Figura 1 – airbnb
Fonte: Shutterstock (2023)

A economia compartilhada oferece vantagens e desvantagens para seus

stakeholders. Como plataforma, oferece maior flexibilidade, compensação justa,
matchmaking, alcance estendido, construção de confiança e coletividade no
compartilhamento, além de troca colaborativa entre todos os atores envolvidos.

Airbnb desenvolveu seu modelo de negócios com base em uma proposta de

valor atraente. Integra benefícios econômicos para viajantes e residentes de áreas
turísticas por meio de um mercado confiável, permitindo que sua plataforma aumente
e alavanque seus ativos por meio da utilização da rede.
Solution Sprint Página 4 de 11

Figura 2- Informações Básicas

Fonte: Airbnb (2023)

Airbnb oferece muitos benefícios aos seus stakeholders. Para os clientes, a

acomodação costuma ser mais barata do que a acomodação tradicional como um
hotel. Além disso, oferece autenticidade local dando aos clientes a oportunidade de
viver como moradores locais em um apartamento, casa ou quarto privativo. Para os
proprietários, permite maximizar a utilização de seus ativos subutilizados. Para outras
partes interessadas, como a comunidade, aumenta as oportunidades econômicas e
de negócios da comunidade.

Figura 3 - Plataforma Airbnb

Fonte: Airbnb (2023)

Williams (2023) reuniu e apresentou muitos números associados ao Airbnb

mostrando seu crescimento explosivo. Até março de 2023, eram mais de 4 milhões
de pessoas em todo o mundo recebendo viajantes em suas casas e propriedades de
férias. Ocorreu um total de 900 milhões de chegadas em mais de 220 países e 100
mil cidades em todo o mundo. Entre os tipos de propriedades mais originais, existem
cerca de 300 faróis e 140 iglus em todo o mundo onde os hóspedes podem pernoitar.
Solution Sprint Página 5 de 11

Figura 4 – Informações curiosas sobre Airbn

Fonte: Williams (2023)

Airbnb tem muitas partes interessadas como hóspedes, anfitriões, funcionários,

comunidades, concorrentes e formuladores de políticas.

2 O ESCOPO

Inside Airbnb é um site de investigação lançado por Murray Cox, em 2016, para
relatar e visualizar dados raspados - obtidos via crawler - na empresa de mercado de
aluguel de imóveis Airbnb. Traz um conjunto independente de ferramentas e dados
não comerciais que permite explorar como Airbnb está realmente sendo usado nas
cidades pelo mundo.

Inside Airbnb fornece filtros e métricas importantes para explorar e analisar

informações públicas disponíveis sobre as acomodações do Airbnb de algumas
cidades.

A plataforma disponibiliza um dashboard para análise dos dados por cidade.

Solution Sprint Página 6 de 11

Figura 5 - Inside Airbnb para Rio Janeiro

Fonte: Inside (2023)

Para cada dataset disponibilizado existe um dicionário de dados

(https://docs.google.com/spreadsheets/d/1iWCNJcSutYqpULSQHlNyGInUvHg2BoU
GoNRIGa6Szc4/edit?usp=sharing) para facilitar a exploração e análise de dados. Os
datasets são listings.csv, reviews.csv, e neighbourhoods.csv.

2.1 O Desafio

Agora vamos ao desafio!

O objetivo do Solution Sprint é utilizar as bases de dados do Inside Airbnb

para o Rio de Janeiro, na data de 28 de março de 2023, para prover análises
visuais e construir primeiros modelos analíticos.

A partir da base disponibilizada, mostrar o espelho atual do Rio de Janeiro,

explorar e analisar os dados disponíveis e usar sua criatividade para propor
visualizações e insights.

Algumas perguntas possíveis sobre o Airbnb em qualquer bairro ou em toda a

cidade são:

a) Quantas acomodações existem num bairro e onde ficam?

Solution Sprint Página 7 de 11

b) Quantas casas e apartamentos estão sendo alugados com frequência para

turistas e não para residentes de longa duração?

c) Quanto os anfitriões ganham com aluguel para turistas?

d) Quais hosts estão administrando uma empresa com várias acomodações e

onde estão?

e) Que tipo de acomodação é mais comum no Airbnb no Rio de Janeiro?

f) Qual é a diferença de preço entre os diferentes tipos de acomodações?

g) Quais são as regiões mais caras para ficar?

Será que podemos criar um modelo analítico para prever o valor da

acomodação? O que será que tem maior peso neste valor?

3. Projeto Analítico

3.1 Modelagem de Dados

Para o cenário detalhado construir / formalizar um modelo de dados:

a) Modelo E/R com as principais entidades, relacionamentos e atributos

existentes; e,

b) Modelo dimensional com fatos, dimensões e propriedades.

A representação do modelo pode ser no Microsoft Power BI, em alguma

ferramenta de modelagem de dados ou livre em documento (doc) ou
apresentação (ppt).

Representar o recorte dos principais dados utilizados para a análise!

Solution Sprint Página 8 de 11

3.2 Análise e Visualização de Dados

A partir do recorte de dados modelados, elaborar visualizações seguindo as

melhores práticas dentro da ferramenta Power BI.

Recomendações:

a) Tratamento dos dados dentro do Power Query;

b) Utilização de medidas;

c) Padronização dos gráficos e nomenclatura do projeto;

d) Utilização de gráficos conforme o tipo de dado a ser mostrado;

e) Contar a história dos dados através de painéis (dashboards);

O resultado será print das visualizações construídas, o arquivo construído no

MS Power BI e/ou link e uma breve justificativa para os elementos visuais utilizados.

3.3 Uso de Ferramentas Analíticas

Elaborar uma sumarização dos dados no Studio R ou Python será um

diferencial se integrar ao MS PowerBI.

Construir um modelo analítico para previsão dos valores das acomodações.

3.4 Elaborar um esboço para arquitetura analítica

✓ Elaborar um diagrama para representar a arquitetura de dados para tomada

de decisão proposta destacando as camadas e o fluxo de dados. Descrever
cada camada e suas tecnologias.

✓ Considerar as camadas da arquitetura de dados para tomada de decisão e

elaborar um documento com a arquitetura de funcionamento da solução.
Solution Sprint Página 9 de 11

Figura 6 - Arquitetura de Dados e suas camadas

Fonte: Elaborada pela autora (2023)

Para cada camada vocês devem considerar os dados e as tecnologias

envolvidas.

Camada Dados Tecnologia

Dados Fonte
Relacionar as fontes dos dados

Integração
Relacionar as ferramentas para
integração das fontes de dados com

Data Lake e/ou EDW

Data Lake
Tecnologias para implementar o
Data Lake

Enterprise Data Warehouse

Tecnologia e modelo de dados

Real Time Data

Processing
Tecnologias para tratamento de
streams
Solution Sprint Página 10 de 11

Data Vis
Tecnologias para visualização de
dados / self service analytics

Modelos Analíticos
Tecnologias para análises preditivas
e prescritivas.

Applications
Relacionar as aplicações que
recebem o resultado dos modelos
analíticos.

3.5 Consolidar solução e elaborar Pitch

Apresentação da solução construída num pitch de 4 minutos.

Dúvidas acadêmicas podem ser enviadas à mentoria do solution sprint pelo MS

Teams.

4 Entregáveis

Ao final da Solution Sprint, será necessário submeter na plataforma um

documento único (em PDF), com os resultados das etapas descritas nos itens
anteriores, com os seguintes capítulos:

I. Modelo de Dados;

II. Análise e visualização de dados;

III. Uso de Ferramentas Analíticas;

IV. Esboço para arquitetura analítica;

V. Apresentação do Pitch**.
Solution Sprint Página 11 de 11

REFERÊNCIAS

AIRBNB. Sobre Nós. 2023. Disponível em: https://news.airbnb.com/br/about-us/

Acesso em: 04 mai. 2023.

KAARNE, Jenni. Supporting specialists in applying self-service analytics tools in

sales analysis. 2020. Disponível em:
<https://aaltodoc.aalto.fi/handle/123456789/44992>. Acesso em: 04 mai. 2023.

RAHAYU, S., HATI, H., EZNI, T. , ARGA HANANTO, A., YULIATI, E. A decade of
systematic literature review on Airbnb: the sharing economy from a multiple
stakeholder perspective, Heliyon, VoL. 7, n. 10, 2021, doi:
https://doi.org/10.1016/j.heliyon.2021.e08222.

SHARMA, Abhishek. Why You Need Agile Business Intelligence and Data
Analytics. 2020. Disponível em: <https://dzone.com/articles/what-is-agile-business-
intelligence-and-data-analy> Acesso em: 04 mai. 2023

WILLIANS, B. 40+ Fascinating Airbnb Statistics (2023). 2023. Disponível em:

https://www.dreambigtravelfarblog.com/blog/airbnb-statistics Acesso em: 04 mai.
2023.