Open Data Source
Fuente de Datos Abiertos
Dataset: NYC Open Data — DOB NOW: Build – Approved Permits. This public dataset lists approved construction permits in DOB NOW, excluding Electrical, Elevator, and Limited Alteration Application (LAA) permits, which have separate datasets.
Dataset: NYC Open Data — DOB NOW: Build – Approved Permits. Este dataset público contiene permisos de construcción aprobados en DOB NOW, excepto permisos Electrical, Elevator y Limited Alteration Application (LAA), que tienen datasets separados.
Executive Summary
Resumen Ejecutivo
The original file contained repeated permit records caused by multiple applicants and related record-level details. After cleaning the file so that each row represents one unique Work Permit, the model became consistent: Perm_Qty = Rows_Qty = 424,349. This makes the analysis much more reliable for executive reporting.
El archivo original contenía registros repetidos de permisos causados por múltiples aplicantes y detalles a nivel de registro. Después de limpiar el archivo para que cada fila represente un Work Permit único, el modelo quedó consistente: Perm_Qty = Rows_Qty = 424,349. Esto hace el análisis mucho más confiable para reportes ejecutivos.
Core insight: the most valuable KPI is not only permit volume. The strongest operational signal is Median Approval Days, because the average is heavily affected by long-tail permits that remain in process for hundreds or even thousands of days.
Hallazgo central: el KPI más valioso no es solamente el volumen de permisos. La señal operacional más fuerte es la Mediana de Días de Aprobación, porque el promedio está muy afectado por permisos de cola larga que permanecen en proceso por cientos o incluso miles de días.
Data Preparation and Unit of Analysis
Preparación de Datos y Unidad de Análisis
A critical discovery was made before finalizing the analysis: the original export duplicated permits because a single work permit could appear with multiple applicant records. Keeping those duplicates would inflate counts and distort any performance metric by business, work type, or borough.
Antes de finalizar el análisis se hizo un descubrimiento crítico: la exportación original duplicaba permisos porque un mismo work permit podía aparecer con múltiples aplicantes. Mantener esos duplicados habría inflado los conteos y distorsionado cualquier métrica por empresa, tipo de trabajo o borough.
Final modeling decision: remove duplicate records by Work Permit and use the cleaned dataset for Power BI analysis.
Decisión final de modelado: remover registros duplicados por Work Permit y usar el dataset limpio para el análisis en Power BI.
Initial Hypotheses
Hipótesis Iniciales
- Permit processing time is not explained by volume alone.
- Median approval days is more reliable than average approval days.
- Complex work types create most operational friction.
- Borough-level variation may reveal different operating patterns.
- Solar permits may represent a fast-track processing path.
- Businesses may cluster around specialized work types such as solar and scaffolding.
- El tiempo de procesamiento no se explica únicamente por volumen.
- La mediana es más confiable que el promedio.
- Los tipos de trabajo complejos generan la mayor fricción operativa.
- La variación por borough puede revelar patrones operativos distintos.
- Los permisos solares pueden representar una vía rápida de procesamiento.
- Las empresas pueden concentrarse en tipos de trabajo especializados como solar y scaffolding.
Key Findings
Hallazgos Principales
- Initial permits dominate: 352,212 permits, representing 83.00% of total permits.
- Manhattan is the largest and fastest borough: 169,269 permits and a median approval time of 20 days.
- General Construction is the dominant work type: 108,149 permits, or 25.49% of total volume.
- Solar is a high-efficiency category: 19,615 permits with a median approval time of 4 days.
- Standpipe and Curb Cut are slow categories: medians of 203 and 195 days respectively.
- Business concentration is visible: solar companies and scaffolding companies dominate their respective niches.
- Los permisos iniciales dominan: 352,212 permisos, 83.00% del total.
- Manhattan es el borough más grande y rápido: 169,269 permisos y mediana de aprobación de 20 días.
- General Construction domina: 108,149 permisos, 25.49% del volumen total.
- Solar es una categoría de alta eficiencia: 19,615 permisos con mediana de aprobación de 4 días.
- Standpipe y Curb Cut son categorías lentas: medianas de 203 y 195 días respectivamente.
- Existe concentración empresarial: empresas solares y de scaffolding dominan sus nichos.
Filing Reason
Razón de Radicación
| Filing Reason | Perm_Qty | %GT |
|---|---|---|
| Initial Permit | 352,212 | 83.00% |
| Renewal Permit Without Changes | 53,490 | 12.61% |
| Renewal Permit with Changes | 14,314 | 3.37% |
| No Work Permit | 4,158 | 0.98% |
| None | 175 | 0.04% |
| Total | 424,349 | 100.00% |
The cleaned dataset shows that the approved permit universe is mostly driven by initial permit activity, not renewals.
El dataset limpio muestra que el universo de permisos aprobados está impulsado principalmente por permisos iniciales, no por renovaciones.
Borough Performance
Desempeño por Borough
| Borough | Perm_Qty | %GT | Avg Days | Median Days | Max Days |
|---|---|---|---|---|---|
| Manhattan | 169,269 | 39.89% | 128.70 | 20 | 2,997 |
| Brooklyn | 110,214 | 25.97% | 174.52 | 29 | 3,010 |
| Queens | 81,186 | 19.13% | 161.11 | 26 | 2,864 |
| Bronx | 40,361 | 9.51% | 185.55 | 34 | 3,092 |
| Staten Island | 23,319 | 5.50% | 145.88 | 24 | 2,776 |
| Total | 424,349 | 100.00% | 153.15 | 24 | 3,092 |
Interpretation: Manhattan handles the highest permit volume while maintaining the lowest median approval time. This suggests that volume alone does not explain processing delays.
Interpretación: Manhattan maneja el mayor volumen de permisos y al mismo tiempo mantiene la menor mediana de aprobación. Esto sugiere que el volumen por sí solo no explica las demoras.
Work Type Performance
Desempeño por Tipo de Trabajo
| Work Type | Perm_Qty | %GT | Avg Days | Median Days |
|---|---|---|---|---|
| General Construction | 108,149 | 25.49% | 123.36 | 26 |
| Plumbing | 74,310 | 17.51% | 175.51 | 44 |
| Mechanical Systems | 43,782 | 10.32% | 168.03 | 29 |
| Sidewalk Shed | 29,100 | 6.86% | 162.29 | 0 |
| Structural | 23,018 | 5.42% | 221.60 | 74 |
| Sprinklers | 22,696 | 5.35% | 207.80 | 56 |
| Construction Fence | 22,178 | 5.23% | 244.59 | 43 |
| Solar | 19,615 | 4.62% | 9.83 | 4 |
| Supported Scaffold | 15,590 | 3.67% | 91.93 | 0 |
| Sign | 11,820 | 2.79% | 37.45 | 3 |
| Standpipe | 3,453 | 0.81% | 351.17 | 203 |
| Curb Cut | 5,339 | 1.26% | 372.18 | 195 |
Fast-track behavior: Solar, Sign, Supported Scaffold, and Sidewalk Shed show very low median approval times.
Comportamiento rápido: Solar, Sign, Supported Scaffold y Sidewalk Shed muestran medianas muy bajas.
Slow process candidates: Standpipe, Curb Cut, Structural, Sprinklers, Foundation, and excavation-related work types require deeper review.
Candidatos lentos: Standpipe, Curb Cut, Structural, Sprinklers, Foundation y trabajos de excavación requieren análisis más profundo.
Borough × Work Type Insights
Cruce Borough × Tipo de Trabajo
The cross-analysis shows that the same work type can behave differently across boroughs. This is important because it reduces the likelihood that differences are caused only by work-type mix.
El cruce muestra que el mismo tipo de trabajo puede comportarse distinto según el borough. Esto es importante porque reduce la posibilidad de que las diferencias se expliquen solamente por mezcla de tipos de trabajo.
| Pattern | Manhattan Median | Brooklyn Median | Queens Median | Bronx Median | Staten Island Median |
|---|---|---|---|---|---|
| General Construction | 21 | 29 | 29 | 48 | 35 |
| Plumbing | 36 | 47 | 50 | 73 | 68 |
| Mechanical Systems | 19 | 50 | 42 | 72 | 41 |
| Structural | 52 | 102 | 89 | 107 | 52 |
| Construction Fence | 66 | 53 | 64.5 | 44 | 40 |
| Standpipe | 76 | 349 | 396.5 | 297 | 485 |
| Solar | 4 | 4 | 4 | 5 | 4 |
Solar remains consistently fast across all boroughs. Standpipe remains consistently slow, especially outside Manhattan.
Solar se mantiene consistentemente rápido en todos los boroughs. Standpipe se mantiene consistentemente lento, especialmente fuera de Manhattan.
License Type Findings
Hallazgos por Tipo de Licencia
| License Type | Perm_Qty | %GT | Avg Days | Median Days | Bad Dates |
|---|---|---|---|---|---|
| General Contractor | 291,484 | 68.69% | 151.38 | 21 | 0 |
| Licensed Plumber | 78,542 | 18.51% | 174.71 | 43 | 0 |
| Fire Suppression Contractor | 25,491 | 6.01% | 227.90 | 65 | 0 |
| Sign Hanger Contractor | 11,831 | 2.79% | 37.39 | 3 | 0 |
| Master Rigger | 9,552 | 2.25% | 49.80 | 0 | 4 |
| Professional Engineer | 3,876 | 0.91% | 7.66 | 3 | 4 |
Business Name Intelligence
Inteligencia por Empresa
A consolidated Business_Name field was created by using Applicant Business Name when available, otherwise Owner Business Name. This makes it possible to analyze permit concentration by company.
Se creó un campo consolidado Business_Name usando Applicant Business Name cuando existe, y Owner Business Name cuando no existe. Esto permite analizar concentración de permisos por empresa.
| Business Name | Perm_Qty | Avg Days | Median Days | Primary Pattern |
|---|---|---|---|---|
| SUNRUN INSTALLATION SVC | 3,493 | 6.92 | 6 | Solar |
| MOMENTUM SOLAR | 3,433 | 4.02 | 3 | Solar |
| ANDAMIO SCAFFOLDING LLC | 2,529 | 159.97 | 0 | Sidewalk Shed / Supported Scaffold |
| CORE SCAFFOLD SYSTEMS INC | 2,473 | 117.31 | 0 | Scaffold / Protection |
| SPRING SCAFFOLDING LLC | 2,230 | 177.92 | 0 | Scaffold |
| PLATINUM SERVICES NY LLC | 2,189 | 173.44 | 0 | Sidewalk Shed / Scaffold |
| STRUCTURE TONE, LLC | 2,083 | 58.18 | 6 | General Construction / Mechanical |
| AMERICAN STANDARD P&H COR | 2,013 | 74.84 | 7 | Plumbing |
Interpretation: company patterns confirm the work-type findings. Solar companies show very fast approval cycles, while scaffolding-related companies show longer averages but often very low medians due to fast common cases and extreme long-tail records.
Interpretación: los patrones por empresa confirman los hallazgos por tipo de trabajo. Las empresas solares muestran ciclos muy rápidos, mientras las empresas relacionadas con scaffolding muestran promedios más altos pero medianas bajas por casos comunes rápidos y registros extremos de cola larga.
Estimated Job Cost Patterns
Patrones de Costos Estimados
The most frequent estimated job cost values are round numbers such as 0, 1,000, 5,000, 10,000, and 20,000. This suggests that the field may behave more like a declared estimate band than a precise project valuation.
Los valores de costo estimado más frecuentes son números redondos como 0, 1,000, 5,000, 10,000 y 20,000. Esto sugiere que el campo puede comportarse más como una banda de estimación declarada que como una valoración exacta del proyecto.
| Estimated Job Cost | Perm_Qty | %GT |
|---|---|---|
| 0.00 | 27,822 | 6.56% |
| 1,000.00 | 26,713 | 6.30% |
| 5,000.00 | 22,914 | 5.40% |
| 10,000.00 | 14,768 | 3.48% |
| 20,000.00 | 10,005 | 2.36% |
| 1.00 | 9,011 | 2.12% |
| 50,000.00 | 6,710 | 1.58% |
Recommended next metric: create cost bands instead of relying only on exact cost values.
Próxima métrica recomendada: crear bandas de costo en lugar de depender solamente del valor exacto.
Community Board and Council District Signals
Señales por Community Board y Council District
Top Community Boards by Permit Volume
Top Community Boards por Volumen
| Community Board | Perm_Qty | Median Days |
|---|---|---|
| 105 | 41,521 | 13 |
| 108 | 22,997 | 25 |
| 102 | 19,221 | 22 |
| 107 | 16,291 | 28 |
| 106 | 14,616 | 19 |
Top Council Districts by Permit Volume
Top Council Districts por Volumen
| Council District | Perm_Qty | Median Days |
|---|---|---|
| 4 | 46,244 | 16 |
| 3 | 31,475 | 16 |
| 1 | 22,452 | 19 |
| 2 | 18,194 | 21 |
| 6 | 16,355 | 27 |
These fields provide a stronger geographic-operational layer than borough alone. They can support localized benchmarking and help identify where permit activity is concentrated.
Estos campos proveen una capa geográfica-operacional más fuerte que borough solamente. Pueden apoyar benchmarking localizado e identificar dónde se concentra la actividad de permisos.
Analytical Assessment
Análisis Valorativo
After cleaning duplicate permit records, the dataset became a strong candidate for a municipal operations case study. The analysis shows that permit activity is not only about how many permits are issued, but also about how different permit categories move through the approval process.
Después de limpiar los registros duplicados, el dataset se convirtió en un candidato fuerte para un caso de estudio de operaciones municipales. El análisis muestra que la actividad de permisos no trata solo de cuántos permisos se emiten, sino de cómo distintas categorías avanzan por el proceso de aprobación.
The main operational story is the gap between typical processing time and long-tail cases. A median of 24 days suggests that many permits move relatively quickly, while an average of 153.15 days suggests that a smaller group of permits experience very long delays. This difference should be treated as a key process performance signal.
La historia operacional principal es la diferencia entre el tiempo típico y los casos de cola larga. Una mediana de 24 días sugiere que muchos permisos avanzan relativamente rápido, mientras un promedio de 153.15 días sugiere que un grupo menor experimenta demoras muy largas. Esta diferencia debe tratarse como una señal clave de desempeño del proceso.
Professional recommendation: build the final dashboard around four pillars: permit volume, median approval days, work-type complexity, and geographic-operational segmentation.
Recomendación profesional: construir el dashboard final alrededor de cuatro pilares: volumen de permisos, mediana de días de aprobación, complejidad por tipo de trabajo y segmentación geográfico-operacional.
Recommended Next Analysis
Próximo Análisis Recomendado
- Create approval-day bands: 0–7, 8–30, 31–90, 91–180, 181+.
- Create cost bands instead of exact estimated cost values.
- Analyze year/month trends for volume and median approval days.
- Compare borough × work type over time.
- Map permits by latitude/longitude, community board, and council district.
- Separate fast-track processes from complex-review processes.
- Crear bandas de días de aprobación: 0–7, 8–30, 31–90, 91–180, 181+.
- Crear bandas de costo en lugar de valores exactos.
- Analizar tendencias año/mes para volumen y mediana de aprobación.
- Comparar borough × tipo de trabajo en el tiempo.
- Mapear permisos por latitud/longitud, community board y council district.
- Separar procesos rápidos de procesos complejos.
Conclusion
Conclusión
This open-data case has moved beyond simple permit counting. It now supports a meaningful operational intelligence framework for analyzing municipal service performance, construction activity, approval-cycle behavior, business concentration, and localized urban development patterns.
Este caso de datos abiertos ya superó el simple conteo de permisos. Ahora soporta un marco significativo de inteligencia operacional para analizar desempeño de servicios municipales, actividad de construcción, comportamiento del ciclo de aprobación, concentración empresarial y patrones localizados de desarrollo urbano.
The central question becomes: which permit categories move fast, which ones create friction, and where should operational improvement efforts focus first?
La pregunta central pasa a ser: ¿qué categorías se mueven rápido, cuáles generan fricción y dónde deben enfocarse primero los esfuerzos de mejora operacional?