Proyecto de Supermercado

Estructura de repositorio

El objetivo de este repositorio es implementar las buenas prácticas de acuerdo al paper "Good Enough Practices in Scientific Computing" por Greg Wilson, Jennifer Bryan, Karen Cranston, Justin Kitzes, Lex Nederbragt, Tracy K. Teal.

La estructura que queremos que tenga este repositorio es la siguiente:

├── LICENSE           <- MIT License.  
|  
├── README.md         <- Main Readme file with the description of the project.  
|  
├── CONTRIBUTING.md   <- Steps yo contribute to the project.  
|  
├── CITATION.md       <- Way to cite the project.  
|  
├── data              <- Original data bases.  
|  
├── doc               <- Archivos de texto.  
|  
├── results           <- Clean and analyzes data bases.  
|  
└── src               <- Coding files.  

# Aqui se creara un EDA (Analisis Exploratorio de Datos)

El análisis de EDA deberá realizarse en un Jupyter Notebook y considerar los siguientes puntos:

• Descripción de los datos
• Limpieza de datos
• Missing values
• Visualización de datos
• Referencias

Descripción de los datos

Actualmente en el mundo existe una competencia en el mercado de Abarrotes, por lo que la siguiente SuperMercado esta buscando que es lo que mejor funciona para una mejor toma de decisiones de negocio. Hoy en dia el Business Inteligence

En este proyecto se analizará la importancia del Business Intelligence en la toma de decisiones de una tienda, destacando la relevancia de las técnicas de análisis de productos, regiones, categorias y segmentos de clientes debe dirigirse o evitar-

La base de datos utilizada tiene la siguiente estructura:

• Row ID => ID unico para cada fila .
• Order ID => ID unico por cada cliente .
• Order Date => Fecha de orden del producto.
• Ship Date => Fecha de envio del producto.
• Ship Mode=> Metodo de envio especificado por el cliente.
• Customer ID => ID unico para identificar a cada cliente.
• Customer Name => Nombre del cliente.
• Segment => El segmento al cual el cliente pertenece.
• Country => Pais de residencia del cliente.
• City => Ciudad de residencia del cliente.
• State => Estado de residencial del cliente.
• Postal Code => Codigo postal por cada cliente.
• Region => Region al cual el cliente pertenece.
• Product ID => ID unico del producto.
• Category => Categoria del producto ordenado.
• Sub-Category => Sub-Categoria del producto ordenado.
• Product Name => Nombre del producto.
• Sales => Ventas del producto.
• Quantity => Cantidad del producto.
• Discount => Descuento proporcionado.
• Profit => Ganancias/Perdidas incurridas.

fuente:GIPHY

Proyecto EDA de Supermercado

Maestría en Ciencia de Datos de Posgrados CUCEA de la Universidad de Guadalajara.