🎬 Exploración del Dataset Netflix — Análisis Visual y Estrategia de Contenido¶

📚 Tiempo estimado de lectura: ~10 min
- Autores [G1]: Joaquín Batista, Milagros Cancela, Valentín Rodríguez, Alexia Aurrecoechea, Nahuel López
- Fecha: 20/08/2025
- Entorno: Python 3 + Seaborn + Matplotlib
- Referencia de la tarea: Tarea 3 — EDA Netflix con Visualizaciones

💾 Descargar Notebook y Reporte¶

📂 Archivos disponibles dentro del repositorio:
docs/portfolio/assets/netflix/eda_netflix.ipynb
docs/portfolio/assets/netflix/netflix_eda_report.html

🎯 Objetivo¶

El objetivo de esta práctica fue realizar un Análisis Exploratorio de Datos (EDA) sobre el catálogo global de Netflix, aplicando visualizaciones descriptivas y multivariadas con matplotlib y seaborn.
El propósito fue comprender cómo se distribuyen los contenidos por tipo, país, año, rating y género, detectando patrones útiles para la toma de decisiones estratégicas.

💼 Contexto de Negocio¶

Netflix busca entender mejor su catálogo y las dinámicas de su contenido global para optimizar la adquisición y producción.
El dataset proviene de Kaggle – Netflix Titles y representa su catálogo histórico de películas y series.

Elemento	Descripción
Problema	Netflix necesita información clara sobre su oferta de contenido: qué países dominan, qué géneros se repiten y cómo evolucionó el catálogo.
Objetivo	Analizar patrones en el tipo de contenido, país, géneros y fechas de lanzamiento para respaldar decisiones de contenido.
Variables clave	Tipo de contenido, país, año de lanzamiento, rating, géneros, duración.
Valor para el negocio	Mejorar la estrategia de adquisición de contenido, entender preferencias regionales y detectar brechas o concentraciones.

💡 El análisis se enmarca en la fase de “Business Understanding” del modelo CRISP-DM.

📘 Descripción general del Dataset¶

El dataset contiene 8.807 registros y 12 columnas, representando títulos disponibles en Netflix hasta 2021.
Incluye tanto Movies como TV Shows, con información sobre país, director, rating y género.

Variable	Tipo	Descripción	Ejemplo
`type`	Categórica	Tipo de contenido	Movie / TV Show
`title`	Texto	Título del contenido	Stranger Things
`country`	Categórica	País o países de producción	United States
`release_year`	Numérica	Año de lanzamiento	2019
`rating`	Categórica	Clasificación por audiencia	TV-MA
`listed_in`	Categórica	Géneros asociados	Dramas, Documentaries

🔧 Metodología¶

Carga y validación de datos → pd.read_csv(url)
Se verificó estructura, tipos de datos y valores faltantes.
Análisis de calidad de datos → detección de duplicados, outliers y nulos con df.isna() y df.duplicated().
Exploración visual → gráficos de barras, distribuciones, mapas de calor y comparaciones por tipo de contenido.
Dashboard integrador → construcción de panel visual con matplotlib.gridspec.
Profiling automático → validación con ydata-profiling para análisis estadístico completo.

🌎 Distribución global del contenido¶

Películas (68%) dominan el catálogo frente a las series (32%), confirmando el enfoque de Netflix en volumen y diversidad.
Producción concentrada en Estados Unidos e India, seguidas por Reino Unido, Canadá y Francia.
El auge de lanzamientos entre 2015 y 2019 coincide con la expansión global y los primeros Netflix Originals.
El rating más frecuente es TV-MA (contenido maduro), evidenciando una estrategia orientada a público adulto joven.
La evolución por décadas muestra un crecimiento sostenido desde el año 2000, con un salto exponencial posterior a 2015.

📊 Análisis de Calidad de los Datos¶

Criterio	Evaluación	Observación
Valores faltantes	⚠️ Moderado	Altos porcentajes en `director` y `cast` (>60%)
Duplicados	✅ Mínimos	<2% de títulos duplicados
Outliers	⚠️ Escasos	Algunos registros con años extremos (<1950, >2025)
Distribución temporal	📈 Clara	Incremento progresivo desde 2000
Consistencia general	✅ Alta	Dataset estable y representativo

💼 Insights de Negocio¶

🎯 1. Estrategia de Contenido Global¶

El 70% del catálogo se origina en cinco países, lo que indica una oportunidad de diversificación hacia mercados emergentes.
Reforzar la presencia de producciones latinoamericanas y europeas podría mejorar la retención en regiones clave.

🎞️ 2. Preferencias de Audiencia¶

Los géneros Dramas, Comedias y Documentales representan más del 50% del contenido.
Netflix podría potenciar géneros menos explotados (Ciencia ficción, Animación) para captar audiencias específicas.

🕒 3. Tendencias Temporales¶

El pico de lanzamientos en 2018 coincide con el aumento de Netflix Originals.
La caída posterior sugiere un ajuste post-pandemia y una fase de consolidación.

🔞 4. Clasificaciones por Rating¶

Predomina contenido adulto (TV-MA), lo cual indica una estrategia centrada en el engagement adulto joven, más que en programación infantil o familiar.

💡 5. Valor Estratégico¶

El EDA visual permitió validar hipótesis de mercado y entender cómo la estructura del catálogo refleja la estrategia comercial global de la empresa.

🚀 BONUS: Profiling Automático con ydata-profiling¶

El profiling complementó el EDA manual mediante un reporte estadístico automatizado.
Se utilizó la librería ydata-profiling para validar correlaciones, detectar anomalías y evaluar calidad de datos.

from ydata_profiling import ProfileReport

# Crear perfil completo del dataset
profile = ProfileReport(
    df, 
    title="Netflix Dataset - EDA Report",
    explorative=True,
    minimal=False
)

# Generar reporte HTML
profile.to_file("netflix_eda_report.html")