Este repositorio contiene un análisis exploratorio completo del catálogo de contenido de Netflix, enfocándose en películas, series y otros tipos de contenido disponibles en la plataforma. El proyecto examina patrones de distribución, características temporales y geográficas del contenido a través de un dataset con 4,812 registros.
El análisis se centra en comprender la composición del catálogo de Netflix, evaluando la distribución de contenido por tipo, país de origen, géneros, años de lanzamiento y fechas de incorporación a la plataforma. Los datos proporcionan insights sobre las estrategias de contenido y preferencias de la plataforma.
- Carga y examen inicial del dataset de Netflix
- Análisis de estructura y completitud de datos
- Identificación de tipos de variables y características generales
- Estadísticas descriptivas del catálogo
- Validación de integridad de datos (sin valores faltantes detectados)
- Procesamiento de variables temporales (fechas de lanzamiento y agregación)
- Extracción de componentes de fecha (año, mes, día)
- Preparación de variables categóricas para análisis
- Análisis de distribución temporal del contenido
- Segmentación por tipo de contenido (películas vs series)
- Análisis geográfico de producción de contenido
- Evaluación de patrones de géneros y categorías
- Identificación de sesgo hacia películas en el catálogo
- Dominancia de Estados Unidos en producción de contenido
- Patrones temporales de incorporación de contenido
- Distribución de géneros y categorías principales
- Insights sobre estrategia de contenido de Netflix
- Análisis de diversidad geográfica y temporal
- Recomendaciones para análisis posteriores
- Identificación de oportunidades de investigación adicional
El dataset contiene 11 columnas principales:
- Identificación: show_id, title, type
- Metadatos de producción: director, cast, country, release_year
- Información de plataforma: date_added, duration
- Contenido: description, genre
- Distribución de contenido: Sesgo significativo hacia películas sobre series
- Producción geográfica: Estados Unidos lidera la producción de contenido
- Calidad de datos: Dataset completo sin valores faltantes
- Diversidad temporal: Amplio rango de años de lanzamiento y fechas de incorporación
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python scripts/validate_dataset.pynotebooks/netflix/01_exploracion.ipynbnotebooks/netflix/02_preprocesamiento.ipynbnotebooks/netflix/03_modelado.ipynbnotebooks/netflix/04_resultados.ipynbnotebooks/netflix/05_reporte.ipynb
- Se incluye un validador de calidad de datos en
scripts/validate_dataset.py - CI ejecuta validación automática en PRs y pushes a
dev - Roadmap estratégico: ROADMAP.md
- Python - Lenguaje principal de análisis
- Pandas - Manipulación y análisis de datos
- Matplotlib & Seaborn - Visualización de datos
- Jupyter Notebook - Entorno de desarrollo interactivo
El análisis sugiere la necesidad de segmentación adicional por categorías específicas, géneros y duraciones para análisis más profundos y potencial modelado predictivo del contenido de Netflix.