6 TP Final Integrador

# RESOLUCIÓN ANALÍTICA my_df2 = my_df.groupby('article_name').sum() por_cantidad = my_df2.sort_values('quantity', ascending=False) print(por_cantidad['quantity'].head(1), '\n') # # Otro método, puede dar inconvenientes en el caso que haya más de un # # producto con el mismo número máximo de ventas best_sell = my_df2[(my_df2['quantity'] == my_df2['quantity'].max())] print(best_sell)

# RESOLUCIÓN GRÁFICA plt.figure(figsize = (7.5,9)) plt.style.use('seaborn-pastel') por_cantidad['quantity'][::-1].plot(kind = 'barh') plt.xticks(fontsize = 14) plt.yticks(fontsize = 12) plt.xlabel('Cantidad', fontsize = 16) plt.ylabel('Nombre del artículo', fontsize = 16) plt.tight_layout() # plt.savefig('Articulos mas vendidos.jpg', dpi = 300, bbox_tight = True) plt.show()

El artículo más vendido son los discos duros de estado sólido (HDD), los cuales totalizaron 413 unidades.

# RESOLUCIÓN ANALÍTICA # print(my_df2.head(), '\n') por_valor = my_df2.sort_values('total_amount', ascending=False) print(por_valor['total_amount'].head(1), '\n') # # Otro método, puede dar inconvenientes en el caso que haya más de un # # producto con el mismo número máximo de ingresos higest_profit = my_df2[(my_df2['total_amount'] == my_df2['total_amount'].max())] print(higest_profit)

# RESOLUCIÓN GRÁFICA plt.figure(figsize = (7.5,9)) por_valor['total_amount'][::-1].plot(kind = 'barh') plt.xticks(fontsize = 14) plt.yticks(fontsize = 12) plt.xlabel('Ingresos', fontsize = 16) plt.ylabel('Nombre del artículo', fontsize = 16) plt.tight_layout() # plt.savefig('Articulos que mas ingresos generaron.jpg', dpi = 300, bbox_tight = True) plt.show()

El artículo que más ingresos generó fue la Full PC, esta produjo $ 538335,5 al vender a 253 unidades.

# RESOLUCIÓN ANALÍTICA por_vendedores = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending=False) print(por_vendedores['total_amount'].head(1), '\n') # # Otro método, puede dar inconvenientes en el caso que haya más de un # # producto con el mismo número máximo de ventas best_seller = por_vendedores[(por_vendedores['total_amount'] == por_vendedores['total_amount'].max())] print(best_seller)

# RESOLUCIÓN GRÁFICA plt.figure(figsize = (9,7)) por_vendedores['total_amount'].plot(kind = 'bar') plt.xticks(fontsize = 12, rotation = 60) plt.yticks(fontsize = 12) plt.xlabel('Nombre del vendedor', fontsize = 16) plt.ylabel('Ingresos', fontsize = 16) plt.tight_layout() # plt.savefig('Vendedores.jpg', dpi = 300, bbox_tight = True) plt.show()

El bono que premia al vendedor que genere los mayores ingresos debe ser otorgado a Janel O'Curran, quien logró ventas por $ 192832,47.

# RESOLUCIÓN ANALÍTICA # print(my_df.groupby('week')) variacion_ventas = my_df.groupby('week').sum() print(variacion_ventas)

# RESOLUCIÓN GRÁFICA plt.figure(figsize= (7.5, 5)) variacion_ventas['total_amount'].plot(marker = 'o', markersize = 10, lw = 3) plt.xticks([1, 2, 3, 4], fontsize = 12) plt.yticks(fontsize = 12) plt.xlabel('Numero de semana', fontsize = 16) plt.ylabel('Ventas', fontsize = 16) # plt.savefig('Ventas por semana.jpg', dpi = 300, bbox_tight = True) plt.show()

El total de ventas desglosado por semana puede verse rápidamente en la Figura, la cual muestra un severo descenso en las ventas a medida que transcurre el mes. Los ingresos en la semana 4 no llegan ni a la mitad de los producidos en la semana 1. Es por ello que una campaña de promociones durante las semanas 3 y 4 podría mejorar el nivel de ventas.

# RESOLUCIÓN ANALÍTICA por_pais = my_df.groupby('country_name').sum().sort_values('total_amount', ascending=False) print(por_pais.head())

# RESOLUCIÓN GRÁFICA por_pais2 = my_df.groupby('country_name').sum().sort_values('total_amount')[-5:] plt.figure(figsize = (7.5,5)) por_pais['total_amount'][0:5][::-1].plot(kind = 'barh') plt.xlabel('Ventas', fontsize = 16) plt.ylabel('Nombre del país', fontsize = 16) plt.xticks(fontsize = 12) plt.yticks(fontsize = 12) # plt.savefig('top_paises.jpg', dpi = 300, bbox_tight = True) plt.show()

Los cinco países en donde se produjeron los mayores ingresos son (en orden descendiente): Brasil, Argentina, Colombia, Perú y Mexico.

# RESOLUCIÓN ANALÍTICA paises = np.sort(df_orders['country_name'].unique()) for i in range(len(paises)): por_pais3 = my_df[my_df['country_name'] == paises[i]].groupby('article_name').sum().sort_values('total_amount', ascending = False) print(paises[i], por_pais3.head(3).index.values)

Se observa que los artículos más vendidos son bastante similares en toda la región. Siendo Full PC, Smartphone y Notebook los más vendidos, a los que podemos agregar la participación de Monitor, Scanner y Chair en varios segundos puestos.

# RESOLUCIÓN ANALÍTICA print(por_valor.head(5), '\n') print(por_valor.tail(5))

Se observa que el número de unidades vendidas no presenta gran disparidad, presentando los artículos ventas entre 150 y 400 unidades.

A través del análisis de los registros de ventas e ingresos generados por más de 30 artículos en Latinoamérica podemos trazar algunas conclusiones. En primer lugar encontramos que cada artículo vendió entre 150 y 400 unidades aproximadamente. Sin embargo los tres productos que más ingresos generaron son Full PC, Notebook y Smartphone, que están entre los productos más caros. Desglosando por país, se encuentra que los artículos que más ingresos generaron son prácticamente los mismos en toda la región: Full PC, Notebook y Smartphone, a los que podemos agregar Tablet, Monitor y Scanner.

Totalizando los ingresos generados por país encontramos que Brasil es el principal mercado, prácticamente duplicando los ingresos por ventas a Argentina, que se encuentra en el segundo puesto. Siguen a estos dos países, Colombia, Perú y México.

Si analizamos los artículos menos vendidos, observamos que estos se encuentran entre los más económicos. Un posible estrategia para potenciar los ingresos de estos artículos podría ser la venta en formato de "combo", es decir vender paquetes de dos o más artículos. Posibles "combos" serían Keyboard, Mouse y Headphones, otro podría ser Case, Motherboard, Video Card y HDD.

Por último, desglosando el total de ingresos por semana, encontramos que estas desciende notablemente a lo largo del mes, siendo los ingresos en la semana 4 la mitad de los de la semana 1. Por tal motivo, una campaña de promociones durante la semana4 e incluso la semana 3 podrían potenciar las ventas a fin de mes y así reducir la variación a lo largo del mes.