https://github.com/kenatsf/basic_data_analysis

Basic data science project: ETL, forecast and data visualization.
https://github.com/kenatsf/basic_data_analysis

analysis data data-analysis data-science logistic-regression matplotlib matplotlib-pyplot numpy pandas powerbi python scikit-learn time-series time-series-analysis time-series-forecasting

Last synced: 3 months ago
JSON representation

Basic data science project: ETL, forecast and data visualization.

• Host: GitHub
• URL: https://github.com/kenatsf/basic_data_analysis
• Owner: KenatSF
• Created: 2022-05-31T03:32:42.000Z (about 4 years ago)
• Default Branch: main
• Last Pushed: 2022-10-31T05:06:30.000Z (over 3 years ago)
• Last Synced: 2025-02-24T04:43:11.522Z (over 1 year ago)
• Topics: analysis, data, data-analysis, data-science, logistic-regression, matplotlib, matplotlib-pyplot, numpy, pandas, powerbi, python, scikit-learn, time-series, time-series-analysis, time-series-forecasting
• Language: Jupyter Notebook
• Homepage:
• Size: 3.34 MB
• Stars: 0
• Watchers: 2
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          
# Basic SALES data analysis.

## **Resumen**

- Se limpiaron los datos de la respectiva base de datos.

- Se realizó un análisis exploratorio.

- Se estimaron las ventas esperadas para el próximo periodo (siguiente año), de manera global y por territorio.

- Se estudio el comportamiento de las ventas por territorio y línea de producto.

- Se creo un modelo logístico para estimar la probabilidad de que un pedido fuera cancelado.

## **Recursos**

* Base de datos de ventas: "sales_data_sample.csv"

![]()

## **Ventas globales**

**Ventas globales (2004-2005):**

![](https://github.com/KenatSF/Basic_Data_Analysis/blob/main/images/sales.png)

Se ajusto un modelo **SARIMA(0,0,0)(0,1,0)[12]** con lo que se pudo estimar las ventas del próximo año.

Nota: Todos los supuestos del modelo se cumplieron, excepto el supuesto de Normalidad pero aún así se tomo como un modelo aceptable.

**Predicciones:**

![](https://github.com/KenatSF/Basic_Data_Analysis/blob/main/images/sales_with_predictions.png)

## **Ventas por territorios**

### **EMEA**

**Ventas (2004-2005):**

![](https://github.com/KenatSF/Basic_Data_Analysis/blob/main/images/emea.png)

**Predicciones:**

![](https://github.com/KenatSF/Basic_Data_Analysis/blob/main/images/emea_predictions.png)

### **NorthAmerica**

**Ventas (2004-2005):**

![](https://github.com/KenatSF/Basic_Data_Analysis/blob/main/images/northamerica.png)

**Predicciones:**

![](https://github.com/KenatSF/Basic_Data_Analysis/blob/main/images/northamerica_predictions.png)

**Nota:** Para los territorios de **Asia** y **Australia** no se tienen suficientes datos para ajustar un modelo SARIMA aceptable.

## **Línea de Producto por territorios: EMEA, NorthAmerica, Australia & Asia**

![](https://github.com/KenatSF/Basic_Data_Analysis/blob/main/images/emea_product_line.png)

![](https://github.com/KenatSF/Basic_Data_Analysis/blob/main/images/northamerica_product_line.png)

![](https://github.com/KenatSF/Basic_Data_Analysis/blob/main/images/australia_product_line.png)

![](https://github.com/KenatSF/Basic_Data_Analysis/blob/main/images/asia_product_line.png)

Un primer análisis que podríamos hacer, es destacar la gran cantidad de **autos clásicos** que se venden en todos los respectivos territorios. Además, 

las ventas relativas en Asia de los **camiones y autobuses** quedan en segundo lugar. Lo cúal podría indicar el alto desarrollo industrial que esa

zona tenía enntre los años 2004-2005, y que hoy en día aún tiene.

## **Los mejores clientes del negocio.**

![](https://github.com/KenatSF/Basic_Data_Analysis/blob/main/images/best_customers.png)

## **Localización física de las tiendas y el tamaño de sus ventas.**

![](https://github.com/KenatSF/Basic_Data_Analysis/blob/main/images/sales_map.png)

## **Modelo logístico**

Dentro de la variables **STATUS** existe un valor llamado **CANCELLED** lo que nos indica si un pedido fue cancelado. Por lo que en un intento de reducir costos, se

creo un modelo para predecir cuando es más probable que esto suceda. 

El modelo esta en: **logisticModel.py** 

La probabilidad de predecir correctamente si va a exitir

una cancelación del pedido es del 100%. Claramente existe overfitting, pero dados los pocos casos (60 observaciones) en los cuáles los pedidos fueron cancelados en esta base

de datos. Entonces podemos considerar a este modelo como aceptable.