Informe final PDF
PDFInforme estadistico final de 5 paginas con metodologia, resultados, conclusiones y limitaciones.
MásterData AnalyticsFinalizado
Statistical Sales Analysis
Analisis estadistico de factores asociados a ingresos por ventas
Daniel Garcia NiloDossier del proyecto
PythonPandasNumPyMatplotlibSeabornScikit-learnStatsmodelsSciPyJupyter NotebookStatisticsLinear RegressionData Analysis
Descripción
Qué es y qué resuelve
Proyecto finalizado del Master en Data Science que analiza que factores de marketing, cliente, engagement digital y contexto comercial estan mas asociados con los ingresos por ventas.
El trabajo utiliza un dataset sintetico de 60.000 observaciones y 23 variables para estudiar sales_revenue_usd desde una perspectiva observacional. El analisis combina calidad de datos, estadistica descriptiva, outliers IQR, comparaciones por grupos, correlaciones, seleccion de variables y regresion lineal multiple evaluada con R2, MAE, RMSE, VIF, residuos, test de White y errores estandar robustos HC3.
Factores asociados a mayores ingresos
La pregunta principal fue: que factores de marketing, comportamiento del cliente, engagement digital y contexto comercial estan mas asociados con los ingresos por ventas?
La variable objetivo es sales_revenue_usd. Todo el dossier mantiene lenguaje de asociacion: el analisis no demuestra causalidad.
60.000 observaciones, 23 variables, periodo 2020-2023
Dataset sintetico con bloques de variables de marketing, cliente, digital/engagement y contexto comercial. El identificador id y la fecha se excluyen del modelo principal.
- Marketing: presupuesto, promociones, descuentos
- Cliente: segmento, edad, satisfaccion, compras previas
- Digital / Engagement: trafico web, conversion, email, seguidores
- Contexto comercial: region, canal, categoria, temporada, vendedores, competencia
Flujo analitico reproducible
Data Quality/
EDA/
Descriptive Statistics/
Outlier Detection/
Correlation Analysis/
Feature Selection/
Multiple Linear Regression/
Model Evaluation/
Statistical Diagnostics/
Business Insights
- IQR outlier detection
- Train/test split 80/20
- Dummy variables para categoricas
- R2, Adjusted R2, MAE y RMSE
- Variance Inflation Factor (VIF)
- Residual analysis, White test y errores robustos HC3
Metricas del modelo
R2 Train
0.834
Rendimiento en entrenamiento.
Adjusted R2
0.833
Muy proximo al R2 train.
R2 Test
0.831
Rendimiento estable en datos nuevos.
MAE Test
1,247 USD
Error absoluto medio.
RMSE Test
2,361 USD
Penaliza errores extremos.
Maximum VIF
2.18
Sin multicolinealidad seria.
Patrones relevantes para negocio
Marketing budget presenta la correlacion lineal mas elevada con revenue (r = 0.727) y mantiene una asociacion positiva en la regresion al controlar por el resto de variables.
Tambien destacan conversion_rate, num_previous_purchases y customer_satisfaction_score. En variables categoricas aparecen diferencias relevantes asociadas con Corporate/VIP customers, Electronics, Wholesale y Q4.
Age, followers, email open rate y region no presentan evidencia estadistica clara una vez controladas las demas variables.
Criterio estadistico y prudencia
- El dataset es sintetico.
- El analisis es observacional.
- Asociacion no implica causalidad.
- Existen outliers.
- Existe heterocedasticidad.
- Los residuos presentan problemas de normalidad.
- Se utilizan errores estandar robustos HC3.
Recursos
Archivos del proyecto
Documentación, notebooks, entregables y archivos organizados como dossier consultable.
Jupyter Notebook
NotebookNotebook de laboratorio con el analisis reproducible, graficas, modelo y diagnosticos.
Capturas y visuales
Distribucion y boxplot de revenue
Figura real del notebook: los ingresos muestran asimetria a la derecha y presencia de valores extremos.
Ingresos medios por grupos
Comparaciones descriptivas por customer segment, sales channel, product category y season.
Relaciones numericas con revenue
Marketing budget presenta la correlacion lineal mas alta con revenue dentro del analisis numerico.
Diagnostico de residuos
Diagnosticos del modelo: residuos asimetricos, valores extremos y evidencia de heterocedasticidad.
Nota
El proyecto estudia asociaciones estadisticas y no relaciones causales.
Las metricas y visuales proceden del notebook y del informe final proporcionados.