Projeto Google Capstone: Estudo de caso 2 - Como um compartilhamento de bicicletas alcança o sucesso rápido?
Luis Gustavo Cezar Puga
Bellabeat, uma fabricante de alta tecnologia de produtos voltados para a saúde das mulheres. É uma pequena empresa de sucesso, mas com um grande potencial para expansão, principalmente no cenário global de dispositivos inteligentes. Urška Sršen, cofundadora e diretora decriação da Bellabeat, acredita que a análise de dados de condicionamento físico de dispositivos inteligentes pode ajudar a desbloquear um novo crescimento de oportunidades para a empresa. A tecnologia Bellabeat ajuda a capacitar mulheres com conhecimento sobre sua própria saúde e hábitos.
- Quais são as tendências no uso de dispositivos inteligentes?
- Como estas tendências podem se aplicar aos clientes da Bellabeat?
- Como essas tendências podem ajudar a influenciar a estratégia de marketing da Bellabeat
Identificar potenciais oportunidades de crescimento e recomendações para o Melhoria da estratégia de marketing Bellabeat com base nas tendências em dispositivos inteligentes uso.
-
Kaggle: FitBit Fitness Tracker Data (https://www.kaggle.com/datasets/arashnic/fitbit)
-
Kernel(s) Inicial(is): Anastasiia Chebotina: https://www.kaggle.com/chebotinaa/bellabeat-case-study-with-r
Julen Aranguren: https://www.kaggle.com/code/foxsjl/bellabeat-product-analysis-a-capstone-project -
Reconhecimento:
Index of bucket “divvy-tripdata” https://divvy-tripdata.s3.amazonaws.com/index.html
#setwd("/home/gustavo/Projetos/R/cyclistic-bike-share-a-case-study")
library(tidyverse)## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.2 ──
## ✔ ggplot2 3.4.0 ✔ purrr 0.3.5
## ✔ tibble 3.1.8 ✔ dplyr 1.0.10
## ✔ tidyr 1.2.1 ✔ stringr 1.5.0
## ✔ readr 2.1.3 ✔ forcats 0.5.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
library(skimr)activity <- read.csv("Data/Activity_Daily.csv")
calories <- read.csv("Data/Calories_Hourly.csv")
intensities <- read.csv("Data/Intensities_Hourly.csv")
sleep <- read.csv("Data/Sleep_Day.csv")
weight <- read.csv("Data/Weight_Log_Info.csv")Já verifiquei os dados no Libre Office. Eu só preciso ter certeza que tudo foi importado corretamente usando View() e head() funções.
head(activity)## Id ActivityDate TotalSteps TotalDistance TrackerDistance
## 1 1503960366 4/12/2016 13162 8.50 8.50
## 2 1503960366 4/13/2016 10735 6.97 6.97
## 3 1503960366 4/14/2016 10460 6.74 6.74
## 4 1503960366 4/15/2016 9762 6.28 6.28
## 5 1503960366 4/16/2016 12669 8.16 8.16
## 6 1503960366 4/17/2016 9705 6.48 6.48
## LoggedActivitiesDistance VeryActiveDistance ModeratelyActiveDistance
## 1 0 1.88 0.55
## 2 0 1.57 0.69
## 3 0 2.44 0.40
## 4 0 2.14 1.26
## 5 0 2.71 0.41
## 6 0 3.19 0.78
## LightActiveDistance SedentaryActiveDistance VeryActiveMinutes
## 1 6.06 0 25
## 2 4.71 0 21
## 3 3.91 0 30
## 4 2.83 0 29
## 5 5.04 0 36
## 6 2.51 0 38
## FairlyActiveMinutes LightlyActiveMinutes SedentaryMinutes Calories
## 1 13 328 728 1985
## 2 19 217 776 1797
## 3 11 181 1218 1776
## 4 34 209 726 1745
## 5 10 221 773 1863
## 6 20 164 539 1728
Identifiquei alguns problemas com os dados do timestamp de data/hora. Então, antes da análise, preciso convertê-los para o formato data-hora e dividir em data e hora.
# intensities
intensities$ActivityHour=as.POSIXct(intensities$ActivityHour, format="%m/%d/%Y %I:%M:%S %p", tz=Sys.timezone())
intensities$time <- format(intensities$ActivityHour, format = "%H:%M:%S")
intensities$date <- format(intensities$ActivityHour, format = "%m/%d/%y")
# calories
calories$ActivityHour=as.POSIXct(calories$ActivityHour, format="%m/%d/%Y %I:%M:%S %p", tz=Sys.timezone())
calories$time <- format(calories$ActivityHour, format = "%H:%M:%S")
calories$date <- format(calories$ActivityHour, format = "%m/%d/%y")
# activity
activity$ActivityDate=as.POSIXct(activity$ActivityDate, format="%m/%d/%Y", tz=Sys.timezone())
activity$date <- format(activity$ActivityDate, format = "%m/%d/%y")
# sleep
sleep$SleepDay=as.POSIXct(sleep$SleepDay, format="%m/%d/%Y %I:%M:%S %p", tz=Sys.timezone())
sleep$date <- format(sleep$SleepDay, format = "%m/%d/%y")Agora que tudo está pronto, posso começar a explorar os conjuntos de dados.
n_distinct(activity$Id)## [1] 33
n_distinct(calories$Id)## [1] 33
n_distinct(intensities$Id)## [1] 33
n_distinct(sleep$Id)## [1] 24
n_distinct(weight$Id)## [1] 8
Esta informação nos alerta sobre o número de participantes em cada conjunto de dados.
Há 33 participantes nos dados de atividade, calorias e intensidades conjuntos, 24 no sono e apenas 8 no conjunto de dados de peso. 8 participantes não é significativo fazer recomendações e conclusões com base em esses dados.
Vamos dar uma olhada nas estatísticas resumidas dos conjuntos de dados:
# activity
activity %>%
select(TotalSteps,
TotalDistance,
SedentaryMinutes, Calories) %>%
summary()## TotalSteps TotalDistance SedentaryMinutes Calories
## Min. : 0 Min. : 0.000 Min. : 0.0 Min. : 0
## 1st Qu.: 3790 1st Qu.: 2.620 1st Qu.: 729.8 1st Qu.:1828
## Median : 7406 Median : 5.245 Median :1057.5 Median :2134
## Mean : 7638 Mean : 5.490 Mean : 991.2 Mean :2304
## 3rd Qu.:10727 3rd Qu.: 7.713 3rd Qu.:1229.5 3rd Qu.:2793
## Max. :36019 Max. :28.030 Max. :1440.0 Max. :4900
print("___________________________________________________________")## [1] "___________________________________________________________"
# explore num of active minutes per category
activity %>%
select(VeryActiveMinutes, FairlyActiveMinutes, LightlyActiveMinutes) %>%
summary()## VeryActiveMinutes FairlyActiveMinutes LightlyActiveMinutes
## Min. : 0.00 Min. : 0.00 Min. : 0.0
## 1st Qu.: 0.00 1st Qu.: 0.00 1st Qu.:127.0
## Median : 4.00 Median : 6.00 Median :199.0
## Mean : 21.16 Mean : 13.56 Mean :192.8
## 3rd Qu.: 32.00 3rd Qu.: 19.00 3rd Qu.:264.0
## Max. :210.00 Max. :143.00 Max. :518.0
print("___________________________________________________________")## [1] "___________________________________________________________"
# calories
calories %>%
select(Calories) %>%
summary()## Calories
## Min. : 42.00
## 1st Qu.: 63.00
## Median : 83.00
## Mean : 97.39
## 3rd Qu.:108.00
## Max. :948.00
print("___________________________________________________________")## [1] "___________________________________________________________"
# sleep
sleep %>%
select(TotalSleepRecords, TotalMinutesAsleep, TotalTimeInBed) %>%
summary()## TotalSleepRecords TotalMinutesAsleep TotalTimeInBed
## Min. :1.000 Min. : 58.0 Min. : 61.0
## 1st Qu.:1.000 1st Qu.:361.0 1st Qu.:403.0
## Median :1.000 Median :433.0 Median :463.0
## Mean :1.119 Mean :419.5 Mean :458.6
## 3rd Qu.:1.000 3rd Qu.:490.0 3rd Qu.:526.0
## Max. :3.000 Max. :796.0 Max. :961.0
print("___________________________________________________________")## [1] "___________________________________________________________"
# weight
weight %>%
select(WeightKg, BMI) %>%
summary()## WeightKg BMI
## Min. : 52.60 Min. :21.45
## 1st Qu.: 61.40 1st Qu.:23.96
## Median : 62.50 Median :24.39
## Mean : 72.04 Mean :25.19
## 3rd Qu.: 85.05 3rd Qu.:25.56
## Max. :133.50 Max. :47.54
Algumas descobertas interessantes deste resumo:
-
O tempo médio sedentário é de 991 minutos ou 16 horas. definitivamente precisa ser reduzido!
-
A maioria dos participantes é levemente ativa.
-
Em média, os participantes dormem 1 vez por 7 horas.
-
O total médio de passos por dia é de 7638, um pouco menos para tendo benefícios para a saúde de acordo com a pesquisa do CDC. Eles encontraram que dar 8.000 passos por dia foi associado a um risco 51% menor para todas as causas de mortalidade (ou morte por todas as causas). Levando 12.000 passos por dia foi associado a um risco 65% menor em comparação com dando 4.000 passos.
Antes de começar a visualizar os dados, eu preciso fundir dois conjuntos de dados. Vou fundir (união interna) ” activity” e “sleep” nas colunas id e date (que eu criei anteriormente após converter os dados para o formato de data e hora).
merged_data <- merge(sleep, activity, by=c('Id', 'date'))
head(merged_data)## Id date SleepDay TotalSleepRecords TotalMinutesAsleep
## 1 1503960366 04/12/16 2016-04-12 1 327
## 2 1503960366 04/13/16 2016-04-13 2 384
## 3 1503960366 04/15/16 2016-04-15 1 412
## 4 1503960366 04/16/16 2016-04-16 2 340
## 5 1503960366 04/17/16 2016-04-17 1 700
## 6 1503960366 04/19/16 2016-04-19 1 304
## TotalTimeInBed ActivityDate TotalSteps TotalDistance TrackerDistance
## 1 346 2016-04-12 13162 8.50 8.50
## 2 407 2016-04-13 10735 6.97 6.97
## 3 442 2016-04-15 9762 6.28 6.28
## 4 367 2016-04-16 12669 8.16 8.16
## 5 712 2016-04-17 9705 6.48 6.48
## 6 320 2016-04-19 15506 9.88 9.88
## LoggedActivitiesDistance VeryActiveDistance ModeratelyActiveDistance
## 1 0 1.88 0.55
## 2 0 1.57 0.69
## 3 0 2.14 1.26
## 4 0 2.71 0.41
## 5 0 3.19 0.78
## 6 0 3.53 1.32
## LightActiveDistance SedentaryActiveDistance VeryActiveMinutes
## 1 6.06 0 25
## 2 4.71 0 21
## 3 2.83 0 29
## 4 5.04 0 36
## 5 2.51 0 38
## 6 5.03 0 50
## FairlyActiveMinutes LightlyActiveMinutes SedentaryMinutes Calories
## 1 13 328 728 1985
## 2 19 217 776 1797
## 3 34 209 726 1745
## 4 10 221 773 1863
## 5 20 164 539 1728
## 6 31 264 775 2035
ggplot(data=activity, aes(x=TotalSteps, y=Calories)) +
geom_jitter() + geom_smooth() + labs(title="Total Steps vs. Calories")## `geom_smooth()` using method = 'loess' and formula = 'y ~ x'
Vejo aqui uma correlação positiva entre “Total Steps” e “Calories”, o que é uma causalidade, pois quanto mais ativos passos damos, mais calorias queimamos.
ggplot(data=sleep, aes(x=TotalMinutesAsleep, y=TotalTimeInBed)) +
geom_point()+ labs(title="Total Minutes Asleep vs. Total Time in Bed")
A relação entre “Total Minutes Asleep” e “Total Time in Bed” parece linear. Portanto, se os usuários do Bellabeat querem melhorar seu sono, devemos considerar o uso da notificação para ir dormir.
Vamos olhar para os dados de intensidade ao longo do tempo (de hora em hora).
int_new <- intensities %>%
group_by(time) %>%
drop_na() %>%
summarise(mean_total_int = mean(TotalIntensity))
ggplot(data=int_new, aes(x=time, y=mean_total_int)) + geom_histogram(stat = "identity", fill='darkblue') +
theme(axis.text.x = element_text(angle = 90)) +
labs(title="Average Total Intensity vs. Time")## Warning in geom_histogram(stat = "identity", fill = "darkblue"): Ignoring
## unknown parameters: `binwidth`, `bins`, and `pad`
-
Depois de visualizar “Intensidade Total por hora”, descobri que as pessoas são mais ativas entre 5 da manhã e 10 da noite.
-
A maioria das atividades acontece entre 17h e 19h - suponho, que as pessoas vão a uma academia de ginástica ou para um passeio depois de terminar o trabalho. Podemos usar este tempo no aplicativo Bellabeat para lembrar e motivar os usuários a ir correr ou caminhar.
Vejamos a relação entre “Total Minutes Asleep” e “Sedentry Minutes”.
ggplot(data=merged_data, aes(x=TotalMinutesAsleep, y=SedentaryMinutes)) +
geom_point(color='darkblue') + geom_smooth() +
labs(title="Minutes Asleep vs. Sedentary Minutes")## `geom_smooth()` using method = 'loess' and formula = 'y ~ x'
-
Aqui podemos ver claramente a relação negativa entre “Ata Sedentária” e “Hora do Sono”.
-
Como uma idéia: se os usuários do Bellabeat querem melhorar seu sono, Bellabeat app pode recomendar a redução do tempo de sedentarismo.
-
Tenha em mente que precisamos apoiar esta percepção com mais dados, pois a correlação entre alguns dados não significa causalidade.
Como já sabemos, coletar dados sobre atividade, sono, estresse e saúde reprodutiva permitiu que Bellabeat empoderasse mulheres com conhecimento sobre sua própria saúde e hábitos. Desde que foi fundado em 2013, Bellabeat cresceu rapidamente e rapidamente se posicionou como um empresa de bem-estar voltada para a tecnologia para mulheres.
Depois de analisar os dados do FitBit Fitness Tracker, encontrei alguns insights isso ajudaria a influenciar a estratégia de marketing da Bellabeat.
Público-alvo
Mulheres que trabalham em tempo integral (de acordo com os dados de intensidade horária) e passa muito tempo no computador/em reunião/focado no trabalho estão fazendo (de acordo com os dados de tempo sedentário).
Essas mulheres fazem alguma atividade leve para se manterem saudáveis (de acordo com o análise do tipo de atividade). Mesmo que eles precisem melhorar seu cotidiano atividade tenha benefícios para a saúde. Eles podem precisar de algum conhecimento sobre desenvolver hábitos saudáveis ou motivação para continuar.
- Como não há informações de gênero sobre os participantes, presumi que todos os gêneros foram apresentados e equilibrados neste conjunto de dados.
A principal mensagem da campanha on-line do Bellabeat
O aplicativo Bellabeat não é apenas mais um aplicativo de atividades físicas. é um guia (uma amiga) que empodera as mulheres para equilibrar a vida pessoal e profissional vida e hábitos e rotinas saudáveis, educando-os e motivando-os por meio de recomendações diárias de aplicativos.
Ideias para o aplicativo Bellabeat
-
O total médio de passos por dia é de 7.638, um pouco menos para tendo benefícios para a saúde de acordo com a pesquisa do CDC. Eles encontraram que dar 8.000 passos por dia foi associado a um risco 51% menor para todas as causas de mortalidade (ou morte por todas as causas). Levando 12.000 passos por dia foi associado a um risco 65% menor em comparação com dando 4.000 passos. Bellabeat pode encorajar as pessoas a tomar pelo menos 8 000 explicando os benefícios para a sua saúde.
-
Se os usuários desejam perder peso, provavelmente é uma boa ideia controlar consumo calórico diário. Bellabeat pode sugerir algumas ideias para almoço e jantar de baixa caloria.
-
Se os usuários quiserem melhorar o sono, o Bellabeat deve considerar usando notificações de aplicativos para ir para a cama.
-
A maioria das atividades acontece entre 17h e 19h - suponho que as pessoas vá a uma academia ou dê um passeio depois de terminar o trabalho. Bellabeat pode usar desta vez para lembrar e motivar os usuários a correr ou caminhar.
-
Uma ideia: se o usuário quiser melhorar o sono, o aplicativo Bellabeat pode recomendar a redução do tempo sedentário.