Un recorrido completo por el mundo de un E-Commerce saludable, descubriendo insights y creando un sistema de recomendación que potencia las decisiones de negocio.
Proyecto desarrollado en MySQL para la generación de insights orientados a una propuesta de incremento de ventas solicitada por el Área Directiva. Se implementó un Cuadro de Mando en Power BI de fácil interpretación para comunicar los resultados. Finalmente, se diseñó un motor de recomendación en Python como propuesta de mejora, pensado para su aplicación en distintas áreas de la empresa.
RESUMEN EJECUTIVO
El objetivo del análisis fue evaluar el desempeño del instrumento de ventas de Sano y Fresco e identificar oportunidades de mejora. El estudio se apoyó en tres pilares: ventas y tendencias, productos y secciones, y clientes y pedidos. Los hallazgos revelaron ingresos significativos durante el año, aunque con una tendencia decreciente del 82%, una fuerte concentración de ventas en una sola sección de productos y un ticket promedio bajo frente a lo esperado.
Como respuesta, se propusieron estrategias de diversificación impulsando secciones menos representadas mediante nuevos productos y promociones segmentadas, junto con la implementación de un sistema de recomendación analítico. Este último, basado en un Market Basket Analysis, permitió identificar asociaciones entre productos y generar visualizaciones prácticas para el área de Marketing, la toma de decisiones de los usuarios finales y la implementación técnica en IT.
CONCLUSIONES
El análisis permitió diagnosticar debilidades clave en el modelo de ventas de Sano y Fresco: caída sostenida de ingresos, concentración excesiva en una categoría y bajo valor promedio por pedido.
Se comprobó la necesidad de diversificar la oferta de productos y mejorar la experiencia de compra mediante promociones y estrategias personalizadas.
La implementación de un motor de recomendación basado en Market Basket Analysis aportó una herramienta concreta para potenciar ventas cruzadas y fidelizar clientes.
El proyecto evidenció el valor del análisis de datos como soporte estratégico, integrando áreas de negocio, marketing e IT en torno a decisiones informadas.
TRABAJO REALIZADO
Importación de Datos
Se obtuvieron dos tipos de archivos .csv y .db
Análisis de Insights
Se elaboró un documento en Word para definir el enfoque de análisis y detectar las debilidades clave en el modelo de ventas de Sano y Fresco, utilizando el siguiente framework como guía:
Para cada uno de estos tres pilares nos preguntaremos cuál es su ámbito de negocio y posteriormente generamos la consulta SQL. Ejemplo a continuación sobre Clientes y Pedidos:
Archivo de Excel documentando las consultas generadas en SQL
Implementación de Cuadro de Mando interactivo con Power BI
Ejemplo seleccionando "Frutas - Banana - Junio y Julio"
Creación de motor de recomendación
Se empleó Python junto con la librería Pandas para el desarrollo del modelo de recomendación basado en Market Basket Analysis. Este enfoque se centra en tres indicadores fundamentales: Soporte, Confianza y Lift.
El Soporte mide la intersección entre dos eventos A y B, es decir, la proporción de tickets en los que aparecen ambos productos de manera conjunta. Para optimizar el cálculo, se filtró previamente por el soporte del producto antecesor (A), reduciendo así la carga computacional y evitando procesar la totalidad de los SKU’s innecesariamente.
La Confianza representa la probabilidad de que ocurra el evento B dado que previamente ocurrió A. Este indicador cobra relevancia al analizar cómo varían las dependencias entre productos a partir de un antecedente específico. Una mayor confianza refleja una asociación más fuerte en las preferencias de los consumidores.
Finalmente, se incorporó el cálculo del Lift, que ajusta la interpretación de la confianza al penalizar asociaciones que, aunque frecuentes, puedan deberse a su alta popularidad individual en lugar de una relación real. Por ejemplo, en un supermercado, tanto la leche como la carne son productos de alta rotación que podrían mostrar una confianza elevada sin que necesariamente exista una relación de consumo directo. El Lift permite priorizar reglas de recomendación más significativas, como la asociación entre leche y cacao, donde se combina alta confianza con un valor de Lift elevado.
Visualización para comunicar resultados
Para finalizar el proyecto decidimos plasmar en un Dashboard similar al anterior la propuesta anteriormente desarrollada. El objetivo del mismo es poder comunicar eficazmente para que el Área de IT haga el desarrollo correspondiente y para que el Área de Marketing pueda implementar estrategias innovadoras a raíz de los hallazgos obtenidos.