Proyectos
Explorá mis proyectos de análisis de datos.
Análisis de BI para BrightWay Inc.
Este proyecto tiene como objetivo analizar el desempeño de la empresa BrightWay Inc. dedicada a la venta a empresas y a consumidores particulares tanto de productos de tecnología como de muebles y suministros de oficina en Estados Unidos. A través del análisis de datos, se busca identificar oportunidades de mejora, patrones de comportamiento de clientes y productos, así como evaluar las ventas y la rentabilidad por locación y forma de envío.
Objetivos del proyecto
Recolectar, limpiar y estandarizar una base de datos comercial
Realizar un análisis exploratorio de los datos identificando dimensiones claves (Clientes / Productos / Locaciones / Devoluciones / Logística y Envíos)
Crear un modelo de datos estrella para generar un dashboard útil y eficiente en Power BI
Diseñar un dashboard interactivo con KPIs y visualizaciones clave
Generar insights que aporten valor estratégico para la toma de decisiones
Tecnologías utilizadas
Python (Pandas, NumPy, Matplotlib y Seaborn)
SQL (SQLite)
Power BI
Excel
Jupyter Notebook
Metodología aplicada
Recolección, Limpieza y Estandarización de datos: Tratamiento de nulos, duplicados, inconsistencias, formatos erróneos y estandarización de categorías. Creación de columnas útiles para el posterior análisis.
Análisis exploratorio (EDA): Segmentación por dimensiones clave usando Python y SQL.
Modelado de datos: Creación de tablas de hechos y dimensiones para importar a Power BI.
Visualización: Construcción de un dashboard con KPIs, filtros y gráficos por dimensión.
Extracción de insights: Interpretación de resultados para generar valor al negocio.
Modelo de datos
Se diseñó un modelo estrella con una tabla de hechos “Transacciones” y múltiples dimensiones: Clientes / Productos / Locaciones / Gerentes/ Logística / Retornos.
También, se creó una Tabla Calendario con los diferentes formatos de fecha concernientes a los datos de la tabla de hechos y útiles para el análisis y la visualización de los datos. Además, se creó una Tabla de Medidas para organizar y ordenar todas las medidas creadas con fórmulas DAX dentro de Power BI.
Por último, en la vista del modelo se puede observar tres tablas más creadas para enriquecer el análisis y construir un dashboard más interactivo y dinámico. Una almacena un Parámetro de Campo, la otra contiene un Parámetro de Intervalo numérico y la tercera, guarda la Fecha de actualización del dashboard.
Vista del Modelo
Descripción del Proyecto:
Descripción del Proyecto:
Dashboard en Power BI
El dashboard incluye:
Hoja de Portada con botones interactivos y Fecha de actualización de datos
Diferentes KPIs cards y Gráficos según dimensión de análisis
Filtros interactivos por año, trimestre, región, segmento de cliente y categoría de producto
Parámetros y Medidores para simular y estimar objetivos de ventas según rendimiento en períodos previos
Botones, marcadores, tooltips y formatos condicionales para optimizar el dashboard y aportar dinamismo
Portada
Resumen Ejecutivo
Análisis de Productos I
Análisis de Productos II
Desempeño Regional I
Desempeño Regional II
Análisis de Clientes I
Análisis de Clientes II
Logística y Envíos
Análisis de Devoluciones
Nota: Las capturas mostradas corresponden a un extracto del dashboard. Para ver la versión interactiva completa, consultar el archivo de Power BI incluido en el repositorio
Análisis de Devoluciones
Principales insights obtenidos
Conocer el rendimiento de la empresa en distintos períodos de tiempo según diferentes dimensiones
Detectar comportamientos estacionales en ventas por trimestre
Estimar el volumen de ventas para el año posterior comparándolo con un valor objetivo según el Crecimiento interanual promedio trimestral
Analizar el desempeño por Categoría y Subcategoría de producto en función de sus ventas y ganancias
Conocer qué productos tuvieron una mayor cantidad de devoluciones
Ver la relación entre volumen de ventas y margen unitario promedio por producto para entender si los productos más vendidos a su vez son los que mayor margen de ganancia generan o no
Conocer los productos más vendidos y menos rentables
Segmentar productos en función de su rotación (alta - media - baja)
Ver el desempeño por Gerente, Región y Estado según ventas, ganancias y devoluciones
Conocer cuáles de las ciudades con mayor volúmenes de ventas son, a su vez, las que más ganancias o pérdidas generaron
Analizar ciudades que poseen un elevado margen de ganancia pero un bajo volumen de ventas
Comprender cómo se segmentan los clientes en función de sus ventas y ganancias
Medir los segmentos de clientes según su ticket promedio y su frecuencia de compra
Ver la relación entre Ticket promedio y Frecuencia de compra para conocer a nuestros clientes más valiosos y pensar estrategias de fidelización
Analizar los distintos modos de envío según cantidad de pedidos, tiempos de entrega y devoluciones
Comprender el comportamiento de los pedidos devueltos según las diferentes dimensiones y períodos
Medir la ganancia pérdida por devoluciones y pensar estrategias de mejora en este sentido
CONTACTO
© 2025. All rights reserved.
Transformando datos en decisiones inteligentes
Donde los datos hablan y los negocios escuchan.
