https://github.com/joaquinmoron/marketing-case
Caso de Marketing — cohortes, LTV y retención con Python + SQL (modelo analítico y KPIs).
https://github.com/joaquinmoron/marketing-case
cohort-analysis ltv marketing marketing-analytics pandas python retention sql
Last synced: 2 months ago
JSON representation
Caso de Marketing — cohortes, LTV y retención con Python + SQL (modelo analítico y KPIs).
- Host: GitHub
- URL: https://github.com/joaquinmoron/marketing-case
- Owner: joaquinmoron
- License: mit
- Created: 2025-10-01T20:13:42.000Z (9 months ago)
- Default Branch: main
- Last Pushed: 2025-10-01T20:17:30.000Z (9 months ago)
- Last Synced: 2025-10-09T10:18:39.798Z (9 months ago)
- Topics: cohort-analysis, ltv, marketing, marketing-analytics, pandas, python, retention, sql
- Language: Python
- Homepage:
- Size: 9.77 KB
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md/README.md
- License: LICENSE
Awesome Lists containing this project
README
# Marketing Case — SQL + Python (Olist)
Análisis de cohortes, retención y LTV con **Python** y **SQL** usando el dataset público de Olist.
## 🎯 Objetivo
- Limpiar y preparar datos de ventas.
- Construir **cohortes** (adquisición/retención) y **LTV** simple.
- Modelar en **SQL** (staging → facts/dims → vistas KPI).
- Separar **clientes nuevos vs. recurrentes** y su revenue.
## 📂 Estructura
## 🐍 Python (carpeta `python/`)
- `01_eda.py` → limpieza de órdenes
- `02_items.py` → agregación de ítems
- `03_payments.py` → consolidación de pagos
- `04_customers.py` → validación de clientes
- `05_fact_orders.py` → construcción de `fact_orders`
- `06_cohortes_ltv.py` → cohortes (retención) y LTV simple
> **Nota:** los CSV intermedios se guardan en `data_processed/` (local, no se sube).
## 🗄️ SQL (carpeta `sql/`) — orden sugerido
1. `01_load_raw.sql`
2. `02_build_fact_orders.sql`
3. `03_dim_date.sql`
4. `04_views.sql`
5. `05_kpi.sql`
6. `06_new_returning.sql`
Esto crea `dim_date`, consolida `fact_orders` y genera vistas/KPIs (AOV, items/order, nuevos vs. recurrentes).
## ▶️ Cómo correr
1. Clonar el repo.
2. (Opcional) Crear entorno:
```bash
python -m venv .venv
.venv\Scripts\activate # Windows
pip install -r requirements.txt # si corresponde