VENTAS RETAIL
Un estudio exhaustivo sobre patrones de consumo, segmentación
de clientes y optimización de inventario utilizando técnica
avanzadas de análisis de datos.
Evaluar el rendimiento de las ventas retail mediante el análisis de datos históricos, identificando patrones de consumo, diferencias entre categorías y segmentos de clientes, y generando KPIs clave que permitan mejorar la estrategia comercial y la toma de decisiones basada en datos.
El dataset contiene 99.4K de registros transaccionales recopilados entre 2021 y 2023, abarcando 10 variables por transacción.
Ventas totales
son clientes femeninos, frente a un 49,09% de clientes masculinos
Sector con más ventas por gran diferencia
de los pagos usan efectivo como método de pago, frente al 35,12% en tarjetas de crédito y finalmente débito con 20,19%
es el establecimiento que lidera en ventas, seguido muy cercanamente por Kanyon
Stack técnico: Python (Pandas, Numpy), SQL (SQL Server),
Power BI, Git.
El proyecto siguió un enfoque estructurado combinando preparación de datos, análisis y visualización. Primero, se importaron los datos desde archivos CSV a SQL Server, aplicando limpieza, normalización y eliminación de valores inconsistentes para asegurar la calidad y consistencia de la información.
A continuación, se desarrollaron consultas SQL para transformar los datos y crear vistas funcionales que resumieran la información clave, incluyendo ventas por categoría, distribución por género etc. Estas vistas permitieron estructurar los datos de manera eficiente para su posterior análisis.
La visualización de resultados se realizó en Power BI con DA
personalizado para métricas calculadas, conectado a las vistas de SQL Server
