📊 Análisis de Desempeño Económico (Ventas & Marketing)

Este repositorio contiene el código y la documentación del Análisis Exploratorio de Datos (EDA) del negocio, incluyendo:

• Limpieza y estandarización de datos
• Análisis de ventas por producto, categoría y mes
• Identificación de productos de alto rendimiento
• Evaluación de campañas y canales de marketing
• KPIs del negocio
• Visualizaciones clave
• Consolidación final para toma de decisiones

El objetivo del proyecto es recorrer todo el flujo de trabajo de un analista de datos: cargar → limpiar → analizar → visualizar → interpretar → consolidar insights.

---

🚀 Objetivos del Proyecto

• Limpiar y preparar datasets reales
• Analizar tendencias, patrones y variaciones en ventas
• Identificar productos más rentables y de mayor volumen
• Evaluar el impacto del marketing en las ventas
• Crear visualizaciones con técnicas modernas
• Construir un conjunto final de KPIs para la toma de decisiones
• Comunicar insights de manera clara y accionable

📚 Proyecto desarrollado como parte del curso “Análisis de Datos con Python – 2025”.

---

🛠️ 2. Tecnologías y Librerías

• Entorno: Google Colab
• Lenguaje: Python 3.x
• Librerías Principales: pandas, numpy, matplotlib, unidecode, seaborn, scipy
• Datos: Archivos CSV de Ventas, Clientes y Marketing.

---

✨ Flujo del Proyecto

1. Importación de Datos: Lectura de archivos CSV con pandas.
2. Limpieza de Datos:
   • Eliminación de duplicados y valores nulos.
   • Estandarización de nombres y formatos (p. ej., minúsculas y eliminación de acentos).
3. Análisis Exploratorio (EDA):
   • Análisis Descriptivo
   • Análisis Temporal
   • Análisis por Producto
   • Análisis por Categoría
   • Análisis de Marketing

📈 Visualizaciones Generadas

• Barras por producto, categoría y mes
• Histogramas y boxplots
• Heatmaps de ventas por mes y categoría
• Heatmap de ventas de los top 10 productos del año
• Scatterplots para correlación
• Líneas de ingresos semanales.

📂 Estructura del Repositorio

├── data/
|   ├── ventas.csv
│   ├── clientes.csv
│   └── marketing.csv
├── notebooks/
│   └── proyecto_final_fernandez_emilia_comision_25262.ipynb
└── README.md

💬 Resultados Esperados

• Comprender las bases del análisis exploratorio.
• Practicar el uso de pandas y numpy.
• Empezar a comunicar resultados con métricas.

👩‍💻 Autor

Desarrollado por: Emilia Fernández 📅 Proyecto de práctica – Análisis de Datos con Python 2025

🔗 Conectemos

⭐ Si te interesa seguir mi progreso, no olvides dejar una estrella ⭐ en el repositorio.