Este proyecto forma parte del desafío propuesto por Alura LATAM en el contexto de un curso de ciencia de datos. El objetivo fue analizar el desempeño de cuatro tiendas ficticias para ayudar al Sr. Juan a decidir cuál de ellas vender, basándose en insights extraídos de los datos.
Realizar un análisis exploratorio de datos (EDA) utilizando Python y librerías como pandas y matplotlib, para responder a cinco preguntas clave:
- ¿Cuál es la facturación total de cada tienda?
- ¿Cuáles son las categorías más vendidas en cada tienda?
- ¿Cuál es la calificación promedio de los clientes por tienda?
- ¿Cuáles son los productos más y menos vendidos?
- ¿Cuál es el costo promedio de envío por tienda?
Con esta información se debe emitir una recomendación final sobre qué tienda debería ser vendida.
- Python 🐍
- Pandas
- Matplotlib
- Google Colab
- Git & GitHub
- Gráfico de barras horizontal para facturación total
- Subplots de barras por tienda para categorías más vendidas
- Gráfico de barras vertical para el costo promedio de envío
- La Tienda 4 fue la tienda con menor facturación.
- Aunque tenía el costo de envío más bajo, no lograba igualar el rendimiento de las demás.
- La decisión basada en los datos fue: vender la Tienda 4.
- Cómo aplicar análisis exploratorio de datos en la práctica.
- Uso de visualizaciones para extraer y comunicar insights.
- Organización de un proyecto real con estructura de entrega profesional.
Este proyecto fue desarrollado como parte del proceso de formación en ciencia de datos de Alura LATAM.
📂 Repositorio mantenido por: [tu nombre o usuario de GitHub]
¡Gracias por visitar este proyecto!