<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Jose Daniel Piñate on Medium]]></title>
        <description><![CDATA[Stories by Jose Daniel Piñate on Medium]]></description>
        <link>https://medium.com/@JDanielP24?source=rss-f453f856ed70------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*cjCwxy-0zN40uSW3_8_s7A.jpeg</url>
            <title>Stories by Jose Daniel Piñate on Medium</title>
            <link>https://medium.com/@JDanielP24?source=rss-f453f856ed70------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 10:31:19 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@JDanielP24/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Cohort Analysis for e-commerce with python]]></title>
            <link>https://medium.com/@JDanielP24/cohort-analysis-for-e-commerce-with-python-dde885c8fff0?source=rss-f453f856ed70------2</link>
            <guid isPermaLink="false">https://medium.com/p/dde885c8fff0</guid>
            <category><![CDATA[e-commerce-business]]></category>
            <category><![CDATA[data-analysis]]></category>
            <category><![CDATA[kpi-reporting]]></category>
            <category><![CDATA[python]]></category>
            <dc:creator><![CDATA[Jose Daniel Piñate]]></dc:creator>
            <pubDate>Wed, 28 Dec 2022 23:57:40 GMT</pubDate>
            <atom:updated>2022-12-29T00:01:24.979Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*wV0ZQqz_-rBw3ewFebFBtQ.jpeg" /><figcaption>Foto de <a href="https://unsplash.com/@kmuza?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Carlos Muza</a> en <a href="https://unsplash.com/es/fotos/hpjSkU2UYSU?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Unsplash</a></figcaption></figure><p>In this post, we are going to develop a cohort analysis for an e-commerce store, to evaluate customer retention and the origin of the revenue generated through different key indicators implemented in the financial evaluation of this type of business.</p><p>We will start by loading the data in order to apply an exploratory analysis and get to know the elements that make up the data set.</p><p>Then in the second part, we will perform the cohort analysis in order to know the traction and growth of the store through different key indicators. We gonna applied the most common python libraries for data analysis like Pandas, Numpy, and matplotlib with seaborn for some data visualization.</p><p>Some of the key metrics we gonna calculate are : <br>1. Repurchase Rate <br>2. Average Order Value<br>3. Expected customer value</p><h3>Load the Data</h3><h4>Load libraries to be implemented</h4><pre>import pandas as pd<br>import operator as op<br>import seaborn as sns<br>import matplotlib.pyplot as plt<br>import numpy as np</pre><h4>Data Info</h4><p>the data that we worked on is from datasets available from DataCamp workspace.<br>DataCamp workspace is a cloud IDE where you can develop projects of data analysis with different program languages like python, SQL, and R. Is one of the benefits when you have paid subscriptions</p><p>The structure of the CSV file with the data from de e-commerce store is :</p><p><strong>InvoiceNo:</strong> A 6-digit integral number uniquely assigned to each transaction. If this code starts with the letter ‘c’ it indicates a cancellation.</p><p><strong>StockCode:</strong> A 5-digit integral number uniquely assigned to each distinct product.</p><p><strong>Description:</strong> Product (item) name</p><p><strong>Quantity: </strong>The quantities of each product (item) per transaction</p><p><strong>InvoiceDate:</strong> The day and time when each transaction was generated</p><p><strong>UnitPrice:</strong> Product price per unit in sterling (pound)</p><p><strong>CustomerID:</strong> A 5-digit integral number uniquely assigned to each customer</p><p><strong>Country:</strong> The name of the country where each customer resides</p><h4>Upload CSV file with online store data</h4><pre>ret_df = pd.read_csv(&#39;online_retail.csv&#39;, parse_dates=[&#39;InvoiceDate&#39;])<br>ret_df</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/744/1*kKM0ztjFILR7WUrvW8tEGQ.jpeg" /></figure><h4>Transform the object type of each column and create the total per item column (Quantity x Unit Price)</h4><pre>ret_df= ret_df.convert_dtypes()<br>ret_df[&#39;Total&#39;] = ret_df[&#39;Quantity&#39;]*ret_df[&#39;UnitPrice&#39;] <br>ret_df.dtypes</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/216/1*P91I7rdnfmBqjFujzab83w.jpeg" /></figure><h3>Exploratory Data Analysis</h3><h4>Describe statistics</h4><pre>ret_df.describe()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/408/1*hiESimd-JeIS18QbNU-K5A.jpeg" /></figure><p>There are negative values with figures out of the ordinary in the quantities and unit price columns. Like the Total column is created by these 2 columns, the negative numbers in the new column became from that</p><p>We will discard items with a value in the ‘Total’ column less than or equal to 0. This is because the negatives are returns, adjustments for deterioration of merchandise, or cancel orders.</p><h4>Discard items with a value in the ‘Total’ column less than or equal to 0</h4><pre>c_ret_df = ret_df.copy()<br>valores_nulos = c_ret_df[c_ret_df[&#39;Total&#39;] &lt;= 0].index<br>c_ret_df = c_ret_df.drop(valores_nulos, axis=0)<br>c_ret_df</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/725/1*RdhdmpEz7wy2-Fbrjgo4Ww.jpeg" /></figure><p>We create a copy of the original data and drop all the values where the ‘Total’ column is less o equal to zero. This conditional delete approx. 11.000 negative registers, left the new dataframe with 530104 valid rows</p><h4>Missing Values</h4><pre>c_ret_df.isnull().sum()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/189/1*NeZq38vsTgtnnpaYOuakiA.jpeg" /></figure><pre>missing = pd.DataFrame((c_ret_df.isnull().sum())*100/c_ret_df.shape[0]).reset_index()<br>plt.figure(figsize=(16,8))<br>ax = sns.pointplot(&#39;index&#39;,0,data=missing)<br>plt.xticks(rotation =90,fontsize =12)<br>plt.title(&quot; Missing values (Percentage)&quot;)<br>plt.ylabel(&quot;PERCENTAGE&quot;)<br>plt.savefig(&#39;percentajemissingvalues.jpg&#39;, \<br>            format=&#39;jpg&#39;, bbox_inches=&#39;tight&#39;)<br>plt.show()<br></pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/940/1*OHArpUwfKvmALqeHE6bUlw.jpeg" /></figure><p>We find the customerID column presents 132220 rows ( Almost 25% of rows) with missing values. This means that there are entries in the data without an associated customer. For the cohort analysis, we gonna realize the customerID is one of the most important entries that we gonna use. Let’s evaluate the impact this has compared to the totalization of the numerical variables</p><pre># totalize numerical columns from entries without CustomerID<br>null_valuesID = c_ret_df[c_ret_df[&#39;CustomerID&#39;].isnull()]<br>total_null = null_valuesID.sum().to_frame()<br>total_null.style.format(&#39;{:.2f}&#39;)</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/177/1*hIWdQimzbRIAp6JIp8DXgg.jpeg" /></figure><pre># totalize numerical columns from  the entire dataframe and compare the weight of the null_valuesID in the Total column <br>total_null.divide(c_ret_df.sum().to_frame())</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/150/1*WSzGoVLcr3eAPFa3FL1uLg.jpeg" /></figure><p>1,755,276 £ of sales belong to items without Customer ID, this amount represents almost 17% of the total from the entire dataframe. <br>The weight in the total sale from the null_valuesID is considerable.<br>Have to evaluate if could fill in the missing values or if decide to continue without that rows.</p><p>We have to find if exist some items without Customer ID who be related to the same invoice and have a Customer ID associate</p><h4>Invoice Crossing</h4><p>Are there any items among those that do not contain CustomerID that are associated with an invoice with complete data?</p><pre># list of Invoice without CustomerID<br>invoice_test = list(c_ret_df[c_ret_df[&#39;CustomerID&#39;].isnull()][&#39;InvoiceNo&#39;].unique())<br>invoice_test</pre><pre># Invoice with CustomerID<br>valid_inv = c_ret_df[~c_ret_df[&#39;CustomerID&#39;].isnull()]<br>valid_inv</pre><pre># searching for a match between invoice_test and valid_inv <br>valid_inv[valid_inv[&#39;InvoiceNo&#39;].isin(invoice_test)]</pre><p>This code returns an empty dataframe which tells us that there are no invoice crossings.</p><h4>Validate that for each invoice issued (InvoiceNo) there is only one associated customer (CustomerID) one-to-one relationship</h4><pre># Group data by invoice and aggregate unique values of customerID<br>Invoice_custo= valid_inv.groupby(&#39;InvoiceNo&#39;).agg(customers=(&#39;CustomerID&#39;,&#39;nunique&#39;))<br>Invoice_custo.describe()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/149/1*eTT6Q-jtiIRtI8MvNVlYog.jpeg" /></figure><p>We have 18532 valid invoices, the summary shows us the max value found was 1, therefore, each invoice has only one associated customer.</p><p>We decide to continue with the analysis and take just the <em>valid_inv</em> data as our final entries to work</p><h3>Part II Analysis</h3><h4>Most revenues generated by Country</h4><pre>most_rev_country= valid_inv.groupby([&#39;Country&#39;]).agg({&#39;Total&#39;:&#39;sum&#39;}).sort_values(by=[&#39;Total&#39;], ascending=[False]).reset_index()<br>most_rev_country</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/227/1*48nKeDIJ0LzjN8lLwXDpxg.jpeg" /></figure><pre>#Plot Top Ten <br>fig_revcountry, axrevcountry= plt.subplots(figsize=(12,10))<br>rev_country_plot = sns.barplot(data=most_rev_country.iloc[:11] , y=&#39;Country&#39;, x=&#39;Total&#39;, ax=axrevcountry)<br>rev_country_plot.get_figure().savefig(&quot;RevByCountry.jpg&quot;)</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/864/1*5qpzdSgALdnF03lQgevlaQ.jpeg" /></figure><p>The most relevant country by revenues is the United Kingdom with a total amount of 7.308.391 £ from December 2010 to December 2011 (1-year period). That amount represents 90% of sales coming from British customers. the company has the largest number of customers in its home market.</p><h3>Cohort Analysis</h3><p>let’s gonna create our cohort analysis, to study the behavior of the 3 main aspects of the business; <strong>customers</strong>, <strong>orders</strong>, and <strong>revenues</strong>. <br>We divide our data for the period of acquisition. We take as the initial value the date of the first purchase registered by each customer.</p><p>At the same time, we will divide by invoice issuing period to break down some data by month.</p><p>the main reason for performing an analysis of this type is to find relevant information to build metrics for determining the growth and robustness of a business.</p><p>Some of the most important metrics to consider for e-commerce are :</p><ol><li><strong>Repurchase Rate:</strong> know which percentage of clients back to the store for buying in the next periods</li><li><strong>Estimated Purchase Frequency:</strong> How many times (on average) per month the clients buy in the store</li><li><strong>Average Order Value:</strong> Average sales by order</li><li><strong>Net Value Revenue Generated:</strong> Look if exist sales for a bigger amount than the initial purchase by a group.</li><li><strong>Customer Lifetime Value:</strong> This is the value expected for every customer in a period.</li></ol><h4>Determine the Acquisition period and billing period</h4><pre>valid_inv = valid_inv.assign(adq_cohort = valid_inv.groupby(&#39;CustomerID&#39;)\<br>                   [&#39;InvoiceDate&#39;].transform(&#39;min&#39;).dt.to_period(&#39;M&#39;))<br>valid_inv = valid_inv.assign(Invoice_cohort= valid_inv[&#39;InvoiceDate&#39;].dt.to_period(&#39;M&#39;))<br>valid_inv</pre><p>Create 2 new columns to indicate the period when the customer buys for the first time (adq_cohort) and the period where belong each invoice is available on the dataframe.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/723/1*YomCQ1_sefZDASfPW7L9Gg.jpeg" /></figure><p>We reorganize the data taking as an index the acquisition period and the billing period.</p><pre>cohort = valid_inv.groupby([&#39;adq_cohort&#39;,&#39;Invoice_cohort&#39;]).agg(customers=(&#39;CustomerID&#39;, &#39;nunique&#39;), income=(&#39;Total&#39;, &#39;sum&#39;), orders=(&#39;InvoiceNo&#39;, &#39;nunique&#39;)).reset_index(drop=False)<br>cohort[&#39;Periods&#39;] = (cohort.Invoice_cohort - cohort.adq_cohort).apply(op.attrgetter(&#39;n&#39;))<br>cohort</pre><p>We create the monthly periods by subtracting the customer’s purchase period from the invoice period. This way we will know which customers purchased in the months following their first purchase.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/427/1*yH5CqtK-LV55cwq6TFZOSA.jpeg" /></figure><h4>Customer Retention</h4><pre>retention_c = cohort.pivot_table(index = &#39;adq_cohort&#39;,columns = &#39;Periods&#39;, values = &#39;customers&#39;)<br>retention_c</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/601/1*QokpyCRkZFbt6PbvBR44Fw.jpeg" /></figure><p>Period 0 indicate new customer acquired in each cohort. Period 1, shows how many of those customers bought the following month again. Period 2 shows how many bought 2 months after their first purchase and so on.</p><h4>Repurchase Rate</h4><pre>repurchase_rate = retention_c.divide(retention_c.iloc[:,0], axis=0)<br>repurchase_rate[&#39;Promedio&#39;] = repurchase_rate.iloc[:,1:].mean(axis=1)<br>repurchase_rate</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/699/1*jT937MVL3_vsuXh103WSOA.jpeg" /></figure><p>For the first row, we observed that in the following month 324 customers returned to purchase after having bought for the first time in the period 2010–12, which is equivalent to a 37% rate of repurchase by those customers. The higher the percentage of customers who repurchase your products, the higher the degree of customer acceptance.</p><p>When calculating the average for each cohort, it is observed that the oldest clients have the highest repurchase rate. This is also because they have a greater amount of observable data due to their seniority as recurring clients.</p><p>Separated by cohorts we observe that the first cohort (2010–12) has an average repurchase rate of 37% being the maximum among all cohorts of users, while the repurchase rate of the last cohort of registrants (2011–11) is 11% only, showing that the older cohorts are more likely to make recurring purchases.</p><pre># Overall Purchase Rate of the Year <br>repurchase_rate.iloc[:,1:].mean(axis=1).mean()<br><br>0.2153614376402838</pre><p>For the calculation of the average and overall repurchase rate, data was taken from period 1 for each cohort of clients.<br>The overall repurchase rate for the 2010–2011 period is approximately 21,5%.</p><h4>Customer summary table</h4><pre>Users_dist = cohort.pivot_table(index = &#39;Invoice_cohort&#39;, values =&#39;customers&#39;, aggfunc=&#39;sum&#39;)<br>Users_dist[&#39;new_customers&#39;] = retention_c.iloc[:,0]<br>Users_dist[&#39;recurring_customers&#39;] = (Users_dist.customers - Users_dist.new_customers)<br>Users_dist.T</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/718/1*dG_yWKG3hmK9Za_T-svwEQ.jpeg" /></figure><p>In this table we can see the breakdown of customers by period. of the total number of customers served per month, how many were new customers, and how many were repeat buyers.</p><p>customers: total number of customers served in that Month<br>new_customers: customers who bought for the first time on the store<br>recurring_customers: customers with recurring purchases</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/740/1*PhN7iK1A4cem0gLE_GWpTg.jpeg" /></figure><p><strong>Comments</strong><br>The number of customers per month continues to grow until November 2011, reaching a peak of 1664 customers served in that month.<br>Most of the customers served are customers who purchased in previous months, i.e., repeat customers are the main source of revenue for the store. This speaks to the loyalty shown by customers.<br>In contrast, we see how over time, the store was not able to maintain a rhythm of acquiring new customers.</p><h4>Orders / Invoices</h4><p>The following table is made up of the number of orders placed according to the period in which the customer registered for the first time. It is similar to the previous table presented to see the retention of users. In this case, we evaluate subsequent orders.</p><pre>orders_cohort = cohort.pivot_table(index = &#39;adq_cohort&#39;,columns = &#39;Periods&#39;, values = &#39;orders&#39;)<br>orders_cohort[&#39;total_orders&#39;] = orders_cohort.sum(axis=1)<br>orders_cohort[&#39;CLV&#39;] = orders_cohort[&#39;total_orders&#39;].divide(retention_c.iloc[:,0], axis=0)<br>orders_cohort</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/714/1*S-0Uylz4afXxp-vsksBKZQ.jpeg" /></figure><p>We created a column totaling the number of orders placed by registered users in each corresponding cohort.<br>The CLV column indicates that each customer in the case of adq_cohort 2010–12 has placed almost 10 orders on average since they became aware of the website. This also means a customer from the period 2010–12 creates 5 times more value than a customer from the next period (2011–12)</p><h4>Orders summary table</h4><pre>Customer_orders = cohort.pivot_table(index = &#39;Invoice_cohort&#39;, values =&#39;orders&#39;, aggfunc=&#39;sum&#39;)<br>Customer_orders[&#39;new_customers_orders&#39;] = orders_cohort.iloc[:,0]<br>Customer_orders[&#39;recurring_customers_orders&#39;] = (Customer_orders.orders - Customer_orders.new_customers_orders)<br>Customer_orders.swapaxes(&quot;index&quot;, &quot;columns&quot;)</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/714/1*XsWov2A1QpOsqWmqhGvC-Q.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/739/1*vzdY2HThwB6nkr439gnxCg.jpeg" /></figure><p><strong>Comments Orders Summary</strong></p><p>The number of orders per month continues to grow until November 2011, reaching a peak of 2,657 orders handled in that month, in total agreement with the trend observed in the customer graph.</p><p>Most of the orders issued are customers who purchased in previous months, i.e., recurring customers are those who generated more orders during the year.</p><p>As in the customer graph, the trend is that orders issued by new customers have been decreasing throughout the period studied.</p><h4>Purchase Frequency</h4><p>total orders issued for each period divided by the total number of customers served in each period.</p><pre>#  Total Orders / Total Customers<br>Pfrequency= orders_cohort.iloc[:,:-2].divide(retention_c)<br>Pfrequency[&#39;Promedio&#39;] = Pfrequency.mean(axis=1)<br>Pfrequency</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/724/1*pz6GGUkTIP_TPPrvgghjoQ.jpeg" /></figure><p>Values above 2 indicate that the ratio of orders per client is positive. Each client would be generating more than one order per month on average.</p><p>It is observed that for the first cohort, for each client served, almost 2 orders were issued on average. In November, the value of orders per client exceeded the average (Period 11 for example). Only clients in that cohort have managed to exceed the average value of 2 orders.</p><p>In general, the average number of orders per client is decreasing as the cohorts are the most recent.</p><h4>Revenue Generated by Cohorts</h4><p>The dataframe matrix indicates the revenues generated by the different cohorts of clients during the periods from December 2010 to December 2011.</p><pre>revenue_cohort = cohort.pivot_table(index = &#39;adq_cohort&#39;,columns = &#39;Periods&#39;, values = &#39;income&#39;)<br>revenue_cohort[&#39;TotalRevenue&#39;] = revenue_cohort.sum(axis=1)<br>revenue_cohort[&#39;ExpectedCustRev&#39;] = revenue_cohort[&#39;TotalRevenue&#39;].div(retention_c[0])<br>revenue_cohort</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/741/1*OTl3sudDEhcxOTNIbyR8FA.png" /></figure><p>Additionally, we calculate 2 new columns.</p><p>The TotalRevenue column indicates the cumulative revenue associated with each client cohort, showing that those clients belonging to the oldest cohorts generated the most revenue during the year.</p><p>The ExpectedCustRev column indicates the estimated revenue value brought in by each user on average for each cohort.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/155/1*mFBziAPg0LdiwtRQFgUjFQ.jpeg" /></figure><p>If we divide the totalRevenue column by the number of first-time clients in each cohort we see the estimated value that each client in that cohort has for the revenue billed.<br>The estimated average value for each client in the first cohort is approx. 5,098 £</p><p><strong>Revenue Summary Table</strong></p><pre>revenuebycohort = cohort.pivot_table(index = &#39;Invoice_cohort&#39;, values =&#39;income&#39;, aggfunc=&#39;sum&#39;)<br>revenuebycohort[&#39;new_cust_rev&#39;] = revenue_cohort.iloc[:,0]<br>revenuebycohort[&#39;rec_cust_rev&#39;] = (revenuebycohort.income - revenuebycohort.new_cust_rev)<br>revenuebycohort.swapaxes(&quot;index&quot;, &quot;columns&quot;)</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/762/1*vifDQrFovYsvSPIrrC8Gqg.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/730/1*0w3Fsvqqq-AfSS0x2OLU2w.jpeg" /></figure><p><strong>Comments Revenue Summary</strong></p><p>Most of the revenues generated come from the most senior cohorts.</p><p>Revenues from new customers are declining sharply during the year. Only during 2 periods, new clients were able to generate more than 200k in revenues (Period 2011–01 and 2011–03).</p><h4>Expected Value per Customer Growth</h4><p>Revenue generated by cohort is divided by the total number of clients for each cohort.</p><pre>growth_cohort = cohort.pivot_table(index = &#39;adq_cohort&#39;,columns = &#39;Periods&#39;, values = &#39;income&#39;)<br>growth_cohort= growth_cohort.cumsum(axis=1,skipna=False)<br>growth_cohort= growth_cohort.divide(retention_c[0], axis=0)<br>growth_cohort.style.format(&#39;{:.2f}&#39;)</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/588/1*HZmBYuNbHmdt7ggTp8Vl6A.jpeg" /></figure><p>We can observe how the value of each cohort has grown over the periods. The first cohort has gone from a value of 647 £ in period 0 to 5098 in the last period evaluated.</p><p>That means a 6x of growth for the expected value of customers in 12 month</p><p>The difference between the first cohort and the others is considerable, only 3 cohorts have achieved 2x growth per client.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/435/1*alNfDSdL5Dyyy8CxTrtKzQ.jpeg" /></figure><p>It is necessary to improve the growth of the other cohorts to a minimum of 2x.</p><h4>Percentage of revenue compared to the initial period.</h4><p>With this parameter, we try to evaluate if in any subsequent month of purchase we have exceeded the amount initially invoiced.</p><pre>net_dolarvalue = revenue_cohort.iloc[:,:-2].divide(revenue_cohort.iloc[:,0], axis=0)<br>net_dolarvalue</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/453/1*PhgNivLi8El4I2KWP0jLeA.jpeg" /></figure><p>If we observe values higher than 1, it means that we managed to improve the amount sold compared to the initial purchase period.</p><p>Considering that the repurchase rate did not exceed 21% overall, if the amount invoiced was higher than the initial period of each group, the increase would be due to a higher average purchase value.</p><p>Unfortunately, any cohort of clients in subsequent months was able to exceed the amount generated in period 0.</p><h4>Average Order Value</h4><pre># Average Order Value = (Total Sales / Order Count)<br>PromRev = revenue_cohort.iloc[:,:-2].divide(orders_cohort.iloc[:,:-2], axis=1)<br>PromRev[&#39;Promedio&#39;] = PromRev.mean(axis=1)<br>PromRev.style.format(&#39;{:.2f}&#39;)</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/655/1*JHc-hKbM5Utcc3exk1XpqA.jpeg" /></figure><p>The highest average order value corresponds to the overall May 2011 (2011–05) client cohort. The average billing amount is over 1000 £.</p><p>We have to highlight period 7 of the 2011–05 cohort with a value of 5975 £. 179251 £ revenue in only 30 orders.<br><br> In 2nd place is the cohort of clients from August 2011 (2011–08) with an average turnover of 614 £. For this data, we can highlight that during the last 3 months has presented an average above 600 £.</p><p>Then, we have the 2011–12 cohort with 629 £. It is worth noting this cohort has only one month of registration and is a batch of recent new clients, is composed of only 1 observation.</p><h4>Customer Value</h4><p>We take the average value of orders and multiply it by the frequency of purchases calculated above. It is a key metric for building a financial model to project financial statements for the coming months.</p><pre># Customer Value = Average Order Value x Purchase Frequency<br>CustValue= Pfrecuency.mul(PromRev)<br>CustValue.style.format(&#39;{:.2f}&#39;)</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/673/1*XGKyc3ptIgl8H5V1T7fYHQ.jpeg" /></figure><p>Our most valuable customers according to this metric are those from 2011–05 with an average value of £1300.</p><p>To build the financial model, we can take as a reference the overall average of all cohorts.</p><pre>CustValue[&#39;Promedio&#39;].describe()<br><br>count      13.000000<br>mean      603.450376<br>std       272.004456<br>min       372.428944<br>25%       424.039130<br>50%       478.495221<br>75%       675.341697<br>max      1313.773133<br>Name: Promedio, dtype: float64</pre><p>We see that the global average is around 600 £.</p><p>This metric is also important because lets us know if the value of our customers is greater that the cost of acquisition. To make our situation ideal, the cost of acquisition by customers has to be lower than the minimum average of customer value calculated (In this case, 372.42 £).</p><h4>Conclusion</h4><p>Most of the business development in this period is due to the loyalty and recurring purchases of customers belonging to the oldest acquisition cohorts.</p><p>The main aspects evaluated show that revenues, customers, and orders belong mostly to the oldest registered customers.</p><p>The business has acceptable traction, with approximately 1 out of every 5 customers purchasing recurrently on the platform. The expected customer value has grown up to 2x in 4 of 12 cohorts. The average order value shows a good signal with an amount above £300.</p><p>The only value that is not good enough is that they don’t have a significant purchase frequency, nor have they doubled the amount of revenue generated with respect to their initial month.</p><p>On the other hand, there is a deficiency in the generation of value from new customers. The trend shows that each month fewer customers are joining, placing fewer orders and therefore, less revenue comes from this group.</p><h4>Recommendations</h4><p>The strategy must be oriented to <strong>attract more new customers</strong>. Therefore, customer segmentation can be performed with an emphasis on those cohorts with the best performance for the year.</p><p>The older customers show a certain loyalty to the store, so it could be used to benefit the attraction of new customers through an <strong>affiliation program.</strong></p><p>Try to identify the same kind of client in other countries near the UK, looking for increased sales originating from foreign markets.</p><p>Second, <strong>improve customer purchase frequency</strong> per month. By maintaining the average order value and increasing the frequency of purchases, the value per customer can grow.</p><p>In future posts, we could develop a sensitivity analysis to explain in numerical terms the expected growth in value per customer when these two variables are modified.</p><p>I hope you enjoyed the article, and that it will be useful on your way to evaluating an online store. If so, I hope you will share it with others who may find it useful as well.</p><p>If you would like to give feedback or have any additional comments let me know in the comments section below or via a message on my <a href="https://www.linkedin.com/in/jos%C3%A9-daniel-pi%C3%B1ate-a-91b18b106/">LinkedIn</a>.</p><h3>References</h3><p><em>“How to perform a customer cohort analysis in Pandas” </em><a href="https://practicaldatascience.co.uk/data-science/how-to-perform-a-customer-cohort-analysis-in-pandas">https://practicaldatascience.co.uk/data-science/how-to-perform-a-customer-cohort-analysis-in-pandas</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=dde885c8fff0" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Análisis Dólar en Venezuela durante el 2022]]></title>
            <link>https://medium.com/@JDanielP24/an%C3%A1lisis-d%C3%B3lar-en-venezuela-durante-el-2022-538e2d7a9e61?source=rss-f453f856ed70------2</link>
            <guid isPermaLink="false">https://medium.com/p/538e2d7a9e61</guid>
            <category><![CDATA[time-series-analysis]]></category>
            <category><![CDATA[data-visualization]]></category>
            <category><![CDATA[python]]></category>
            <category><![CDATA[finance]]></category>
            <category><![CDATA[data-analysis]]></category>
            <dc:creator><![CDATA[Jose Daniel Piñate]]></dc:creator>
            <pubDate>Fri, 07 Oct 2022 22:49:00 GMT</pubDate>
            <atom:updated>2022-10-07T22:49:00.008Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*eaz6KZs6lG-e-CuFkyWL3g.jpeg" /></figure><p>En este post vamos a conocer el desarrollo del valor del Dólar en Venezuela en lo que va de año 2022 (Hasta el 30 de Septiembre) haciendo énfasis en la comparación entre dólar oficial y el dólar paralelo. Para extraer la información relevante aplicaremos análisis de datos a través del lenguaje de programación Python.</p><p>¿Por que a pesar que existe mercado oficial de divisas aun el dólar paralelo existe y rige muchas operaciones comerciales informales?</p><p>El dólar paralelo se mantiene como un punto de referencia por las limitaciones existentes para la movilización del dinero a través del sistema financiero venezolano (No existe mayor variedad de medios para enviar divisas de una entidad bancaria a otra ni al exterior).</p><p>En este post calcularemos el diferencial entre ambas valores, tratemos de determinar algunos de los factores que afectan este diferencial y como puede impactar operaciones comerciales de una compañía.</p><h4>Acceso a los Datos</h4><p>Iniciamos extrayendo los datos del Dólar oficial publicado diariamente por el Banco Central de Venezuela (BCV) descargaremos directamente de su pagina web el archivo .xls (Excel 2003) que contiene las tasas de cambios del Bolívar en comparación con las principales monedas de la región.</p><p>Pueden encontrar la pagina oficial del banco de Venezuela en el siguiente link</p><p><a href="http://www.bcv.org.ve/estadisticas/tipo-cambio-de-referencia-smc">Tipo de Cambio de Referencia SMC (Sistema del Mercado Cambiario)</a></p><p>Vamos a necesitar los archivos correspondiente a los 3 Trimestres que han transcurrido durante el año 2022</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/654/1*WfA9GmCSnBOuRSCVPrlMPw.jpeg" /></figure><p>Al colocar nuestro cursor sobre el botón azul para acceder a la información podemos copiar la dirección url que necesitaremos para automatizar la descarga en el código</p><p>Para acceder a la información directamente desde nuestro jupyter notebook o terminal de Python vamos a implementar las siguientes librerías</p><pre>LIBRERIAS<br>import pandas as pd<br>import requests<br>import urllib<br>import numpy as np<br>from datetime import date, time, datetime, timedelta</pre><pre># Librerias para visualización de datos <br>import matplotlib.pyplot as plt<br>import matplotlib.patches as patches<br>import seaborn as sns</pre><pre>EXTRAER DATA CON PYTHON DIRECTAMENTE<br># Data BCV  III Trimestre Actual (Sep 2022) desde Sitio Web<br>dls = &#39;<a href="http://www.bcv.org.ve/sites/default/files/EstadisticasGeneral/2_1_2c22_smc.xls&#39;">http://www.bcv.org.ve/sites/default/files/EstadisticasGeneral/2_1_2c22_smc.xls&#39;</a><br>urllib.request.urlretrieve(dls, &quot;2_1_2c22_smc.xls&quot;)</pre><p>En esta parte del código tendremos que agregar cada uno de los link copiados desde el sitio web, y correr el código para guardar el archivo Excel en nuestro equipo. Usando la librería <strong>urllib</strong> introduciremos la dirección web donde se encuentra alojado el archivo y el nombre que queremos darle en nuestro directorio. En este caso, conservaremos el mismo nombre de archivo que ya traía por defecto desde su origen.</p><p>Si quieres mantener los datos actualizados deberás descargar el trimestre actual cada día debido a que el BCV va agregando diariamente la data en una nueva hoja del archivo en Excel</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/897/1*JHdDyACGmpTrm19BmvC1Iw.jpeg" /><figcaption>Archivo de Excel Trimestral del BCV</figcaption></figure><p>Como se observa en la imagen, cada hoja del Excel se va agregando de acuerdo a la fecha con valores correspondiente. Luego que tenemos los 3 archivos necesarios tendremos que limpiarlo y aplicar diferentes transformaciones para convertirlos en un DataFrame en pandas</p><h4>Unión de los archivos, Limpieza y Pre-procesamiento de los Datos</h4><p>Para abrir los archivos de Excel en nuestro terminal de Python implementaremos el modulo pd.read_excel() en la librería pandas. en conjunto con 2 parámetros específicos: sheet_name=None, con el propósito de indicarle a la función que queremos los datos incluidos en todas las hojas del archivo Excel, y por ultimo; skiprows=8. Donde le indicamos que debe saltarse las 8 primeras filas del archivo Excel</p><pre># Abrir los 3 archivos Excel con Pandas<br>databcv_df1 = pd.read_excel(&#39;2_1_2a22_smc.xls&#39;, sheet_name=None, skiprows=8)<br>databcv_df2 = pd.read_excel(&#39;2_1_2b22_smc.xls&#39;, sheet_name=None, skiprows=8)<br>databcv_df3 = pd.read_excel(&#39;2_1_2c22_smc.xls&#39;, sheet_name=None, skiprows=8)</pre><pre>{&#39;31032022&#39;:     Unnamed: 0                                         Unnamed: 1  \<br> 0          NaN                                                NaN   <br> 1          NaN                                                EUR   <br> 2          NaN                                                CNY   <br> 3          NaN                                                TRY   <br> 4          NaN                                                RUB   <br> 5          NaN                                                USD   <br> 6          NaN                                                GBP   <br> 7          NaN                                                CAD   <br> 8          NaN                                                INR   <br> 9          NaN                                                CHF   <br> 10         NaN                                                JPY   <br> 11         NaN                                                ARS   <br> 12         NaN                                                BRL   <br> 13         NaN                                                CLP   <br> 14         NaN                                                COP   <br> 15         NaN                                                UYU   <br> 16         NaN                                                PEN   <br> 17         NaN                                                BOB   <br> 18         NaN                                                MXP   <br> 19         NaN                                                CUC   <br> 20         NaN                                                NIO   <br> 21         NaN                                                DOP   <br> 22         NaN                                                TTD   <br> 23         NaN                                                ANG   <br> 24         NaN                                                NaN   <br> 25         NaN  (*) Tipo de Cambio de Referencia producto de l...   <br> 26         NaN  operadores cambiarios, según lo establecido en...   <br> 27         NaN  Resolución N° 19-05-01. Este Tipo de cambio ap...   <br> 28         NaN  sector público y privado, para la fecha valor ...   <br> 29         NaN  que se empleará para el cálculo de las obligac...   <br> 30         NaN                                                NaN   <br> 31         NaN                                              NOTA:   <br> 32         NaN                                                NaN   <br> 33         NaN  (a) Las cotizaciones del EUR y GBP están expre...</pre><p>Al abrir uno de los archivos vemos que se encuentra desordenado y es difícil de entender a primera vista los datos. Evaluamos el formato de la información a través de la función type() y nos indica que cada uno de los archivos ha sido procesado como un diccionario.</p><pre># Unir Diccionarios <br>d4 = dict(databcv_df1, **databcv_df2); d4.update(databcv_df3)<br>d4</pre><p>Procedemos a unir los 3 diccionarios que generamos para así tener la data completa. En este punto tendremos la data de cada día anidada dentro de cada llave del diccionario. Veamos cuales son las llaves del diccionario unificados.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/809/1*_ZO-jfBMNo6SRC0-yQgRaw.jpeg" /></figure><p>Luego de esto, necesitamos extraer cada valor que se encuentra de cada llave del diccionario. Para eso usaremos el siguiente código</p><pre># Ciclo para extraer datos anidados <br>datos_bcv = []<br>for keys in d4.keys():<br>    databcv_df = pd.concat({k: pd.Series(v) for k, v in d4[keys].loc[5].items()})<br>    databcv_df.columns = d4[keys].columns<br>    databcv_df[&#39;fecha&#39;] = keys<br>    datos_bcv.append(databcv_df)</pre><p>la parte clave del código se encuentra dentro de la función pd.concat(). Pues en esa línea estamos creando una serie de datos con los valores de la fila 5 por cada una de las llaves del diccionario. ¿Qué contiene esa serie que estamos creando?</p><pre>for v in d4[keys].loc[5].items():<br>    print(v)<br>(&#39;Unnamed: 0&#39;, nan)<br>(&#39;Unnamed: 1&#39;, &#39;USD&#39;)<br>(&#39;Moneda/País&#39;, &#39;E.U.A.&#39;)<br>(&#39;Compra (BID)&#39;, 1.0)<br>(&#39;Venta (ASK)&#39;, 1.0)<br>(&#39;Compra (BID).1&#39;, 5.541312)<br>(&#39;Venta (ASK).1&#39;, 5.5552)</pre><p>las series esta compuesta por cada uno de los valores que integran la fila 5 de las hojas en cada archivo de Excel que hemos unido, esto se debe a que la fila 5 es la que contiene el valor del Dólar.</p><p>Así, cada serie que es creada es anexada a la lista vacía llamada datos_bcv, luego de correr el ciclo <strong><em>for</em></strong> veamos que guarda el primer valor de la lista</p><pre>datos_bcv[0]<br>Unnamed: 0      0         NaN<br>Unnamed: 1      0         USD<br>Moneda/País     0      E.U.A.<br>Compra (BID)    0         1.0<br>Venta (ASK)     0         1.0<br>Compra (BID).1  0    4.369549<br>Venta (ASK).1   0      4.3805<br>fecha                31032022<br>dtype: object</pre><p>hemos convertido cada una de las columnas en un valor dentro de la lista , se ha colocado la llave del diccionario como el valor fecha dentro de la lista. Ahora si procedemos a ejecutar el código para ver claramente el DataFrame.</p><pre>datos_bcv_df = pd.DataFrame(datos_bcv) <strong># convertimos lista en dataFrame</strong><br>datos_bcv_df = datos_bcv_df.iloc[:,[1,2,5,6,7]] <strong># Seleccionamos las columnas que queremos </strong><br>datos_bcv_df = datos_bcv_df.droplevel(level=1, axis=1) <strong># Eliminamos el multinivel del en las columnas </strong><br>datos_bcv_df.columns = [&#39;Moneda&#39;,&#39;País&#39;,&#39;Compra (BID) Bs&#39;, &#39;Venta (ASK) Bs&#39;, &#39;fecha&#39;] <strong># Renombramos las columnas</strong><br>datos_bcv_df[&#39;fecha&#39;] = pd.to_datetime(datos_bcv_df[&#39;fecha&#39;], format=&#39;%d%m%Y&#39;) <strong># Cambiamos el formato de las fechas</strong><br>datos_bcv_df = datos_bcv_df.set_index(&#39;fecha&#39;).sort_index() <strong># Ordenamos de Inicio de Año hasta la fecha actual</strong><br>datos_bcv_df</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/650/1*Oyuq2pcENJuYfQD1stVabg.png" /><figcaption>DataFrame Final con el Valor Dolar BCV ordenado</figcaption></figure><h4>Obtener datos Dólar Paralelo</h4><p>Necesitamos crear un DataFrame similar al anterior pero con los datos del dólar paralelo. para eso usaremos la información que se encuentra en una tabla HTML del sitio web monitor Venezuela.</p><p>puedes encontrar los datos en el siguiente link :</p><p><a href="https://monitordolarvenezuela.com/historial">Historico Dolar Monitor - Monitor Dolar Venezuela</a></p><p>Aplicaremos una función similar para acceder automáticamente desde nuestra terminal de código a la pagina web.</p><pre><strong># Traer Data Monitor Venezuela Dólar Paralelo</strong><br>urldata = requests.get(&#39;<a href="https://monitordolarvenezuela.com/historial&#39;">https://monitordolarvenezuela.com/historial&#39;</a>)  <br>html_page = pd.read_html(urldata.text)</pre><p>En este caso, usaremos la librería requests de Python donde haremos una solicitud de tipo get() con la dirección web de la pagina como parámetro. luego de eso usaremos la función pd.read_html() donde introduciremos el texto extraído desde la solicitud requests.</p><p>para seleccionar solamente la tabla que se encuentra en la web. seleccionamos el primer valor de nuestra función html_page</p><pre>html_page[0]<br></pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/477/1*bdq26cdL2DY19yfLsp6h9A.png" /></figure><p>Observamos que tienen data correspondiente desde el 14 de diciembre de 2020, con cifras expresadas en Bs. anteriores a la reconversión realizada en el 2021 donde se removieron 6 ceros a la moneda.</p><p>Realicemos las transformaciones correspondientes para tener un DataFrame organizado de manera similar al de dólar oficial</p><pre>data_paralelo= html_page[0] <strong># Seleccionamos la tabla desde la web que contiene la información</strong><br>data_paralelo= data_paralelo.convert_dtypes() # <strong>Transformamos los datos </strong><br>data_paralelo[&#39;Fecha&#39;]= pd.to_datetime(data_paralelo[&#39;Fecha&#39;], format=&#39;%d-%m-%Y&#39;) <strong>#Cambiamos el formato de la fecha</strong><br>data_paralelo= data_paralelo[data_paralelo[&#39;Fecha&#39;]&gt;= &quot;2022-1-1&quot;] # <strong>Seleccionamos solo los valores 2022</strong><br>data_paralelo[&#39;Baja&#39;]= data_paralelo[&#39;Baja&#39;].astype(float) <strong>#Convertimos String a Float para que sean valores numericos</strong><br>data_paralelo[&#39;Alta&#39;]= data_paralelo[&#39;Alta&#39;].astype(float) <strong>#Convertimos String a Float para que sean valores numericos</strong><br>data_paralelo[&#39;Promedio&#39;]= data_paralelo.loc[:,[&#39;Baja&#39;,&#39;Alta&#39;]].mean(axis=1) <strong>#calculamos promedio entre 2 mediciones diarias</strong><br>data_paralelo[&#39;Mes&#39;] = data_paralelo[&#39;Fecha&#39;].dt.month <strong># Creamos el valor identificador por Mes</strong><br>data_paralelo.loc[:,[&#39;Baja&#39;,&#39;Alta&#39;,&#39;Promedio&#39;]]= data_paralelo.loc[:,[&#39;Baja&#39;,&#39;Alta&#39;,&#39;Promedio&#39;]]/100 <strong>#Transformamos Valores</strong><br>data_paralelo.sort_values(by=&#39;Fecha&#39;, ascending=True)</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/477/1*TWdwj1s-nRNeac_QXYcHsw.png" /><figcaption>Datos Dólar paralelo luego de la transformación</figcaption></figure><p>Para quedar con este cuadro final seleccionamos los valores correspondientes solo al año 2022 hasta la fecha. transformamos los valores de cada columna a un tipo de dato correspondiente, en el caso de las columnas Baja y Alta convertimos los valores a numérico (float) y dividimos entre 100 para tener las cifras en bolívares actuales.</p><p>Estas columnas representan un rango donde el precio fluctuó durante el día marcado. por tanto como no tenemos una cifra de compra y venta como en la data del BCV procederemos a promediarlo para quedarnos con un valor definitivo por día.</p><p>A su vez agregamos el indicador del mes a partir del valor de la fecha para poder agrupar posteriormente la data</p><h4>Unir Ambos DataFrame tomando en cuenta la Fecha</h4><pre><strong>UNIR AMBOS DATAFRAME</strong><br>datos_global = datos_bcv_df.join(data_paralelo.set_index(&#39;Fecha&#39;))<br>datos_global</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/549/1*PccAI5fbcxg38hs0GpSflA.jpeg" /></figure><h4>Diferencia entre el Valor del Dólar oficial y el Dólar Paralelo en el Transcurso del Año.</h4><p>Queremos conocer como se ha comportado la diferencia entre el valor del dólar oficial del BCV y el dólar paralelo. Con la intención de ver si ambas series de valores se ha mantenido con una separación relativamente constante o si han existidos brechas considerables.</p><p>Para este indicador usaremos la columna de Compra(BID) Bs. que representa el valor que paga en el mercado la banca a quienes desean vender divisas. Por el lado del Paralelo, usaremos un promedio entre el valor mas bajo y alto del día.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/864/1*xKWOJvKJ1OwvdjtKLuAzPA.png" /><figcaption>Evolución del Precio de un Dolar en Venezuela en el transcurso 2022</figcaption></figure><p>En el grafico podemos observar que el dólar paralelo (línea naranja) se ha mantenido constantemente durante el año por encima del dólar oficial (línea azul), lo cual muestra que ha sido mas caro en este tiempo. Durante el mes de agosto tuvo un movimiento al alza considerable pasando de 6.00 Bs / USD a un tope de casi 9 Bs/USD.</p><h4>Calculamos el Diferencial (Spread) entre ambas series de datos.</h4><pre><strong># Determinar el Spread entre Dolar Oficial y Dolar paralelo </strong><br>datos_global.loc[:,&#39;Spread&#39;] = np.log((datos_global[&#39;Promedio&#39;]/ datos_global[&#39;Compra (BID) Bs&#39;]))<br>datos_global.loc[:,&#39;SpreadSimple&#39;] = (datos_global[&#39;Promedio&#39;]/ datos_global[&#39;Compra (BID) Bs&#39;]) - 1</pre><p>En este ejemplo calcularemos el diferencial de 2 maneras. Una considerando el efecto compuesto de la serie de tiempo aplicando np.log() (llamaremos la columna ‘Spread’) y otra de manera simple que llamaremos ‘Spread Simple’</p><p>Es necesario hacerle seguimiento al diferencial entre ambas series de tiempo debido a que dependiendo la amplitud se generan opciones de arbitraje que pueden afectar las operaciones cotidianas de una compañía.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*WzBOmjsdh_4BZTTPXw0bDg.png" /><figcaption>Diferencial (Spread) entre ambas series de Tiempo en el transcurso del 2022</figcaption></figure><p>Como se observa en la grafica, al cierre de Septiembre la prima establecida para Mover dinero del sistema bancario nacional al sistema bancario extranjero es de aproximadamente 2.20% el cual es un valor que se encuentra por debajo del promedio anual donde la diferencia entre ambas series se ha establecido alrededor de 4.50%</p><p>Si el diferencial se mantiene amplio como ocurrió en la parte final del mes de agosto puede ser una señal indicando que la oferta de dólares oficiales fue insuficiente en ese período, por tanto, si se presenta una escasez de divisas en un mercado, las personas buscaran divisas en medios alternativos.</p><pre>top10Spread = datos_global.sort_values(by=&#39;Spread&#39;, ascending=False)[:10]<br>top10Spread</pre><p>Al ordenar el DataFrame por el Spread mas alto, se observa que la mayoría de los días corresponden a fechas del mes de Agosto y Mayo. El spread observado durante esas fechas fue mayor al 7% diario.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/685/1*PhbiJWEZY1ttlApCmUEOLQ.jpeg" /><figcaption>Días con Mayor Diferencial en el Año</figcaption></figure><h4>¿Cómo afecta a una compañía este escenario?</h4><p>Si existe una escasez de divisas oficiales deberá recurrir al mercado alterno para adquirir las divisas necesarias para las operaciones de la compañía. como puede ser el pago a proveedores.</p><p>En el caso que existan estrategias para el pago de proveedores como puede ser cancelar a proveedores extranjeros a tasa paralelo por medios de bancos en el exterior y proveedores nacionales a divisas oficiales, si no se logra adquirir las divisas a precio oficial, tendrían que cancelar a los proveedores nacionales por un valor en bolívares equivalentes al dólar paralelo.</p><h4>Spread Negativo, Sobreoferta de divisas en mercado oficial</h4><p>Durante el año hay 2 pequeños episodios donde el dólar oficial llego a estar por encima del valor en el mercado paralelo. Para conocer cuales fueron las fechas donde se dieron estos casos podemos filtrar el DataFrame de la siguiente forma :</p><pre>datos_global[datos_global[&#39;Spread&#39;]&lt; 0]</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/695/1*9s6MbU-FAwzwv2fLcJKJ8g.jpeg" /></figure><p>En este caso, se podría asumir que el escenario es el contrario. Existía suficiente oferta en la banca como para poder ofrecer a mejor precio las divisas.</p><h4>Comportamiento del Spread por Meses</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/720/1*gI1h8s_FOgUvezZn8dFAzA.png" /><figcaption>Distribución del Spread por Meses del Año</figcaption></figure><p>Agosto fue el mes con mayor diferencial seguido por el Mes de Mayo. Estos meses tienen en común que en esas fechas se colocaron mayor cantidad de Bs. en circulación debido al ajuste salarial y bonos vacacionales.</p><p>Los puntos fuera de las cajas del grafico representan valores fuera de lo común (outliers) de acuerdo a los valores que han transcurridos durante cada mes. Observamos que en enero y mayo se dieron valores negativos.</p><p>Si detallamos las cajas tanto de Julio (Mes 7) y Septiembre (Mes 9) Se observa que son las que mas abajo del grafico global se encuentran, esto significa que son los meses donde el diferencial promedio fue menor entre los valores de dólar oficial y dólar paralelo.</p><pre><strong># Meses con Menor diferencial promedio </strong><br>spread_mes = datos_global.groupby(&quot;Mes&quot;)[&#39;Spread&#39;].mean().sort_values(ascending=True)</pre><pre>Mes<br>7    0.025035<br>9    0.031625<br>1    0.039139<br>4    0.042258<br>3    0.043010<br>6    0.048487<br>2    0.054034<br>5    0.056551<br>8    0.060268<br>Name: Spread, dtype: float64</pre><h3>En Resumen</h3><p>Hemos evaluado brevemente el desarrollo del diferencial entre el valor del dólar oficial y el paralelo durante el transcurso del año.</p><p>Observamos a través de diferentes graficas el comportamiento registrado durante estos 9 meses. Destacamos cuales han sido los meses del año donde la brecha entre ambos valores ha sido mas amplia y una breve explicación de los efectos que originan en la operación de una compañía.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=538e2d7a9e61" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Análisis de Ventas Compañía distribuidora de productos con Python.]]></title>
            <link>https://medium.com/@JDanielP24/an%C3%A1lisis-de-ventas-compa%C3%B1%C3%ADa-distribuidora-de-productos-con-python-2a9a675ead40?source=rss-f453f856ed70------2</link>
            <guid isPermaLink="false">https://medium.com/p/2a9a675ead40</guid>
            <category><![CDATA[python]]></category>
            <category><![CDATA[data-analytics]]></category>
            <category><![CDATA[análisis-de-datos]]></category>
            <category><![CDATA[data-analysis]]></category>
            <dc:creator><![CDATA[Jose Daniel Piñate]]></dc:creator>
            <pubDate>Sat, 24 Sep 2022 00:42:28 GMT</pubDate>
            <atom:updated>2022-09-24T00:42:28.506Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6Cec2IWcWq9tDzYxvtgX_A.jpeg" /></figure><p>Como analista de datos nos enfrentamos a proyectos en diferentes área de negocios. Donde será necesario unir conocimientos de la industria, junto a elementos de estadística y programación</p><p>Un análisis de las ventas puede ser necesario en un primer punto para desarrollar indicadores internos que sirvan para guiar el desarrollo del negocio.</p><p>Durante el tiempo estos indicadores se pueden convertir en criterios de aceptación para evaluar la actuación del equipo encargado de generar ventas.</p><p>En este post, se va a desarrollar un análisis de las ventas realizadas durante el año 2020 de una compañía distribuidora que ofrece mas de 2000 productos a sus clientes a través de diferentes canales de ventas</p><p>Para ello, implementaremos el lenguaje de programación Python junto a las librerías básicas empleadas para el análisis de datos como son <strong>Pandas</strong>, <strong>Numpy</strong>, <strong>Matplotlib</strong> y <strong>Seaborn</strong> principalmente.</p><p>En el recorrido del post iremos observando como dar respuesta a las preguntas relevantes que un director o gerente de finanzas de la compañía puede plantear para evaluar el desempeño del negocio durante el lapso establecido.</p><p>Iniciaremos con un análisis exploratorio de los datos donde verificaremos la integridad de la información recibida para el estudio. Luego desarrollaremos los diferentes pasos para moldear la data con el fin de filtrar y organizar los registros de acuerdo a las preguntas que necesitemos responder.</p><p>De este modo, desarrollaremos de manera sencilla un cuadro de ganancias y perdidas con los datos presentados para evaluar aspectos como rentabilidad general del negocio, hasta profundizar un poco mas en la evaluación del desempeño de cada producto que conforma el inventario de la compañía.</p><h3>El Origen de los Datos</h3><p>El dataset que vamos a implementar es el incluido en el proyecto final del libro <strong><em>“Python for Accounting”</em></strong> publicado en el año 2021 por <strong>Horatio Bota</strong> quien se dedica a la ciencia de datos con estudios avanzados en ciencias de la computación. junto al asesoramiento de <strong>Adrián Gosa</strong> como especialista en el área de finanzas.</p><p>La pagina web oficial del libro la puedes encontrar<strong> </strong><a href="https://pythonforaccounting.com/"><strong>aquí</strong></a><strong>.</strong></p><p>En este proyecto se presentan 3 dataset. El principal, incluye el detalle de las ventas realizadas durante el año 2020 almacenada en 4 archivos Excel (.xlsx) divididos por trimestres que incluye las siguientes especificaciones:</p><p><strong>InvoiceNo:</strong> Numero de la Factura</p><p><strong>Channel:</strong> Canal de venta, medio por el cual se realizo la transacción. Incluye plataformas de ventas como ibay.com, pagina web de la compañia, tiendas físicas en diferentes regiones.</p><p><strong>ProductID:</strong> Código de identificación del producto a nivel de sistema<br> Date: Fecha de emisión de la factura</p><p><strong>Unit Price:</strong> Precio de venta unitario del producto</p><p><strong>Quantity :</strong> Cantidad de producto adquirida por el cliente</p><p><strong>Total :</strong> Monto en USD de productos vendidos</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/987/1*8GdxBLXjMRBjvjJHtLuvhg.png" /></figure><p>El segundo dataset presenta registros de los productos comercializados por la compañía, en el incluye los siguientes apartados:</p><p><strong>ProductID:</strong> Contiene el código individual de cada producto comercializado por la empresa.</p><p><strong>Product Name:</strong> Descripción del producto</p><p><strong>Brand :</strong> Marca que comercializa el producto</p><p><strong>Category:</strong> Categoría bajo la cual la compañía organiza los productos. En las categorías observamos algunos valores como Instrumentos musicales, teléfonos celulares y accesorios, salud y cuidado personal, entre otras.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*74cX0MNhERmst1i_fF5_hg.png" /><figcaption>Vista preliminar del DataFrame products_df</figcaption></figure><p>Por ultimo, el tercer dataset muestra los costos asociados a cada producto que incluye las siguientes columnas:</p><p><strong>ProductID:</strong> Contiene el código individual de cada producto comercializado por la empresa.</p><p><strong>Cost Unit</strong>: Costo unitario de cada producto comercializado</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/370/1*BWLYMxbbLZmx3WWVYS5bCw.png" /></figure><h3>Cargar y Organizar la Data</h3><p>Para poder constituir el dataframe necesario para desarrollar nuestro análisis es necesario tomar los 3 dataset mencionados anteriormente y unificarlos a través de una serie de pasos usando las funciones pd.concat() y pd.merge() disponibles en Pandas.</p><p>Al tener la data de ventas inicialmente dividida por cuatrimestres es necesario unir los archivos Excel para cubrir el año 2020 completo para eso empleamos el siguiente código</p><pre>ventas_excel = [name for name in os.listdir(f&#39;workspace-main\P4 - Sales analysis project&#39;) if name.endswith(&#39;.xlsx&#39;)]<br>ventas_excel</pre><pre>Unificamos los datos de Ventas Quatrimestrales: <br>for file_name in ventas_excel:<br>    df = pd.concat( <br>    pd.read_excel(f&#39;workspace-main\P4 - Sales analysis project/{file_name}&#39;, sheet_name=None), <br>    ignore_index=True)</pre><pre># Conservamos solo las columnas necesarias: <br>df = df[[<br>    &#39;InvoiceNo&#39;, &#39;Channel&#39;, &#39;ProductID&#39;, <br>    &#39;Date&#39;, &#39;Unit Price&#39;, &#39;Quantity&#39;, &#39;Total&#39; <br>    ]]</pre><p>A continuación procedemos a verificar la existencia de registros duplicados en la data de ventas</p><pre># Muestra todos los registros duplicados<br>df[df.duplicated(keep=False)]</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/983/1*VKhz6Ph5BqYlxnOPPo7Mqg.png" /><figcaption>Datos Duplicados en las Ventas</figcaption></figure><p>Se puede observar que el dataframe de ventas presenta valores duplicados por tanto hay eliminar esos registros y conservar solo uno de los valores. A su vez, hay que establecer que cada columna contenga el tipo de data correspondiente, para eso implementamos el metodo .convert_dtypes() donde cada columna adoptara el formato de datos que tienen la mayoría de registros en cada columna.</p><pre>df = df.drop_duplicates() <br>df = df.convert_dtypes()<br></pre><p>Posterior a tener la data de ventas sin duplicados y con la estructura de datos correspondiente, procedemos a hacer pd.merge() con los dataframe de productos y costos respectivamente y ordenamos el dataframe por el numero de facturas.</p><pre>## Agrupamos los dataframes tomando como columna clave el código del producto, teniendo en cuenta que es un dato en común entre los 3 dataframes</pre><pre>sales_df = df.merge(products_df, on=&#39;ProductID&#39;) <br>sales_df = df.merge(costs_df, on=&#39;ProductID&#39;) <br>sales_df = df.sort_values(&#39;InvoiceNo&#39;)</pre><p>Luego de haber juntado los 3 dataset de registros y organizarlos por facturas verificamos que no existan valores nulos (Nan) en ninguno de los registros del dataframe.</p><pre>#Probar que no hayan valores nulos en ninguna columna del dataframe<br>df.isna().sum()<br>InvoiceNo     0<br>Channel       0<br>ProductID     0<br>Date          0<br>Unit Price    0<br>Quantity      0<br>Total         0<br>dtype: int64</pre><p>Listo. Aquí podemos observar el resultado final luego de todo el proceso de limpieza y organización de los datos. Como producto final tenemos un Dataframe nombrado sales_df con información de las ventas, precios de los productos junto con sus costos. Podemos continuar en el proceso de evaluación de los datos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*QJRGkQQRpg8UNPyh-am9eg.png" /></figure><p>Antes de continuar con la validación de números de facturas es necesario aclarar que el dataframe que se construyo puede obtener números de facturas duplicados, esto se debe principalmente a que la data de venta incluye un registro por producto vendido; por tanto, si una factura es integrada por 2 o mas productos vendidos, en los registros encontraremos varias filas con el mismo numero de factura.</p><h3>Análisis preliminar e integridad de los datos</h3><p>Comenzaremos extrayendo un resumen de los datos que contiene cada columna con el objetivo de comprender mejor que información general contiene cada una de ellas.</p><pre>sales_df.info()<br></pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/420/1*UH8NIwbj-4YVQzJKH4y5Bg.jpeg" /></figure><p>Se calculan algunas columnas adicionales basadas en los datos que actualmente están disponibles.El proposito de estos nuevos calculos es aplicarlos como metricas adicionales para el analisis a desarrollar.</p><p>Estas nuevas columnas son :</p><p><strong>‘Cuarto’ y ‘Mes’:</strong> Indica a que periodo del año corresponde cada operación de acuerdo a la fecha en la que fue creado el registro. Los periodos de tiempos implementados serán los meses del año, expresados numéricamente del 1 al 12 , y los los trimestres, que seran numerados del 1 al 4</p><p><strong>‘Margen’</strong>: Calcula la utilidad bruta unitaria obtenida en cada registro comparando el precio de venta de cada producto con el costo</p><p><strong>‘Margen Porcentual’</strong>: Representa la expresión en porcentaje del margen calculado anteriormente en comparación al precio de venta</p><p><strong>‘Costo Total’</strong>: es el calculo del costo unitario de venta por la cantidad de producto indicada en el registro.</p><p><strong>‘Ingreso Total’</strong>: es el calculo del precio unitario de venta por la cantidad de producto indicada en el registro. Se realiza el calculo para comparar cifras con respecto a la columna Total que ya estaba en el dataframe.</p><p><strong>‘Margen Total’</strong>: Es la diferencia entre el ingreso total calculado menos el costo total. de esta forma se conoce la utilidad bruta generada por cada registro.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/663c3aa3bbff667df5d2178582ca7234/href">https://medium.com/media/663c3aa3bbff667df5d2178582ca7234/href</a></iframe><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mFhtkKLCG1Y3erM1J8sMWQ.png" /></figure><p>De esta manera, tenemos un dataframe con 17 columnas de las cuales 5 contienen datos categóricos (string, object) como son Canal de venta (Channel), Código del Producto (ProductID). Mientras las demás columnas son con datos cuantitativos, a excepción de la fecha (Date) que contiene datos en formato de tiempo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sNnkC-wlhX7g-Zh-7H9PLQ.png" /><figcaption>Columnas con Valores Categóricos</figcaption></figure><pre>sales_df.dtypes # Conocer detalles del dataframe</pre><pre>InvoiceNo                     Int64<br>Channel                      string<br>ProductID                    object<br>Date                 datetime64[ns]<br>Unit Price                  Float64<br>Quantity                      Int64<br>Total                       Float64<br>Product Name                 object<br>Brand                        object<br>Category                     object<br>Unit Cost                   float64<br>Cuarto                        int64<br>Mes                           int64<br>Margen                      Float64<br>Margen Porcentual           Float64<br>Costo Total                 Float64<br>Ingreso Total               Float64<br>Margen Total                Float64</pre><p>Una de las maneras de abordar las variables que contienen números es a través del metodo df.describe() el cual nos da un resumen estadístico básico de cada columna.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zjW6QHUsDzq5nl1AGV4RJA.png" /><figcaption>Resumen estadístico Columnas numericas</figcaption></figure><p>este resumen nos indica los valores para la media, desviación estándar , mínimo y máximo valor encontrado en cada columna, y la división por percentiles. Esto nos sirve para identificar los rangos en los que se encuentran cada registro, y poder intuir si hay algunos datos que pudiesen representar anomalías en la data.</p><p>En este resumen podemos conocer a grandes rasgos algunos datos de relevancia inicial, por ejemplo El producto que mayor margen de utilidad unitaria presenta es 0.32 (32%), el promedio de utilidad unitaria de los productos del dataframe es 0.1263 (12,63%). esto lo podemos deducir al ver el valor de la columna en el resumen de la función.</p><h4>Integridad del listado de Facturas</h4><p>En este caso, como nuestros datos contienen el numero de factura (‘InvoiceID’) vamos a evaluar si el listado de facturas no presenta saltos en el correlativo de los números. al observar los 5 primeros datos del Dataframe observamos que el numero inicial de factura es el 1532, nuestro objetivo es probar es que la factura que le sigue corresponde con el numero siguiente en cada uno de los registros.</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/82b0c5637353486fcfac17daa2d95620/href">https://medium.com/media/82b0c5637353486fcfac17daa2d95620/href</a></iframe><p>En el primer paso de nuestro código creamos un Dataframe con los valores únicos de cada factura para así evitar los duplicados que ya sabemos que existen. Posteriormente, creamos una nueva columna donde desplazamos los números de facturas una posición para poder crear el listado comparativo. En la tercera línea calculamos una columna con la diferencia entre el numero de la factura y el valor comparativo.</p><p>el ultimo fragmento del código es para determinar el numero de factura faltante inicial en el listado. Veamos el resultado generado luego de aplicar el código.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/584/1*kOHUnlx4At3h-8Rvgj49QQ.png" /><figcaption>Evaluación del Correlativo</figcaption></figure><h4>Resultados</h4><p>Podemos observar que el análisis del correlativo indica que existen 19500 saltos en el listado de facturas de la columna “InvoiceID”. En estos casos, el numero anterior no concuerda con el numero siguiente. Esto nos puede ocasionar problemas mas adelante en nuestro análisis por que podríamos estar omitiendo alguna factura del periodo, lo cual ocasionaría que nuestros cálculos basados en la totalización de las cifras no fueran las correctas.</p><p>La solución para este hallazgo es verificar que las facturas que integran esos 19500 saltos se encuentren anuladas correctamente para así estar seguros que no hace falta ninguna en el periodo. El listado de facturas deben verificarse se encuentran en la columna “Missing Invoice” que calculamos en la variable salto_corre.</p><h3>Análisis de Rentabilidad</h3><p>Luego de validar la integridad de la data continuamos totalizando las columnas que contienen los ingresos, costos y el margen de utilidad bruta de todo el registro para conocer los saldos finales correspondiente al año 2020</p><pre>PandL= pd.DataFrame(sales_df[[&quot;Ingreso Total&quot;, &quot;Costo Total&quot;]].sum()).swapaxes(&quot;index&quot;, &quot;columns&quot;)<br>PandL[&#39;Utilidad Bruta&#39;]= (PandL[&quot;Ingreso Total&quot;] - PandL[&quot;Costo Total&quot;])<br>PandL[&#39;Margen de Beneficio %&#39;] = PandL[&#39;Utilidad Bruta&#39;] / PandL[&quot;Ingreso Total&quot;]<br>PandL.T.round(3)</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/405/1*WmKN0A30DclMWH8KWcWRSA.png" /></figure><p>Al crear la versión corta de un estado de resultados podemos observar que durante el año se facturaron ingresos por 15.757.375 USD con un costo de venta de 13.704.018 USD que representa un 87% sobre el total de ingresos registrados, por tanto, se obtiene un margen bruto de utilidad de aprox. 13% por una cifra de 2.053.356 USD</p><h4>Resumen Mensual</h4><p>En el siguiente paso, veremos las cifras de ingresos, costos y utilidad bruta separadas por meses para conocer el desarrollo de los montos durante el año.</p><pre>mes_sales= sales_df.groupby([&#39;Mes&#39;, &#39;Product Name&#39;]).sum()<br>mes_sales = mes_sales.groupby(level=0, group_keys=False)[&quot;Ingreso Total&quot;, &quot;Costo Total&quot;].sum()<br>mes_sales[&#39;utilidad Bruta&#39;] = (mes_sales[&quot;Ingreso Total&quot;] - mes_sales[&quot;Costo Total&quot;])<br>mes_sales[&#39;Margen de Beneficio %&#39;] = mes_sales[&#39;utilidad Bruta&#39;] / mes_sales[&quot;Ingreso Total&quot;] <br>mes_sales.T</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*VIeUXCI4j7UHwO7lD7Qijw.png" /></figure><p>Observamos que los mejores meses en ventas fueron los primeros 2 del año (Enero, Febrero) donde se facturaron cifras por encima de los 17 millones de USD , a partir de marzo hay una caída en las ventas manteniéndose por debajo de los 13 millones en venta hasta noviembre donde finalmente se superan las cifras del mes de Marzo. El peor mes del año en ingresos fue el mes de Abril facturando apenas 9 millones de USD.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/864/1*NcV45Qb3rV8WOM8UJutx4g.png" /></figure><p>Con respecto a la rentabilidad se observa que en todos los meses a pesar de las variaciones en los ingresos, se conserva un margen de utilidad bruta entre el 12% y 13% con respecto a los ingresos generados.</p><h4>Ingresos por Canal de Ventas</h4><p>Luego de ver el desglose de ingresos en el apartado anterior, procederemos a estudiar el desarrollo del negocio a través de los diferentes canales de ventas.</p><pre>Los canales de ventas son los siguientes : [&#39;Bullseye&#39;, &#39;Shoppe.com&#39;, &#39;Understock.com&#39;, &#39;Walcart&#39;, &#39;iBay.com&#39;]</pre><p>Las 2 principales diferencia entre ellos es que 2 canales de venta son establecimientos físicos y los otros 3 son medios de comercialización electrónicos a través de tiendas online.</p><pre>pivot_canales_cat = pd.pivot_table(sales_df, index=&#39;Mes&#39;, columns=&#39;Channel&#39;, values=&#39;Ingreso Total&#39;, aggfunc=&#39;sum&#39;)<br>pivot_canales_cat</pre><p>Como primer paso generamos una tabla dinámica con la función pd.pivot_table(), de esta forma organizamos los datos que queremos (Ingresos generados en USD) durante cada mes del año y totalizando las cifras por canales de ventas.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/785/1*IrkLR4VGkYy_Ci8Sq8Ru3w.png" /></figure><pre># Totalizamos por Canales de venta y Ordenamos las cifras de mayor a menor<br>pivot_canales_cat.sum().sort_values(ascending=False)<br>Channel<br>Understock.com    6849772.07<br>iBay.com          3727093.84<br>Shoppe.com        3459516.15<br>Walcart           1046322.00<br>Bullseye           674670.97</pre><p>Al aplicar esta función observamos que los canales de ventas electrónicos fueron los 3 principales medios de venta. La pagina web por donde se logro mayor numero de ventas fue Understock.com donde se facturo 6.849.772,07 Millones de USD del total de ventas de todo el año.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/864/1*Z5zaAF7Xf-japJ4WLr-GTg.png" /></figure><p>Veamos ahora el análisis estadístico base de los ingresos generados por canales de venta. <strong>Understock.com, Shopee.com y ibay.com</strong> encabezan las ventas promedios mensual por canales de ventas como se observa en la siguiente grafica.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/864/1*vNxyp8PasfQYNRPfbctryA.png" /><figcaption>Ingresos por Canales de Ventas todo el Año</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/864/1*gIGHQ0CV5P09We4VQcnYLQ.png" /><figcaption>Ingresos Generados por cada Canal durante los 12 Meses</figcaption></figure><p>Podemos deducir de estos datos que<strong> los canales electrónicos son los mejores medios de venta que tiene la compañía. ya que en conjunto representan el 89% de los ingresos generados en el año.</strong></p><pre>canales_elect = pivot_canales_cat.sum().sort_values(ascending=False)[:3].sum()/pivot_canales_cat.sum().sum()).round(3)<br>0.891</pre><p>Ya conocemos como se distribuyen los ingresos a través de los diferentes canales de ventas, pero que tal si necesitamos conocer la utilidad bruta por canal de venta, la cantidad de unidades vendidas por medio de cada uno de los canales. para eso podemos aplicar el siguiente código</p><pre>top_por_canales = pd.DataFrame(sales_df.groupby(&#39;Channel&#39;).sum()[&#39;Quantity&#39;].sort_values(ascending=False))<br>top_por_canales[&#39;Ventas Generada por Canal (USD)&#39;] = sales_df.groupby(&#39;Channel&#39;)[&#39;Total&#39;].sum()<br>top_por_canales[&#39;Utilidad Generada por Canal (USD)&#39;] = sales_df.groupby(&#39;Channel&#39;)[&#39;Margen Total&#39;].sum()<br>top_por_canales[&#39;Rentabilidad por Canal (%)&#39;] = (top_por_canales[&#39;Utilidad Generada por Canal (USD)&#39;]/top_por_canales[&#39;Ventas Generada por Canal (USD)&#39;])<br>top_por_canales</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*eNyom5gBXaHYSrttqNtpVQ.png" /></figure><p>En este cuadro podemos ver que el canal que mas ingresos genero es el mismo con mayor utilidad bruta en USD (Understock.com) y mayor unidades de productos vendidas, siendo de igual forma los canales electrónicos los 3 primeros lugares. Sin embargo, observamos que el canal que mayor porcentaje de rentabilidad genero con respecto a los ingresos facturados fue “bulleye” , con una rentabilidad del 13.54%.</p><p>Este dato nos muestra un indicio sobre <em>la relación que existe sobre el margen de utilidad y el volumen de ventas.</em> probablemente para vender muchas mas unidades debas ceder unos puntos porcentuales en tu margen de ganancia. De todas maneras, esto no es una ciencia exacta debido a que el medio de venta menos rentable según nuestros cuadro es Ibay.com con 12.55% y aun así es el segundo en nuestro cuadro de utilidades generadas.</p><p>Existen otros factores que pueden impactar las cifras de ventas como pueden ser gastos de marketing, comportamiento del cliente y su personalidad, cosas que en este post no estamos considerado.</p><p>Con esta información podemos empezar a evaluar si para el próximo año es necesario mejorar las ventas en canales físicos debido a que solo representan un 10 % aprox. de los ingresos. o por el contrario, si la compañía se siente satisfecha por haber realizado la mayoría de sus transacciones por canales electrónicos.</p><p>Al final la utilidad de un estudio como este se basa en los puntos de comparación que la compañía desee establecer entre los objetivos propuestos y la narrativa que los datos estén mostrando.</p><h4>Agregamos una nueva variable; Categorías de productos con mayor venta por Canales</h4><p>Creamos una nueva agrupación de los datos donde estará indexado por las diferentes categorías de productos. En esta oportunidad observamos que contamos con 12 tipos de categorías</p><pre>sales_df[&#39;Category&#39;].unique()<br>array([&#39;Toys &amp; Games&#39;, &#39;Cell Phones &amp; Accessories&#39;, &#39;Sports &amp; Outdoors&#39;,&#39;Camera &amp; Photo&#39;, &#39;Musical Instruments&#39;, &#39;Industrial &amp; Scientific&#39;,&#39;Movies &amp; TV&#39;, &#39;Health &amp; Personal Care&#39;, &#39;Kitchen &amp; Dining&#39;,&#39;Home &amp; Kitchen&#39;, &#39;Patio, Lawn &amp; Garden&#39;, &#39;Electronics&#39;],<br>dtype=object)</pre><p>Creamos el cuadro resumen de implementando la función pd.Groupby() con 2 columnas como índice y aplicamos pd.agg() para indicarle que organice los ingresos totales de acuerdo a las columnas seleccionadas (‘Channel’, ‘Category’). El resultado será un cuadro como el siguiente:</p><pre>masvendidos_canales = pd.DataFrame(sales_df.groupby([&#39;Channel&#39;, &#39;Category&#39;]).agg({&#39;Ingreso Total&#39;: &#39;sum&#39;}).sort_values(by=&#39;Ingreso Total&#39;, ascending=False).unstack(0))<br>masvendidos_canales[&#39;Total Categoria&#39;] = masvendidos_canales.sum(numeric_only=True, axis=1)<br>masvendidos_canales.sort_values(by=&#39;Total Categoria&#39;, ascending=False)</pre><p>Adicionalmente al cuadro, hemos desacoplado el índice de los canales cambiándolo de eje para verlo como una sub-columna dentro de la principal columna que es ingreso total, de esta manera veremos la cifra de cada categoría y la venta por canal que genero. Conjuntamente, creamos una nueva columna totalizando el total vendido por categorías al final del cuadro y ordenamos por el monto total de ventas obtenido por cada categoría.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3lLn7p5WQXeCLZpcuoGg_w.png" /></figure><p>De esta manera observamos que los 3 principales categorías vendidas son los instrumentos musicales(<strong>‘Musical Instruments’</strong>) con unas ventas de 2.470.427,92 USD, Juguetes y Juegos de Mesa (‘<strong>Toys &amp; Games’</strong>) con 2.386.019,69 USD y Teléfonos celulares y Accesorios (‘<strong>Cell Phones &amp; Accessories</strong>’) con 1.917.751,35.</p><p>En contraste a lo anterior, las 3 peores categorías en ventas durante el año fueron productos para Patio y Jardin (‘<strong>Patio, Lawn &amp; Garden</strong>’) con apenas 365.748,56 USD , accesorios para TV y Peliculas (‘<strong>Movies &amp; TV</strong>’) con 701.431,93 USD y equipos electrónicos(‘<strong>Electronics</strong>’) 734.253,62 USD</p><p>Adicionalmente podemos expresar en el cuadro cada uno de los datos como el peso porcentual que representan en comparación con todos los ingresos generados durante el año. Para eso, solo aplicaremos el siguiente codigo a nuestro dataframe</p><pre># Mostramos el Peso Porcentual de cada uno de ingresos generado por categorias y canales</pre><pre>(masvendidos_canales.sort_values(by=&#39;Total Categoria&#39;, ascending=False)/ sales_df[&#39;Ingreso Total&#39;].sum()).style.background_gradient(cmap=&#39;Greens&#39;)</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/596/1*ovzGun0UWsNEKI0rsAGU-Q.jpeg" /></figure><p>De esta manera podemos conocer que los ingresos de los instrumentos musicales a través de todos los canales de ventas representan casi un 16%(15.67%) en comparación a todo lo facturado durante el año. En cada columna por canal de venta en particular podemos observar que el verde mas oscuro representa el valor mas alto encontrado, por ejemplo, en el canal de venta Walcart , la categoría de Juguetes y Juegos de Mesa es el que mayor peso representa de toda la columna al tener el verde mas intenso, sin embargo, en el global de ventas anuales solo representa un 1% de los ingresos.</p><p>Representamos gráficamente las mejores categorías por cada canal de venta disponible durante el año.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_VzhJXplU9N6T0QTQrwmFA.png" /><figcaption>Ingresos por Categoría canal “Bulleye”</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*SJSCGDke8VU-ap0pZJaPig.png" /><figcaption>Ingresos por Categoría canal “Shopee.com”</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kkS6od1C8G2U12FVk71M3Q.png" /><figcaption>Ingresos por Categoría canal “Understock.com”</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-5iKLY9Hkp0lufMyzONNrA.png" /><figcaption>Ingresos por Categoría canal “Walcart”</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*eSbskqwppFe4SNApuXy1Yg.png" /><figcaption>Ingresos por Categoría canal “Ibay.com”</figcaption></figure><h4><strong>Resumen del Análisis a los Canales de Ventas</strong></h4><p>Los mejores canales de ventas por ingresos fueron los relacionados a sitios web o medios electrónicos que representaron el 90% de las ventas durante el año 2020</p><p>Todos los canales de venta mantienen un promedio de rentabilidad estable entre el 12.5% y 13.5% de las ventas, cifras acorde con la rentabilidad global del año que se encuentra alrededor del 13%. Existe una relación bastante evidente entre volumen de ventas y utilidad generada por canal de ventas.</p><p>Al incluir la variable de categorías de productos observamos que las categorías con mas ventas en general también mantienen su liderazgo a través de los canales que mayor ingreso registraron.</p><h3>Rentabilidad por Categoría de productos</h3><p>En este apartado analizaremos la data agrupada por cada trimestre para trabajar con un lapso de tiempo diferente al aplicado en la revisión por canales de ventas.</p><p>iniciamos agrupando la data de ingresos y margen de utilidad por trimestres, el identificador de trimestre es el dato presentando en la columna ‘Cuarto’ que representa los 4 trimestres del año.</p><pre># Tabla Ingresos por Categorias y Trimestres <br>pivot_ingresos_categorias = pd.pivot_table(sales_df, index=&#39;Cuarto&#39;, columns=&#39;Category&#39;, values=&#39;Ingreso Total&#39;, aggfunc=&#39;sum&#39;)<br>pivot_ingresos_categorias = pivot_ingresos_categorias[pivot_categorias.columns]<br>pivot_ingresos_categorias.T<br></pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/772/1*99mlBWapppLUw8Kmh9s1PA.png" /></figure><p>Realizamos grafico para observar el peso que tiene cada categoría en los ingresos total del año.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*aNemkj_CcdxnwLwc34mVCQ.png" /><figcaption>Grafico Ingresos por Categorías durante todo el año</figcaption></figure><p>Luego de ver los ingresos, veamos en una tabla similar las ganancias generadas por cada categoría</p><pre># Tabla de Utilidad o Ganancia Bruta Generada por Trimestre<br>pivot_margen_categorias = pd.pivot_table(sales_df, index=&#39;Cuarto&#39;, columns=&#39;Category&#39;, values=&#39;Margen Total&#39;, aggfunc=&#39;sum&#39;)<br>pivot_margen_categorias = pivot_margen_categorias[pivot_categorias.columns]<br>pivot_margen_categorias.T<br></pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/771/1*kcjGY6JQiaPUP3jlWBHhYg.png" /></figure><p>Al comparar el cuadro de ingresos con el cuadro de ganancias veremos que la categoria que genero mas ingresos no fue la mas rentable en términos de utilidad bruta. el cuadro del margen de utilidad muestra que Teléfonos Celulares y Accesorios (‘<strong>Cell Phones &amp; Accessories’</strong>) es la categoría que mayor utilidad bruta registro en todos los trimestres del año.</p><p>De esta forma podemos dar respuesta a la pregunta <em>¿ Que categoría genero mayor ganancia en cada uno de los trimestres del año ?</em></p><p>Para conocer <em>¿Qué categoría fue la mas rentable en cada uno de los periodos?</em> Veamos en el siguiente cuadro donde se calcula la rentabilidad de cada categoría con respecto a los ingresos registrados</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/393/1*1UJ5kuUmxaUEiJqza3FRBA.jpeg" /></figure><p>Se observa que los productos Electrónicos(‘<strong>Electronics</strong>’) mantienen el mejor margen de ganancia con respecto a sus ingresos, dando una rentabilidad de 29% en los cuatro trimestres evaluados; en segundo lugar se encuentra Teléfonos Celulares y Accesorios (‘<strong>Cell Phones &amp; Accessories’</strong>) con una rentabilidad superior al 28% en los cuatro periodos y para finalizar en tercer lugar los productos de Cámara y Fotografía(‘<strong>Camera &amp; Photo’</strong>) con un 19% de rentabilidad durante todos los trimestres.</p><p>Aquí es interesante ver que los productos electrónicos a pesar de tener el mejor margen de ganancia en comparación a los ingresos, representan en el cuadro de utilidad bruta expresadas en USD montos muy inferiores a la de la categoría con mayor utilidad Teléfonos Celulares y Accesorios. En ningún trimestre logro generar utilidad bruta superior a los 70.000 USD.</p><p>Mientras que la Categoría de Instrumentos Musicales a pesar que mantuvo una rentabilidad sobre el 15% durante los 4 periodos, en términos monetarios logro generar ganancias superiores a los 70.000 USD en cada uno de los trimestres, destacando el primer y ultimo trimestre con ganancias sobre los 100.000 USD.</p><h4>Resumen Análisis de Ventas por Categorías</h4><p>En las categorías de venta trabajamos con un lapso de tiempo diferente (Trimestres) para delimitar tanto los ingresos como la ganancia bruta generada. Vemos que en términos monetarios las categorías de Teléfonos Celulares y Accesorios e instrumentos musicales fueron las que mejores ganancias generaron y mantienen un relación clara con el volumen de ventas generadas donde fueron de las 3 mejores categorías.</p><p>Al analizar la rentabilidad de cada categoría vemos que solo Celulares y Accesorios se mantienen con una rentabilidad alta durante los 4 trimestres de alrededor del 28%. Mientras que instrumentos musicales muestra un margen de aprox. 15% durante todo el año.</p><h3>Análisis por Productos</h3><p>En esta ultima sección nos enfocaremos en conocer cuales fueron los productos que mejor ingreso y margen de ganancia presentaron durante el año. A su vez, estudiaremos aspectos como las tasas de crecimiento en unidades vendidas para conocer que productos podrían destacar en los próximos meses.</p><p>Primero construimos el dataframe base agregando las columnas de promedio de margen porcentual por producto , ingresos generados por productos, margen de utilidad generado por producto expresado en USD y la categoría a la cual pertenece, debido a que estas son las columnas que darán respuesta al estudio que realizaremos.</p><pre>group_prod = pd.DataFrame(sales_df.groupby([&#39;ProductID&#39;,&#39;Product Name&#39;]).agg({&#39;Margen Porcentual&#39;: &#39;mean&#39;, &#39;Ingreso Total&#39;: &#39;sum&#39;,&#39;Margen Total&#39;: &#39;sum&#39;,&#39;Quantity&#39;: &#39;sum&#39;,&#39;Category&#39;: &#39;first&#39; }).sort_values(by=&#39;Margen Total&#39;, ascending=False))<br>group_prod</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YBXFGfRfxnGdTDM0Hn9W6w.png" /></figure><p>Iniciaremos conociendo cuantos productos existen por categorías. Para saber cual de ellas presento el abanico mas grande de productos en todo el 2020</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OIQJPr7zaYVHAzZC3mdoiA.png" /></figure><p>Vemos que la mayor variedad de productos pertenece a la categoría de Juguetes y Juegos de Meza , seguido de los productos instrumentos musicales en segundo lugar y los implementos de cocina en tercer lugar.</p><p>En segundo lugar, vamos a averiguar cual es el producto con mejor promedio de margen porcentual unitario. este calculo nos indicara en que porcentaje el precio unitario de venta superior al costo durante todo el año.</p><pre># Seleccionamos los 10 primeros productos por Margen porcentual<br>mejor_margen = pd.DataFrame(group_prod.sort_values(by=&#39;Margen Porcentual&#39;, ascending=False))[:10]<br>mejor_margen</pre><p>Observamos en el grafico que la mayoría de los productos pertenecen a teléfonos celulares y accesorios. Se encuentran por encima del 30% de margen de utilidad porcentual, pero su rendimiento términos monetarios es bajo debido a la venta de pocas unidades.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*r8jkG_jH-PIXgT8zBTKOew.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/797/1*4jCITA4yPquIMDFjjXPduw.jpeg" /><figcaption>10 Mejores productos por Margen Porcentual unitario</figcaption></figure><p>El impacto en los ingresos y utilidad bruta por parte de estos 10 productos es bajo , el mejor de ellos solo pudo facturar un poco mas de 1000$ durante el año lo que genero unos 300$ en beneficio, si se comparan estas cifras con el global de ingresos y de utilidad se observa lo minúsculo que es el aporte. La tarea posterior al análisis seria evaluar estrategias para ver de que manera aumentar las unidades vendidas de estos productos.</p><h4>Mejor producto por utilidad bruta generada</h4><pre># 10 mejores productos por Utilidad Generada durante el Año<br>mejor_utilidad = pd.DataFrame(group_prod.sort_values(by=&#39;Margen Total&#39;, ascending=False))[:10]<br>mejor_utilidad</pre><p>El producto que mayor contribución a las ganancias brutas durante el año fue el que pertenece al codigo <strong>E/AC-44106.</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/715/1*-XBJox6sVM1QwHssbL9UyA.jpeg" /></figure><p>Este producto es un Cargador para Laptop que pertenece a categoría de productos electrónicos, el cual genero una ganancia de mas de 42.000$, logrando venderse 9757 unidades</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*CRoYuBhoUNBHqcCaV1Cvpw.png" /></figure><p>Podemos observar que en esta clasificación se encuentran 2 productos que pertenecen a la categoría de instrumentos musicales y uno de Cámaras y Fotografías. El resto de productos pertenecen a teléfonos celulares y Accesorios junto a equipos electrónicos.</p><h4>Mayor cantidad de unidades Vendidas</h4><p>En este punto queremos conocer cual es el producto con mayor unidades vendidas durante el año, con base en el dataframe que ya hemos venido trabajando solamente ordenamos por Cantidades (‘Quantity’) para conocer cual ha sido ese producto.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/717/1*mrqsbgAYMMgQXGBMfAb1iA.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*lvh1YP3v2tNWziyOrSFM9g.png" /></figure><p>Vemos que la distribución de categorías en este apartado es mucho mas variado, tenemos hasta 7 categorías de 12 presentes. Del Top 10 de productos con mas unidades vendidas 6 de 10 son productos con un margen porcentual de ganancia por por debajo de 5%. Son productos que necesitan un gran volumen de ventas para poder generar una utilidad bruta considerable. Si observamos el cuadro anterior, se observa que 8 de los 10 productos no generaron una utilidad superior a los 10.000 USD.</p><p>El único producto con un margen alto al cargador de laptop (codigo <strong>E/AC-44106</strong>)que resaltamos como el producto que mayor utilidad había generado en el año.</p><h4>Relación entre Cantidad Vendidas e Utilidad generada</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/870/1*meLkIHJxg6kffNeNRDHsTg.png" /></figure><p>la mayoría de los puntos indiferentemente el color se encuentran por debajo del valor de 10.000 USD en margen generado (eje x). Apenas 29 de un catalogo de 2600 productos generaron mas de 10.000 USD en utilidad en todo el año. Al evaluar el eje y (cantidades) apenas 12 productos superaron las 8.000 Unidades vendidas en todo el año.</p><pre># Cantidad de productos con un Margen Total (Utilidad) mayor a 10.000 USD<br>len(group_prod[group_prod[&#39;Margen Total&#39;] &gt; 10000])<br>29</pre><pre># Cantidad de productos con Unidades Vendidas por encima de 8000 en el Año.<br>len(group_prod[group_prod[&#39;Quantity&#39;] &gt; 8000])<br>12</pre><h4>Variación de Cantidades Vendidas por Meses y su crecimiento.</h4><p>En este punto queremos conocer :¿ Que productos destacaron por su crecimiento en ventas en el año?, ¿Cuáles productos puede ser un buenos prospectos para productos estrellas en los próximos 12 meses?</p><p>Iniciamos creando una nueva tabla donde seleccionaremos solo aquellos productos que se vendieron los 12 meses del año para tener valores recurrentes.</p><pre># Agrupamos los Datos por productos considerando los Meses tomando como valor las cantidades <br>pivot_cantvendi = pd.pivot_table(sales_df, index=&#39;Mes&#39;, columns=&#39;Product Name&#39;, values=&#39;Quantity&#39;, aggfunc=&#39;sum&#39;)<br>pivot_cantvendi= pivot_cantvendi.dropna(axis=1)<br>pivot_cantvendi</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/755/1*3DomUdZvAhsmgtC-77pnVw.png" /></figure><p>Procedemos a calcular una tasa de crecimiento promedio de unidades vendidas para cada producto y ordenamos nuevamente para quedarnos con solamente los 10 primeros valores generados por esa nueva variable.</p><p>El calculo de la tasa de crecimiento lo realizaremos comparando las unidades vendidas de un mes (por ejemplo, el mes 1) comparado con el mes siguiente (el Mes 2) con la función .pct_change() de pandas, y para generar una variación logarítmica (efecto compuesto) aplicamos np.log()</p><pre>best_prospect = pivot_cantvendi.pct_change().apply(lambda x: np.log(1+x)).mean().sort_values(ascending=False)[:10]<br></pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/447/1*vgJDy8FS4yvhxT9t09LulQ.jpeg" /></figure><p>El primer producto que observamos en el cuadro presenta un crecimiento en ventas promedio de alrededor del 27% durante todo el año. Veamos mayor información de estos productos al transformarlos en una lista y filtar los dataframes que hemos usado anteriormente</p><pre># Convertimos en lista los productos <br>product_list= list(best_prospect.index)<br>product_list</pre><pre>#Filtramos nuestro dataframe con los valores de la lista <br>pivot_cantvendi[product_list4]</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/790/1*RowR_tmlsviiN9mwZGynNA.jpeg" /><figcaption>Evolución de Unidades vendidas Productos con proyección de crecimiento</figcaption></figure><p>En el próximo cuadro, filtraremos el dataframe group_prod para conocer las métricas actuales de estos productos.</p><pre>find_prod= group_prod.reset_index()<br>find_prod= find_prod[find_prod[&#39;Product Name&#39;].isin(product_list) == True]<br></pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/714/1*c6Tzt3GC3PLlEk9pvHRTOg.jpeg" /></figure><p>Al filtrar nuestro dataframe base para ver solo los 10 productos con mayor proyección de crecimiento podemos observar que son productos pertenecientes a varias categorías, la mayoría mantienen un buen margen porcentual promedio por tanto sería interesante el impacto futuro en las ventas si se mantiene un ritmo de crecimiento similar a los del actual año.</p><h4>Resumen Análisis por Productos</h4><p>Para resumir los aspectos destacados que hemos encontrado al evaluar las ventas por productos podemos observar que hay gran variedad de productos destacados en cada una de las variables que se analizaron.</p><p>Si se evalúan por margen porcentual promedio la mayoría del top 10 de los productos se encuentran por encima del 30%, pero estos productos no generaron un volumen de ventas destacados.</p><p>En el caso de la utilidad, los principales productos que aportaron utilidad rondan entre los 40.000 y 19.000 USD, vemos mayor variedad de productos pertenecientes a diferentes categorías.</p><p>En el apartado de Volumen de Ventas (cantidad de unidades vendidas). la gran mayoría son productos con margen porcentual de utilidad bajo (inferior al 5%)</p><p>En general, el volumen de ventas estuvo concentrado en productos que no generaban gran margen de ganancia, mientras que los productos con mayor margen no contaron con una gran cantidad de unidades vendidas, a pesar de eso, lograron generar</p><h3>Conclusión</h3><p>En este estudio tratamos la data de ventas de esta compañía desde diferentes ángulos a través de las variables presente en el conjunto de Datos. Empezamos aplicando los procedimientos básicos para obtener certeza de la integridad de los datos, que nos permitiera confiar en los cálculos que realizaríamos posteriormente.</p><p>Luego evaluamos principalmente el Ingresos, rentabilidad o Margen de ganancia bajo diferentes dimensiones como canales de ventas, categorías y finalmente en cada producto en general. El propósito era determinar los aspectos mas relevantes a destacar en el desarrollo de las ventas durante este año, de esta forma poder planificar aspectos a mejorar para el nuevo periodo.</p><p>A su vez, todo los datos generados pueden servir como base para el desarrollo de modelos de Aprendizaje Automatizado(machine learning) con la intención de estimar valores futuros a ser implementados como criterios de aceptación.</p><p>Por ultimo, si luego de leerlo tienes alguna duda, sugerencia o comentario sobre los el análisis realizado, eres bienvenido a compartirlo en los comentarios.</p><h3><strong>Referencias</strong></h3><ul><li><a href="https://pandas.pydata.org/docs/index.html">pandas documentation - pandas 2.3.3 documentation</a></li><li><a href="https://www.analyticsvidhya.com/blog/2022/01/walmarts-sales-analysis-through-data-visualization/">Walmart&#39;s Sales Analysis through Data Visualization - Analytics Vidhya</a></li></ul><p>“Python for Data Analysis by Wes McKinney (O’Reilly). Copyright 2017 Wes McKinney, 978–1–491–95766–0.” <a href="https://wesmckinney.com/book/">https://wesmckinney.com/book/</a></p><p><a href="https://www.pythonforaccounting.com/">The Python for Accounting Book</a></p><p>“Hands-On Data Analysis with Pandas” Stefanie Molin. Second Edition Copyright © 2021 Packt Publishing ISBN 978–1–80056–345–2</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=2a9a675ead40" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>