📊 Challenge Análisis de Tiendas - Alura Store LATAM

Este proyecto forma parte del desafío del programa Oracle ONE + Alura LATAM en la formación de Data Science.
El objetivo fue ayudar al Sr. Juan, dueño de 4 tiendas, a tomar una decisión estratégica basada en datos reales para determinar cuál tienda vender.

---

🎯 Objetivos del Proyecto

• Calcular los ingresos totales de cada tienda.
• Identificar productos más y menos vendidos por categoría.
• Evaluar calificaciones promedio por tienda.
• Estimar el costo de envío promedio.
• Visualizar los datos con matplotlib y Seaborn.
• Realizar una recomendación final con base en los datos.

---

🛠️ Tecnologías Usadas

• Python 3.10+
• Google Colab
• Pandas
• Matplotlib
• Seaborn
• Jupyter Notebook (.ipynb)

---

⚙️ Instalación y Requisitos

Para correr este proyecto:

1. Clona el repositorio o descarga el archivo .ipynb
2. Abre el notebook en Google Colab

---

📂 Estructura del Análisis

El análisis está estructurado en pasos lógicos y ordenados que permiten comprender el rendimiento de cada tienda desde múltiples dimensiones:

1. Carga y exploración de datos:
   Se importan los archivos CSV de las 4 tiendas de Alura Store y se visualizan sus columnas principales: producto, categoría, precio, costo de envío, calificación, ubicación geográfica, entre otros.

2. Cálculo de métricas clave:

   • Ingresos totales por tienda
   • Productos vendidos por categoría
   • Calificaciones promedio de clientes
   • Productos más y menos vendidos
   • Costos de envío promedio

3. Visualización de datos:
   Se utilizan gráficos de barras, líneas y pastel para representar los patrones de manera clara y visual.
   Las bibliotecas utilizadas fueron matplotlib y Seaborn.

4. Conclusión y recomendación:
   Se resumen los hallazgos y se justifica, con base en los datos, cuál tienda se recomienda vender para optimizar el negocio.

---

Autor

• Juan Velasquez
• [Perfil de GitHub] (https://github.com/Kemtojp)
• [Perfil de LinkedIn] (https://www.linkedin.com/in/juan-velasquez-becerra/)