https://github.com/joanna20carrion/tiendas-de-alura-store
Análisis exploratorio ligero de las ventas de cuatro tiendas Alura Store en Latinoamérica, empleando Python y pandas para obtener insights rápidos de facturación, categorías y logística.
https://github.com/joanna20carrion/tiendas-de-alura-store
csv-files excel-csv ipynb-jupyter-notebook jupyter-notebook numpy-python pandas-python python3
Last synced: 3 months ago
JSON representation
Análisis exploratorio ligero de las ventas de cuatro tiendas Alura Store en Latinoamérica, empleando Python y pandas para obtener insights rápidos de facturación, categorías y logística.
- Host: GitHub
- URL: https://github.com/joanna20carrion/tiendas-de-alura-store
- Owner: Joanna20Carrion
- License: mit
- Created: 2025-08-07T00:33:18.000Z (3 months ago)
- Default Branch: main
- Last Pushed: 2025-08-07T01:16:32.000Z (3 months ago)
- Last Synced: 2025-08-07T02:38:22.462Z (3 months ago)
- Topics: csv-files, excel-csv, ipynb-jupyter-notebook, jupyter-notebook, numpy-python, pandas-python, python3
- Language: Jupyter Notebook
- Homepage:
- Size: 235 KB
- Stars: 1
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# Alura Store Latam – Análisis de Ventas
Este repositorio contiene el cuaderno **`AluraStoreLatam.ipynb`** que analiza el desempeño de cuatro tiendas de la cadena *Alura Store* en Latinoamérica a partir de datos abiertos en CSV. El objetivo es obtener indicadores rápidos de facturación, ventas por categoría, satisfacción de clientes y logística.
## Tabla de contenido
1. [Descripción del proyecto](#descripción-del-proyecto)
2. [Estructura del notebook](#estructura-del-notebook)
3. [Requisitos](#requisitos)
4. [Instalación](#instalación)
5. [Uso](#uso)
6. [Conjunto de datos](#conjunto-de-datos)
7. [Resultados destacados](#resultados-destacados)
8. [Contribuciones](#contribuciones)
9. [Licencia](#licencia)
10. [Autora](#autora)
## Descripción del proyecto
El cuaderno realiza un **análisis exploratorio ligero (EDA)** para responder a preguntas clave de negocio:
* ¿Cuál es la **facturación total** de cada tienda?
* ¿Qué **categorías de productos** generan más ingresos?
* ¿Cuál es la **calificación promedio** otorgada por los clientes?
* ¿Qué productos son los **más y menos vendidos**?
* ¿Cuál es el **costo de envío promedio** por tienda?
Las respuestas se calculan únicamente con **Python y *pandas***, lo que hace que el proyecto sea fácil de reproducir y extender.
## Estructura del notebook
| Sección | Contenido |
| --------------------------------- | ---------------------------------------------------------------------------- |
| 1. Importación de datos | Lectura de cuatro archivos CSV con transacciones individuales. |
| 2. Análisis de facturación | Suma de ingresos por tienda y cálculo de un nuevo campo `Total_Facturación`. |
| 3. Ventas por categoría | Agrupación (`groupby`) para ver ingresos por categoría de producto. |
| 4. Calificación promedio | Media simple de la columna `Calificación`. |
| 5. Productos más / menos vendidos | Ranking de artículos según facturación acumulada. |
| 6. Envío promedio | Promedio de `Costo de envío` por tienda. |
## Requisitos
* Python ≥ 3.8
* pandas
* jupyterlab o notebook clásico
## Instalación
```bash
# 1. Clonar el repositorio
git clone https://github.com/Joanna20Carrion/Tiendas-de-Alura-Store.git
cd AluraStoreLatam
# 2. (Opcional) Crear y activar un entorno virtual
python -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
# 3. Instalar dependencias
pip install pandas jupyter
```
## Uso
1. Ejecuta `jupyter notebook` o `jupyter lab`.
2. Abre **`AluraStoreLatam.ipynb`**.
3. Ejecuta las celdas de arriba hacia abajo. Cada bloque imprime los indicadores calculados.
## Conjunto de datos
Los CSV provienen de URLs públicas de GitHub Raw (incluidas en la primera celda). Cada archivo contiene, entre otros, los siguientes campos:
* `Precio`
* `Cantidad de cuotas`
* `Categoría del Producto`
* `Calificación`
* `Costo de envío`
## Resultados destacados
* **Facturación total:** muestra el rendimiento global de cada tienda.
* **Top 5 categorías:** identifica las unidades de negocio más rentables.
* **Calificación promedio:** proxy de satisfacción del cliente.
* **Productos estrella y de baja rotación:** guía para decisiones de inventario.
* **Envío promedio:** indica posibles oportunidades de optimización logística.
## Contribuciones
¡Se aceptan *pull requests*! Por favor crea un branch, describe tu cambio y abre la PR.
## Licencia
Este proyecto se distribuye bajo la licencia MIT. Consulta el archivo `LICENSE` para más detalles.
## Autora
**Joanna Alexandra Carrión Pérez**
🎓 Bachiller en Ingeniería Electrónica
🚀 Apasionada por la ciencia de datos y sistemas inteligentes
📧 joannacarrion14@gmail.com
🔗  [LinkedIn](https://www.linkedin.com/in/joanna-carrion-perez/)