▌ INFORME FINAL DE TIENDAS - Challenge ALura Store

═══════════════════════════════════════════════════════════

✦ ANÁLISIS EXPLORATORIO DE DATOS (EDA) ✦

Este proyecto presenta un análisis exploratorio de datos (EDA) aplicado a cuatro tiendas, utilizando Python y bibliotecas estándar como Pandas, Matplotlib y NumPy. El objetivo es obtener métricas clave sobre facturación, productos vendidos, satisfacción de clientes y costos de envío.

---

▌ÍNDICE DE CONTENIDOS

────────────────────────────

1. Descripción del proyecto
2. Requisitos del sistema
3. Instrucciones de instalación
4. Ejecución del análisis
5. Estructura del análisis
6. Posibles problemas y soluciones
7. Créditos

1. ▌DESCRIPCIÓN DEL PROYECTO

────────────────────────────────────

Se importan datos desde archivos CSV alojados en GitHub, correspondientes a cuatro:

tienda_1.csv  
tienda_2.csv  
tienda_3.csv  
tienda_4.csv  

A partir de estos datos, se realiza un análisis comparativo para identificar tendencias y comportamientos comerciales clave.

Variables analizadas:

• Precio de productos
• Categoría de productos
• Calificaciones de clientes
• Costos de envío
• Frecuencia de venta por producto

---

2. ▌REQUISITOS DEL SISTEMA

────────────────────────────────────

Lenguaje y entorno sugerido:

• Python 3.8 o superior
• Entorno recomendado: Jupyter Notebook, VS Code o cualquier IDE compatible

Dependencias necesarias:

pip install pandas matplotlib numpy

Bibliotecas necesarias:

Pandas	Matplotlib	NumPy

---

3. ▌INSTRUCCIONES DE INSTALACIÓN

────────────────────────────────────────────

1. Cloná este repositorio o descargá los archivos del proyecto.
2. Abrí el archivo principal (por ejemplo, AluraStoreLatam.ipynb) en tu entorno de desarrollo.
3. Verificá que las bibliotecas necesarias estén instaladas.
4. Ejecutá las celdas en orden para visualizar cada parte del análisis.

---

4. ▌EJECUCIÓN DEL ANÁLISIS

───────────────────────────────────────

Cada sección del código está comentada para facilitar su comprensión.
El análisis incluye los siguientes puntos destacados:

▸ Ingresos totales por tienda (gráfico de barras)
▸ Cantidad de productos vendidos por categoría (gráfico tipo donut)
▸ Calificación promedio por tienda (barras horizontales)
▸ Producto más y menos vendido por tienda (comparativo con etiquetas)
▸ Costo de envío promedio por tienda (barras simples)

---

5. ▌ESTRUCTURA DEL ANÁLISIS

────────────────────────────────────────

El proyecto se organiza en cinco bloques principales:

1. Importación de datos
2. Cálculo de ingresos
3. Análisis por categoría
4. Evaluación de satisfacción del cliente
5. Estudio de costos y volumen de productos

Todos los gráficos generados ayudan a interpretar visualmente los resultados.

---

6. ▌POSIBLES PROBLEMAS Y SOLUCIONES

─────────────────────────────────────────────────────

◉ Los gráficos no se muestran
→ Ejecutá el entorno en modo interactivo (por ejemplo, con %matplotlib inline en Jupyter).

◉ Error al cargar los datos
→ Verificá la conexión a Internet y que las URLs de los archivos .csv estén activas.

◉ Falta alguna biblioteca
→ Ejecutá nuevamente el comando:

pip install pandas matplotlib numpy

---

7. ▌CRÉDITOS

────────────────────

Este análisis fue desarrollado como parte del Challenge Data Science LATAM, organizado por Alura, empleando datos públicos simulados con fines educativos.

Autor:

Miguel Angel Ajhuacho

Contacto profesional:

• GitHub: @MigXDev
• LinkedIn: Miguee