Skip to content

xavistem/nyc_airbnb_sql_project

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

18 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

🏙️ NYC Housing Market & Airbnb Influence (2019–2025)

🎯 Objetivos de aprendizaje

Somos Luis Manuel y Xavi, en este proyecto hemos analizado la evolución del mercado inmobiliario en Nueva York en el año 2019 hasta 2025, prestando especial atención a la influencia de Airbnb y el impacto de nuevas regulaciones en su actividad. Lo hemos hecho simulando un encargo de New York City Council.

Este análisis nos permite estudiar cómo la oferta y los precios de los alojamientos, tanto tradicionales como turísticos, han cambiado a lo largo del tiempo, especialmente tras la pandemia del COVID-19 y las medidas legislativas impuestas sobre plataformas como Airbnb.


⚙️ Prerequisitos

Antes de empezar este proyecto teníamos conocimientos sobre:

  • Python y Jupyter Notebook
  • Análisis de datos con Pandas y Matplotlib
  • SQL avanzado para extracción de datos
  • Limpieza y manipulación de datos
  • Lectura de archivos CSV y conexión con bases de datos

🧭 Introducción

Este proyecto investiga el estado del mercado de alquiler residencial en NYC previo al COVID-19 y su evolución hasta 2025, evaluando el papel de Airbnb como agente transformador del ecosistema urbano.

La base de datos incluye información variada y rica en contexto, incluyendo:

  • Listados de alojamientos tradicionales y de Airbnb
  • Información de hosts y reviews
  • Datos socioeconómicos por barrio
  • Eventos turísticos y festividades
  • Precios de alquiler pre y post-pandemia

Todo esto nos permitió hacer un análisis integral sobre cómo Airbnb ha afectado al acceso a la vivienda, la presión turística y la economía local.


🎯 Objetivo del proyecto

  • Comparar la situación inmobiliaria en NYC entre 2019 y 2025.
  • Medir el impacto de Airbnb en los precios de alquiler y la disponibilidad de vivienda.
  • Evaluar la efectividad de la legislación restrictiva sobre los alojamientos turísticos.
  • Detectar zonas de presión turística y correlación con festividades o eventos.
  • Relacionar variables socioeconómicas con el mercado de vivienda.

📈 MVP – Variables Analizadas

  • Neighbourhood / Borough: Zona geográfica
  • Price: Precio promedio por noche y alquiler tradicional
  • Listing Type: Tipo de alojamiento (habitaciones privadas, departamentos enteros, etc.)
  • Availability: Días disponibles por año
  • Socioeconomic Index: Indicadores de renta media, densidad poblacional, etc.
  • Tourism Index: Recuento de reviews, eventos por zona, actividad turística
  • Legislation Score: Restricciones impuestas a Airbnb desde 2020

📌 Conclusiones del Análisis

🧠 Airbnb cambia las reglas del juego

La entrada masiva de Airbnb en NYC generó un efecto visible en la reducción de oferta de vivienda tradicional y el aumento de precios en barrios estratégicos. Esto se agravó tras el boom post-pandemia en la demanda de turismo local.

Sin embargo, a partir de 2023, con la legislación más estricta, se ha visto una desaceleración en su crecimiento y un pequeño alivio en el acceso a la vivienda en zonas conflictivas.

La tecnología y la economía colaborativa seguirán marcando el futuro del urbanismo, pero es imprescindible una regulación justa y equilibrada para todos.


🛠️ Propuestas de mejora

  • Incorporar datos de plataformas rivales (Booking, Vrbo).
  • Predecir tendencias futuras con modelos de machine learning.
  • Evaluar el impacto a nivel económico sobre pequeños comercios.

👤 Conócenos

Luis Manuel Blanco

Xavi Fernandez


Python Jupyter SQL/MySQL Status

🔝 Back to top

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors