Alura Store Latam – Análisis de Ventas

Este repositorio contiene el cuaderno AluraStoreLatam.ipynb que analiza el desempeño de cuatro tiendas de la cadena Alura Store en Latinoamérica a partir de datos abiertos en CSV. El objetivo es obtener indicadores rápidos de facturación, ventas por categoría, satisfacción de clientes y logística.

Tabla de contenido

1. Descripción del proyecto
2. Estructura del notebook
3. Requisitos
4. Instalación
5. Uso
6. Conjunto de datos
7. Resultados destacados
8. Contribuciones
9. Licencia
10. Autora

Descripción del proyecto

El cuaderno realiza un análisis exploratorio ligero (EDA) para responder a preguntas clave de negocio:

• ¿Cuál es la facturación total de cada tienda?
• ¿Qué categorías de productos generan más ingresos?
• ¿Cuál es la calificación promedio otorgada por los clientes?
• ¿Qué productos son los más y menos vendidos?
• ¿Cuál es el costo de envío promedio por tienda?

Las respuestas se calculan únicamente con Python y pandas, lo que hace que el proyecto sea fácil de reproducir y extender.

Estructura del notebook

Sección	Contenido
1. Importación de datos	Lectura de cuatro archivos CSV con transacciones individuales.
2. Análisis de facturación	Suma de ingresos por tienda y cálculo de un nuevo campo Total_Facturación.
3. Ventas por categoría	Agrupación (groupby) para ver ingresos por categoría de producto.
4. Calificación promedio	Media simple de la columna Calificación.
5. Productos más / menos vendidos	Ranking de artículos según facturación acumulada.
6. Envío promedio	Promedio de Costo de envío por tienda.

Requisitos

• Python ≥ 3.8
• pandas
• jupyterlab o notebook clásico

Instalación

# 1. Clonar el repositorio
git clone https://github.com/Joanna20Carrion/Tiendas-de-Alura-Store.git
cd AluraStoreLatam

# 2. (Opcional) Crear y activar un entorno virtual
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 3. Instalar dependencias
pip install pandas jupyter

Uso

1. Ejecuta jupyter notebook o jupyter lab.
2. Abre AluraStoreLatam.ipynb.
3. Ejecuta las celdas de arriba hacia abajo. Cada bloque imprime los indicadores calculados.

Conjunto de datos

Los CSV provienen de URLs públicas de GitHub Raw (incluidas en la primera celda). Cada archivo contiene, entre otros, los siguientes campos:

• Precio
• Cantidad de cuotas
• Categoría del Producto
• Calificación
• Costo de envío

Resultados destacados

• Facturación total: muestra el rendimiento global de cada tienda.
• Top 5 categorías: identifica las unidades de negocio más rentables.
• Calificación promedio: proxy de satisfacción del cliente.
• Productos estrella y de baja rotación: guía para decisiones de inventario.
• Envío promedio: indica posibles oportunidades de optimización logística.

Contribuciones

¡Se aceptan pull requests! Por favor crea un branch, describe tu cambio y abre la PR.

Licencia

Este proyecto se distribuye bajo la licencia MIT. Consulta el archivo LICENSE para más detalles.

Autora

Joanna Alexandra Carrión Pérez
🎓 Bachiller en Ingeniería Electrónica
🚀 Apasionada por la ciencia de datos y sistemas inteligentes
📧 joannacarrion14@gmail.com
🔗 LinkedIn