Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/niel0503/simuladornivel1

Proyecto realizado como parte de mi aprendizaje en el bootcamp de Télos
https://github.com/niel0503/simuladornivel1

colab-notebook estadistica matplotlib pandas python3 seaborn

Last synced: 3 days ago
JSON representation

Proyecto realizado como parte de mi aprendizaje en el bootcamp de Télos

Awesome Lists containing this project

README 

        
# Simulador Nivel 1 - Télos Conecta 📈



## Análise de vendas de Carro no Nordeste do Brasil / Análisis de Ventas de Carros en el Nordeste de Brasil 🚗



### Descrição do Projeto / Descripción del Proyecto 📃



Este projeto tem como objetivo analisar dados de vendas de carros no Nordeste do Brasil para responder as perguntas de negócios. 


Este proyecto tiene como objetivo analizar datos de ventas de automóviles en el Nordeste de Brasil para responder preguntas comerciales.



### Introdução ao Problema / Introducción al Problema 🔎

No Nordeste do Brasil, a indústria automotiva enfrenta um cenário competitivo, onde entender o desempenho das lojas de concessionárias é crucial para o sucesso das operações. Com a vasta quantidade de dados de vendas e pesquisas de mercado disponíveis, é fundamental identificar padrões e insights que possam direcionar decisões estratégicas.

A análise dos dados de vendas de carros e das pesquisas de satisfação dos clientes pode ajudar a responder perguntas importantes, como quais lojas estão se destacando em termos de vendas, quais estão lutando e como a percepção dos clientes pode influenciar a performance das lojas. Além disso, compreender a variabilidade nas vendas e como os clientes avaliam as lojas pode fornecer informações valiosas para otimizar estratégias de marketing e melhorar a satisfação dos clientes.



En el Nordeste de Brasil, la industria automotriz enfrenta un escenario competitivo, donde comprender el desempeño de las tiendas concesionarias es crucial para el éxito de las operaciones. Con la gran cantidad de datos de ventas e investigaciones de mercado disponibles, es esencial identificar patrones y conocimientos que puedan impulsar decisiones estratégicas.

El análisis de los datos de ventas de automóviles y las encuestas de satisfacción del cliente puede ayudar a responder preguntas importantes, como qué tiendas destacan en términos de ventas, cuáles tienen dificultades y cómo la percepción del cliente puede influir en el rendimiento de la tienda. Además, comprender la variabilidad en las ventas y cómo los clientes califican las tiendas puede proporcionar información valiosa para optimizar las estrategias de marketing y mejorar la satisfacción del cliente.



### Objetivos do Projeto / Objetivos del Proyecto 💰

O objetivo principal deste projeto é analisar os dados de vendas de carros das concessionárias no Nordeste do Brasil para fornecer insights que apoiarão a tomada de decisões estratégicas. Especificamente, os objetivos são: 


El principal objetivo de este proyecto es analizar datos de ventas de automóviles de los concesionarios del Nordeste de Brasil para proporcionar conocimientos que respalden la toma de decisiones estratégicas. En concreto, los objetivos son:



#### Identificar a Loja Líder em Vendas: / Identificar la Tienda Líder en Ventas: 


Determinar qual loja possui a maior média de vendas em 2023 para reconhecer os principais desempenhos no mercado.


Determine qué tienda tiene el promedio de ventas más alto en 2023 para reconocer a las de mejor desempeño en el mercado.



#### Visualizar o Ranking das Lojas: / Visualizar el Ranking de las Tiendas 


Representar graficamente o ranking das lojas com base na média de vendas, ajudando a visualizar a posição de cada loja no mercado. 


Representar gráficamente el ranking de tiendas en función de las ventas promedio, ayudando a visualizar la posición de cada tienda en el mercado.



#### Analisar o Conhecimento das Lojas: / Analizar el conocimiento de las tiendas 


Avaliar quais lojas são mais conhecidas de acordo com as pesquisas de mercado e identificar aquelas que têm menos reconhecimento. 


Evaluar qué tiendas son más conocidas según los estudios de mercado e identificar aquellas que tienen menos reconocimiento.



#### Detectar Lojas com Piores Desempenhos: / Detectar las tiendas con peores desempeño 


Identificar as lojas que estão no quartil com as piores médias de vendas para focar em estratégias de melhoria. 


Identificar tiendas que se encuentran en el cuartil con peores promedios de ventas para enfocarse en estrategias de mejora.



#### Avaliar a Inconsistência nas Vendas: / Evaluar la inconsistencia en las ventas 


Descobrir quais lojas no quartil inferior são as mais inconsistentes em termos de vendas, ajudando a entender as flutuações no desempenho. 


Descubrir qué tiendas en el cuartil inferior son las más inconsistentes en términos de ventas, lo que le ayudará a comprender las fluctuaciones en el rendimiento.



#### Prever Vendas Futuras: / Predecir ventas futuras 


Usar dados temporais para projetar as vendas dos próximos três anos para a região Nordeste, auxiliando no planejamento estratégico a longo prazo. 


Utilizar datos temporales para proyectar las ventas para los próximos tres años para la región Noreste, ayudando en la planificación estratégica a largo plazo.



#### Desenvolver um Modelo de Previsão: / Desarrollar un modelo de previsión 


Treinar um modelo de regressão linear com dados de lojas de outras regiões para prever a probabilidade de um cliente retornar a fazer negócios com as lojas do Nordeste, com base no nível de satisfação. 


Entrenar un modelo de regresión lineal con datos de tiendas en otras regiones para predecir la probabilidad de que un cliente regrese a hacer negocios con tiendas en el Noreste, en función de su nivel de satisfacción.



### Bases de dados utilizadas / Bases de datos utilizadas 🗃️



Vendas_de_2023.xlsx 


Total_de_Vendas.xlsx 


Pesquisa_Populacao_Geral.xlsx 


Satisfacao_dos_Clientes.xlsx 



### Como Executar o Projeto 📊



1. **Requisitos:** Python, Jupyter Notebook ou Google Colab.

2. **Execute o código:** Abra o notebook `Simulador1.ipynb` no Jupyter Notebook ou Google Colab e execute as células. 


   **Ejecute el código:** Abra el cuaderno `Simulador1.ipynb` en Jupyter Notebook o Google Colab y ejecute las celdas.



### Bibliotecas utilizadas 🗃️

Pandas 


Matplotlib 


Seaborn 



### Desenvolvedora / Desarrolladora 👩‍💻



Ninoska Contreras



[![Linkedin Badge](https://img.shields.io/badge/-LinkedIn-blue?style=flat-square&logo=Linkedin&logoColor=white&link)](https://www.linkedin.com/in/ninoska-contreras)