ESEN← Volver a proyectos
Datos · Caso de estudio

Análisis de negocio y evaluación financiera de un lodge en Chiloé

Por Guille Ferveg· Junio 2026· Análisis de datos · Python

Tomé datos dispersos de un negocio real de cabañas frente al mar y los convertí en decisiones: unifiqué las reservas de tres canales de venta y 94 reseñas para medir estacionalidad, rentabilidad por canal y reputación, y evalué la viabilidad financiera de una estrategia digital de canal directo.

Cliente
Lodge & cabañas · Ancud, Chiloé
Periodo
Jul 2021 – May 2026
Mi rol
Análisis de datos y evaluación financiera
Entregable
Informe de 11 secciones + KPIs

01 El desafío

El negocio crecía fuerte, pero la información vivía repartida en tres plataformas distintas (Airbnb, Booking y reservas directas) y en reseñas sueltas de Google y Tripadvisor. No había una lectura única que respondiera preguntas de plata: ¿qué canal conviene?, ¿cuánto pesa la temporada alta?, ¿vale la pena invertir en marketing digital? Mi trabajo fue transformar ese desorden en una sola base ordenada y sacar conclusiones accionables.

02 Datos y metodología

Unifiqué 133 reservas a nivel de detalle (Airbnb, Booking y directas) más 94 reseñas, todo a montos brutos comparables. Antes de analizar tuve que limpiar los datos: corregí errores de origen (montos con un cero de más, fechas mal cargadas y cálculos inconsistentes), un paso que suele decidir si un análisis sirve o engaña.

Sobre esa base definí indicadores hoteleros y financieros estándar para que las conclusiones fueran comparables y defendibles:

Criterio clave: dejé explícito que el "ingreso neto" es post-comisión, no utilidad final (faltan costos operativos como limpieza, calefacción y desayuno). Marcar los límites del dato es parte de un análisis honesto.

03 Los números que importan

Una foto del negocio:

$29,6Mingreso bruto realizado (CLP)
×8crecimiento de ingresos en 3 años
+19%crecimiento interanual reciente
4,67/5reputación · 94 reseñas · 86% 5★
125reservas concretadas · 287 noches
≈207%ROI estimado del proyecto digital

Cifras reales del negocio, compartidas con autorización del cliente. Montos brutos en CLP; el ingreso neto es post-comisión, antes de costos operativos.

04 Rentabilidad por canal

Airbnb es el motor de volumen, pero volumen no es lo mismo que rentabilidad. Al mirar el ticket promedio, la comisión y las cancelaciones, el orden de prioridad cambia.

Participación en el ingreso, por canal
Dónde entra la plata hoy
  • Airbnb — 79% · $23,3M · 101 reservas, sin cancelaciones
  • Directo — 12% · $3,5M · el más rentable por reserva
  • Booking — 9% · $2,7M · menor ticket y comisión cara
El hallazgo estratégico: el canal directo genera un ticket promedio de ≈$394.000 —cerca de 2,5× el de Booking (≈$159.000)—, con 0% de comisión y 0 cancelaciones. Es el canal a potenciar aunque hoy sea el más chico. La tarifa media por noche del negocio es ≈$104.000 y el ticket medio por reserva ≈$234.000.

05 Estacionalidad: el gran riesgo

La principal vulnerabilidad del negocio es que depende de pocos meses: el 73% del ingreso ocurre en verano y el invierno aporta apenas un 4%. Enero (≈$10,0M) y febrero (≈$7,7M) concentran cerca del 60% del total anual: el flujo de caja depende de tres meses.

Participación del ingreso por temporada
Verano (dic–feb) domina; el invierno casi no aporta
Verano
73%
Temporada media
23%
Invierno
4%

Además, el ingreso está concentrado en el producto: solo dos cabañas generan cerca del 71% del total. Concentración de temporada y de producto al mismo tiempo: doble motivo para diversificar demanda.

Participación en el ingreso, top cabañas
"Ideal familias" ($12,1M) y "Cancha de tenis" ($8,8M) sostienen el 71%
Ideal familias
41%
Cancha de tenis
30%
Vista al mar
16%
Otras
13%

06 Cómo se comporta el huésped

Del análisis de patrones de reserva salieron perfiles claros que sirven para afinar precios, disponibilidad y comunicación:

07 Pronóstico prudente, no adivinanza

Con la serie mensual probé modelos de pronóstico. Un modelo de tendencia exponencial lo descarté porque proyectaba cifras sobredimensionadas; me quedé con un modelo estacional con crecimiento amortiguado, más estable para decisiones de corto plazo. El resultado apunta a ≈$14,0M para los próximos 12 meses (vs. $11,8M de los últimos 12), muy concentrado —otra vez— en enero (≈$6,5M) y febrero (≈$3,5M).

Criterio de analista: presenté el pronóstico como referencia indicativa para planificar caja y campañas, no como predicción definitiva. Con historial mensual acotado, prometer precisión sería un error.

08 Evaluación financiera del proyecto digital

La pregunta de fondo era: ¿conviene invertir en una estrategia digital de canal directo? (sitio web propio, campaña de invierno y reservas sin intermediarios). Lo evalué como un proyecto de innovación con inversión, beneficios esperados y análisis de sensibilidad.

✔ Factibilidad técnica: alta ✔ Factibilidad económica: alta ✔ Factibilidad de mercado: alta

La lógica financiera es sólida: inversión acotada, ahorro de comisión permanente y una reputación 4,67/5 que respalda la captación directa. El ROI estimado es ≈207% con recuperación en menos de una temporada.

Análisis de sensibilidad del ROI
Tres escenarios de conversión de la campaña — el proyecto aguanta incluso el pesimista
Pesimista
+
Base
++
Optimista
+++

Escala relativa: incluso en el escenario conservador la inversión se recupera y el riesgo financiero es controlado.

09 Recomendaciones

Cerré el informe con un plan accionable, no solo un diagnóstico:

Qué demuestra este proyecto

Más allá del negocio puntual, este caso resume cómo trabajo con datos: unificar fuentes desordenadas, limpiar y validar, elegir los indicadores correctos, y traducir todo a decisiones con sus límites bien marcados. El entregable final fue un informe de 11 secciones con KPIs de seguimiento y un plan de implementación medible.

PythonPandasLimpieza de datosAnálisis financieroForecastingData vizKPIs

¿Tienes datos que no terminas de ordenar?

Reservas, ventas, encuestas, planillas sueltas — puedo convertirlos en decisiones. Conversemos.

Conversemos →