Sección 9
Conclusiones y Aplicaciones
Síntesis de hallazgos principales y aplicaciones prácticas del análisis realizado.
Insights Principales
Factores de Calidad en Vinos Tintos
- ° El alcohol es el predictor más fuerte de calidad (r = 0.48)
- ° La acidez volátil tiene impacto negativo significativo
- ° Los sulfatos contribuyen positivamente a la percepción de calidad
- ° El Ácido cítrico mejora la frescura y balance
Patrones en Maridajes
- ° Cocinas asiaticas y europeas dominan en número de maridajes documentados
- ° Alta diversidad regional en preferencias de maridaje
- ° Ciertas comidas admiten amplia variedad de vinos
- ° Tendencia hacia maridajes innovadores en cocinas asiáticas
Distribución de Calidad
- ° La mayoría de vinos se concentra en calidad media (3)
- ° Pocos vinos alcanzan excelencia (5)
- ° Distribución aproximadamente normal
- ° Outliers representan menos del 5%
Correlaciones Clave
- ° pH y acidez fija: correlación negativa fuerte (-0.68)
- ° Densidad y alcohol: relación inversa clara (-0.50)
- ° Acidez fija y cítrica: correlación positiva (0.67)
- ° Variables independientes: sulfatos y cloruros
Aplicaciones Prácticas
Para Productores de Vino
Los hallazgos sobre correlaciones fisicoquímicas pueden guiar el proceso de vinificación para optimizar la calidad final del producto.
- ° Controlar la acidez volátil durante la fermentación
- ° Optimizar el contenido de alcohol sin comprometer el balance
- ° Ajustar niveles de sulfatos para mejor conservación
Para Sommeliers y Restaurantes
El sistema de recomendación y análisis de maridajes proporciona una base científica para sugerencias de vino más precisas.
- ° Maridajes basados en datos reales de 34,000+ combinaciones
- ° Recomendaciones personalizadas según cocina y preferencias
- ° Identificación de combinaciones innovadoras
Para Consumidores
Herramientas interactivas que facilitan la selección de vinos según gustos personales y ocasiones específicas.
- ° Sistema de recomendación intuitivo y accesible
- ° Comprensión de factores que determinan la calidad
- ° Exploración de nuevas combinaciones gastronómicas
Resumen de Visualizaciones
Este proyecto incluye 41 visualizaciones, distribuidas entre gráficos estéticos e interactivos, cada uno diseñado para revelar aspectos específicos del análisis.
# | Visualización | Tipo | Sección |
|---|---|---|---|
| 1 | Dashboard Completo de Análisis | Imagen | Introducción |
| 2 | Distribución de Categorías de Calidad | Imagen | Análisis Exploratorio |
| 3 | Histogramas de Distribución Alcohol | Imagen | Análisis Exploratorio |
| 4 | Histogramas de Distribución Cloruros | Imagen | Análisis Exploratorio |
| 5 | Histogramas de Distribución Acidos Citricos | Imagen | Análisis Exploratorio |
| 6 | Histogramas de Distribución Densidad | Imagen | Análisis Exploratorio |
| 7 | Histogramas de Distribución Acidez Fija | Imagen | Análisis Exploratorio |
| 8 | Histogramas de Distribución Dióxido de Azufre Libre | Imagen | Análisis Exploratorio |
| 9 | Histogramas de Distribución pH | Imagen | Análisis Exploratorio |
| 10 | Histogramas de Distribución Azúcar Residual | Imagen | Análisis Exploratorio |
| 11 | Histogramas de Distribución Sulfatos | Imagen | Análisis Exploratorio |
| 12 | Histogramas de Distribución Dióxido de Azufre Total | Imagen | Análisis Exploratorio |
| 13 | Histogramas de Distribución Acidez Volátil | Imagen | Análisis Exploratorio |
| 14 | Boxplot de Azúcar Residual | Imagen | Análisis Exploratorio |
| 15 | Boxplot de Cloruros | Imagen | Análisis Exploratorio |
| 16 | Boxplot de Azufre Total | Imagen | Análisis Exploratorio |
| 17 | Boxplot de Alcohol | Imagen | Análisis Exploratorio |
| 18 | Gráfico de Dispersión: Alcohol vs Calidad | Imagen | Visualizaciones básicas |
| 19 | Distribución de la calidad del maridaje | Imagen | Análisis Exploratorio |
| 20 | Distribución de los vinos evaluados | Imagen | Análisis Exploratorio |
| 21 | Distribución del Top 5 cocinas más evaluadas | Imagen | Análisis Exploratorio |
| 22 | Distribución del Top 5 categorias de alimentos más evaluados | Imagen | Análisis Exploratorio |
| 23 | Mapa de Calor de Correlaciones | Imagen | Correlaciones |
| 24 | Grafica de correlaciones mas fuertes | Imagen | Correlaciones |
| 25 | Evolución de Métricas Clave | Imagen | Correlaciones |
| 26 | Matriz de Gráficos de Dispersión | Imagen | Análisis con Seaborn |
| 27 | Análisis Bivariado con Distribuciones Marginales | Imagen | Análisis con Seaborn |
| 28 | Violin Plots de Variables por Calidad | Imagen | Análisis con Seaborn |
| 29 | Violin Plots de Variables por Calidad | Imagen | Análisis con Seaborn |
| 30 | Cocinas Más Populares | Imagen | Análisis con Seaborn |
| 31 | Distribución de Vinos por Categoría | Imagen | Análisis con Seaborn |
| 32 | Comparación Entre Wine Quality y Wine Pairings | Imagen | Análisis con Seaborn |
| 33 | Evolución Acumulada de Variables Principales | Imagen | Análisis con Seaborn |
| 34 | Mapa Mundial de Cuisines | Interactivo | Análisis Geográfico |
| 35 | Distribución Regional | Interactivo | Análisis Geográfico |
| 36 | Sistema de Recomendación Interactivo | Interactivo | Sistema de Recomendación |
| 37 | Top Comidas por Variedad de Vinos | Interactivo | Sistema de Recomendación |
| 38 | Distribución de Categorías de Vino | Interactivo | Categorías |
| 39 | Animación: Distribución de Calidad | Interactivo | Animaciones |
| 40 | Animación: Alcohol vs Calidad | Interactivo | Animaciones |
| 41 | Animación: Cuisines vs Calidad | Interactivo | Animaciones |
Stack Tecnológico Completo
Python
Pandas
NumPy
Matplotlib
Seaborn
Plotly
Next.js
TypeScript
Tailwind CSS
Gracias por Explorar
Este análisis demuestra el poder de la ciencia de datos aplicada al mundo del vino, combinando rigor estadístico con visualizaciones intuitivas para generar insights accionables.
Proyecto de Ciencia de Datos - Universidad Panamericana 2025
Yahwthani Morales Gómez