https://github.com/jesusgomez-data/retail-sales-data-analysis
End-to-end retail sales data analysis project using SQL, SQLite and Python (Pandas). Includes data generation, KPIs and business insights.
https://github.com/jesusgomez-data/retail-sales-data-analysis
data-analysis junior-data-analyst pandas portfolio-project python retail-analysis sql sqlite sqlite3
Last synced: 2 months ago
JSON representation
End-to-end retail sales data analysis project using SQL, SQLite and Python (Pandas). Includes data generation, KPIs and business insights.
- Host: GitHub
- URL: https://github.com/jesusgomez-data/retail-sales-data-analysis
- Owner: jesusgomez-data
- Created: 2025-12-14T21:19:55.000Z (6 months ago)
- Default Branch: main
- Last Pushed: 2025-12-17T06:57:15.000Z (6 months ago)
- Last Synced: 2025-12-20T20:20:21.426Z (6 months ago)
- Topics: data-analysis, junior-data-analyst, pandas, portfolio-project, python, retail-analysis, sql, sqlite, sqlite3
- Language: Jupyter Notebook
- Homepage:
- Size: 118 KB
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# 🛍️ Retail Sales Data Analysis (2023)
## 📌 Descripción del Proyecto
Este proyecto presenta un análisis completo de ventas retail correspondiente al año 2023. El objetivo es transformar datos transaccionales en información accionable mediante análisis de datos, modelado y visualización interactiva orientada a negocio.
El resultado final es un dashboard en Power BI diseñado para facilitar la toma de decisiones comerciales.
---
## 🎯 Objetivos del Análisis
- Analizar el rendimiento general del negocio
- Evaluar la evolución de ingresos a lo largo del tiempo
- Comparar el desempeño de los canales de venta
- Identificar ciudades, productos y clientes más rentables
- Proporcionar insights claros para la toma de decisiones
---
## ❓ Preguntas de Negocio
- ¿Cuánto dinero genera el negocio?
- ¿Cómo evolucionan los ingresos en el tiempo?
- ¿Qué canal de venta genera más ingresos?
- ¿Qué ciudades aportan mayor facturación?
- ¿Qué productos son los más rentables?
- ¿Quiénes son los clientes con mayor contribución a ingresos?
---
## 📊 KPIs Principales
- Total Ingresos
- Total Ventas
- Ticket Promedio
- Ingresos por Canal de Venta
- Ingresos por Ciudad
- Ingresos por Producto
- Ingresos por Cliente
---
## 🛠️ Tecnologías Utilizadas
- **Python** (Pandas, NumPy)
- **SQL** (SQLite)
- **Power BI**
- **Git & GitHub**
---
## 🧱 Modelo de Datos
El modelo sigue un enfoque **Star Schema**, con:
- Tabla de hechos: Ventas
- Tablas de dimensiones: Clientes, Productos, Ciudades, Fechas y Canal de Venta
Este modelo permite un análisis eficiente y escalable.
---
## 📈 Dashboard
El dashboard incluye:
- KPIs ejecutivos
- Evolución temporal de ingresos
- Distribución por canal de venta
- Rankings por ciudad, producto y cliente
- Filtros interactivos por fecha, ciudad y canal
📷 *Vista previa del dashboard disponible en el repositorio.*
---
## 🔍 Principales Insights
- El canal online genera ligeramente más ingresos que la tienda física
- Se observan picos de ventas en meses específicos del año
- Valencia, Bilbao y Barcelona lideran la facturación
- Un número reducido de productos y clientes concentra gran parte de los ingresos
---
## 📌 Conclusiones
El análisis demuestra un rendimiento sólido del negocio y evidencia oportunidades claras para optimizar estrategias comerciales, campañas de marketing y programas de fidelización.
---
## 🚀 Próximos Pasos
- Análisis de rentabilidad por producto
- Segmentación avanzada de clientes
- Predicción de ventas futuras
---
## 👤 Autor
**Jesús Gómez**
Data Analyst Junior
📎 GitHub: https://github.com/jesusgomez-data