Análisis de los 25 retailers más grandes de Estados Unidos

A continuación se dará solución a algunas preguntas de negocio que podrían surgir como análisis del comportamiento del dataset "largest_us_retailers.csv". Lo anterior, con la finalidad de observar el rendimiento de las empresas y obtener insigths y/o conclusiones para desarrollar propuestas acertadas.

#librerías import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns

# Importamos los datos df = pd.read_csv('/work/largest_us_retailers.csv') df.head()

Companyobject

Salesint64

Walmart US

658119

Kroger

115037

Costco

90048

Home Depot

83976

Walgreen Boots

78924

Preguntas del negocio

df_sorted = df.sort_values('Sales', ascending=False) df_sorted['Sales'][1:].mean()

x = df_sorted['Company'][1:] y = df_sorted['Sales'][1:] z = np.full(24,df_sorted['Sales'][1:].mean()) z2 = np.full(24, df['Sales'].mean()) fig = plt.figure() plt.bar(x, y) plt.plot(x, z2, linestyle='--', linewidth=2.0, color='blue', label='Promedio CON Walmart') plt.plot(x, z, linestyle='-', linewidth=2.0,color='red', label='Promedio SIN Walmart') plt.title('Ventas vs promedio de ventas') plt.xlabel('Compañia') plt.ylabel('Ventas') plt.legend(bbox_to_anchor=(1.05, 1.0), loc='upper left') plt.xticks(rotation='vertical') plt.show()

Sin contar a Walmart, que es la compañía dominante, el promedio de ventas totales es de: 46602.41 aproximadamente. En el gráfico se puede observar quienes están por encima y quienes por debajo de esa media (LÍNEA ROJA)

df['Sales'].plot.hist(bins=20) plt.title('Ventas vs No. de compañias') plt.xlabel('Ventas') plt.ylabel('No de compañias') plt.show()

Veamos más de cerca, quitemos a Walmart un momento.

df['Sales'][1:].plot.hist(bins=10) plt.title('Ventas vs No. de compañias - sin walmart') plt.xlabel('Ventas') plt.ylabel('No de compañias') plt.show()

En la primer gráfica podemos ver la aplastante diferencia entre ganancias que tiene Walmart, pero ahora lo que nos interesa es saber las ganancias en moda de las compañías.

La gran mayoría de las compañías está ganando entre 20,000 y 30,000 millones de dólares. Sin embargo, creo que por volumen de venta podría tener mas dinero las que están entre 600 y 900 mil millones.

sns.displot(df_sorted[1:], y='Sales') plt.title('Ventas vs Conteo de compañias') plt.ylabel('Ventas') plt.xlabel('No de compañias') plt.show()

Sí, probablemente. Lo que haría sería categorizarlas en bins específicos y aplicar un sum() por categorías.

sns.displot(df_sorted[1:], x='Stores') plt.title('Tiendas vs No. de compañias') plt.xlabel('Tiendas') plt.ylabel('No de compañias') plt.show()

La gran mayoría de las compañías tienen menos de 2000 tiendas físicas. Me dio curiosidad saber quienes tienen 14000 tiendas...

df_stores = df.sort_values('Stores', ascending=False) df_stores.head()

Companyobject

Salesint64

Dollar Tree

21464

Dollar General

22234

CVS incl. Target

77792

Walgreen Boots

78924

Walmart US

658119

Claro, es entendible que las 2 compañías sean "Dollar Stores". Que según entiendo son como pequeñas tiendas parecidas a "Oxxo" en México, que están en todas las esquinas. Tiene mucho sentido.

sns.scatterplot(data=df_sorted, x='Sales', y='Stores') plt.title('Ventas vs Tiendas') plt.xlabel('Ventas') plt.ylabel('Tiendas') plt.show()

En primera instancia, no detecto ninguna tendencia, ni positiva, ni negativa. Veamos si existe alguna diferencia si quitamos a Walmart

sns.scatterplot(data=df_sorted[1:], x='Sales', y='Stores') plt.title('Ventas vs Tiendas') plt.xlabel('Ventas') plt.ylabel('Tiendas') plt.show()

Conclusión: ¡PARA NADA! De acuerdo a lo que se puede ver en el 'scatterplot' esto no tiene ninguna relación de crecimiento. Por lo que podemos decir que no tiene mucho que ver el número de tiendas.

Quizá lo que podríamos suponer es que tiene que ver mucho más con la categoría. Mi hipótesis sería que los productos que vendan generan mayores ganancias.

rango = df['Sales'].max() - df['Sales'].min() rango

EL rango completo que existe entre mínimo y máximo es de 641527.

sns.boxplot(df['Sales']) plt.title('Boxplot de ventas totales') plt.xlabel('Ventas') plt.show()

/shared-libs/python3.7/py/lib/python3.7/site-packages/seaborn/_decorators.py:43: FutureWarning: Pass the following variable as a keyword arg: x. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  FutureWarning

Si lo que queremos son los datos para ser competitivos, con la mayoría de las compañías podemos aislar nuevamente a Walmart y considerarlo como un dato fuera del promedio.

rango = df_sorted['Sales'][1:].max() - df_sorted['Sales'][1:].min() rango

Un número mucho mas razonable.

sns.boxplot(df['Sales'][1:]) plt.title('Boxplot de ventas totales') plt.xlabel('Ventas') plt.show()

/shared-libs/python3.7/py/lib/python3.7/site-packages/seaborn/_decorators.py:43: FutureWarning: Pass the following variable as a keyword arg: x. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  FutureWarning

x1 = df_sorted['Company'][0:5] y1 = df_sorted['Sales'][0:5] x2 = df_stores['Company'][0:5] y2 = df_stores['Stores'][0:5] fig, [ax1,ax2] = plt.subplots(nrows=1, ncols=2, figsize=(12,5)) ax1.bar(x1, y1) ax1.set_title('Top 5 Sales') ax1.set_xlabel('Company') ax1.set_ylabel('Sales') ax1.set_xticklabels(df_sorted['Company'][0:5] , rotation='vertical') ax2.bar(x2, y2) ax2.set_title('Top 5 Stores') ax2.set_xlabel('Company') ax2.set_ylabel('Sales') ax2.set_xticklabels(df_stores['Company'][0:5] , rotation='vertical') plt.tight_layout() fig.show()

/shared-libs/python3.7/py-core/lib/python3.7/site-packages/ipykernel_launcher.py:13: UserWarning: FixedFormatter should only be used together with FixedLocator
  del sys.path[0]
/shared-libs/python3.7/py-core/lib/python3.7/site-packages/ipykernel_launcher.py:19: UserWarning: FixedFormatter should only be used together with FixedLocator

Solamente Walmart y Walgreen Boots. Una es de catergoría supercenters (walmart) y otra drug store (walgreen Boots). Estoy empezando a creer que si es de acuerdo a la categoría.

top_category = df.groupby('Category')['Sales'].sum() print(top_category.sort_values(ascending=False))

Category
Supercenters             745919
Grocery                  297164
Drug Stores              184202
Home Improvement         144287
Warehouse Club            90048
Electronic/Mail Order     71687
Warehouse Clubs           56828
Department Stores         45088
Dollar Stores             43698
Electronics               34980
Apparel                   25012
Name: Sales, dtype: int64

Supercenters es la que ha generado más dinero. La que menos dinero ha generado es el Apparel. Podemos verlo mejor de la siguiente manera.

df_cate2 = df.groupby('Category').sum().reset_index() df_cate2 = df_cate2.sort_values('Sales', ascending=False) df_cate2

Categoryobject

Supercenters9.1%

Grocery9.1%

9 others81.8%

Salesint64

25012 - 745919

Supercenters

745919

Grocery

297164

Drug Stores

184202

Home Improvement

144287

Warehouse Club

90048

Electronic/Mail Order

71687

Warehouse Clubs

56828

Department Stores

45088

Dollar Stores

43698

Electronics

34980

fig, ax = plt.subplots() ax.pie(df_cate2['Sales'], labels=df_cate2['Category']) ax.set_title('Distribución de ventas por categoría') plt.show()

Casi la mitad del dinero recaudado viene de Supercenters, después el segundo lugar Grocery. Y sí, así como imaginan Walmart es parte de los Supercenters.

df['Sales_vs_Stores'] = df.Sales / df.Stores best_companies = df.groupby('Company')['Sales_vs_Stores'].sum() print(best_companies.sort_values(ascending=False).head())

Company
Costco        181.915152
Walmart US    143.882597
Sam's Club     86.760305
Meijer         71.826840
HEB            66.204334
Name: Sales_vs_Stores, dtype: float64

Ok, aquí tenemos algo interesante. Costco es la que tiene mejor rendimiento con respecto al número de tiendas físicas que tiene. Es posible que se deba a que el público al que va dirigido es clase media alta, es decir, las personas que compran en Costco gastan más. Habría que revisar las diferencias estructurales entre Costco y Walmart

df_companies = df.sort_values('Sales_vs_Stores', ascending=False) x = df_companies['Company'] #Aplicamos slicing como en una lista de Python. y = df_companies['Sales_vs_Stores'] #sns.barplot(data=df, x=df['Company'], y=df['Sales_vs_Stores']) sns.barplot(data=df, x=x, y=y) plt.title('Taza de ventas por cada tienda física') plt.xlabel('Compañía') plt.ylabel('Ventas / Tiendas') plt.xticks(rotation=90) plt.show()

En la gráfica podemos observar los diferentes rendimientos de cada compañía con respecto al número de tiendas físicas que tienen. Aquí no manipula todo Walmart.

companies_online = df_sorted[df_sorted.Stores.isnull()] companies_online.head()

Companyobject

Salesint64

Amazon

71687

Apple incl. Online

37664

Amazon y Apple son las únicas que mantienen sus operaciones únicamente en línea. Ahora, ¿venderán más o menos que las físicas?

companies_physics = df_sorted[df_sorted.Stores.notnull()] print('Promedio de Sales Online: ' + str(companies_online['Sales'].mean())) print('Promedio de Sales Físicas: ' + str(companies_physics['Sales'].mean()))

Promedio de Sales Online: 54675.5
Promedio de Sales Físicas: 72488.08695652174

x = ['online', 'fisicas'] y = [companies_online['Sales'].mean(), companies_physics['Sales'].mean()] plt.bar(x, y) plt.title('Mediana online vs fisicas') plt.xlabel('Tipo') plt.ylabel('Med Sales') plt.show()

Si consideramos el promedio de las ventas, las ventas fisicas son mayores a los sales online. Existe una diferencia abrumadora de 20 mil millones.

PERO... para este caso, al tener un elemento tan lejos de la normalidad, como lo es Walmart, debería ser mucho más sensato usar la mediana...

companies_physics = df_sorted[df_sorted.Stores.notnull()] print('Mediana de Sales Online: ' + str(companies_online['Sales'].median())) print('Mediana de Sales Físicas: ' + str(companies_physics['Sales'].median()))

Mediana de Sales Online: 54675.5
Mediana de Sales Físicas: 34408.0

x = ['online', 'fisicas'] y = [companies_online['Sales'].median(), companies_physics['Sales'].median()] plt.bar(x, y) plt.title('Mediana online vs fisicas') plt.xlabel('Tipo') plt.ylabel('Med Sales') plt.show()

Así cambia el modelo y los 20 mil millones se diferencian a favor de las ventas online. Con esto podemos concluir que las ventas online son mucho mas significativas que la en mayoria de las tiendas fisicas.

Sin embargo, no me casaría con ese resultado. Debido a la diferencia entre la cantidad de compañías 'fisicas' en comparación con las que son 'online'. Por lo que, como análisis futuro, podríamos recolectar datos de más tiendas online y obtener un resultado mas confiable.

Walmart es el gran monstruo en ventas y la categoría que representa (supercenters) es la que más ventas tiene también. Sin embargo, no es la empresa líder si hablamos de tienda por tienda, ahí la presea la tiene Costco. Así mismo podríamos analizar si a Dollar Tree le conviene tener tantas sucursales alrededor de Estados Unidos, porque es de las empresas que mas tiendas tiene y menores ventas genera. Además las tiendas online aunque, en promedio, ganen menos, en comparación con las demás compañías ganan cerca de 20 mil millones más.

Conclusiones

Estas conclusiones están separadas de acuerdo a posibles escenarios donde el contenido de este análisis podría ser benéfico.

Si lo que buscamos del análisis es posicionar una marca de retailers nueva, deberíamos tomar en cuenta los datos promedios sin contemplar a Walmart, para tener un rendimiento competitivo en el rubro. Si analizamos el por qué de los grandes numero de Costco con un numero menor de tiendas, deberíamos observar el contenido estructural de cada empresa. Categóricamente, podemos observar que los Supercenters son los que manejan el rubro, sin embargo, las groceries y las drug stores serían un campo de inversión mas variado y por ende con una competencia más plana.

.css-ytumd6{-webkit-text-decoration:none;text-decoration:none;}Análisis de los 25 retailers más grandes de Estados Unidos

Preguntas del negocio

Conclusiones

Análisis de los 25 retailers más grandes de Estados Unidos