Evidencia
Andrea Cruz A01635123
2023-09-13
.
CONTEXTO .
Análizar la informacion de las ventas de 2016 a 2019 de los productos de la familia coca cola en algunos de los establecimientos de la zona metropolitana de Guadalajara en los que se implemento el proyecto Siglo XXI de arca continental
Limpiar base de datos .
## ID Año Territorio Sub.Territorio
## Min. : 1 Min. :2016 Length:466509 Length:466509
## 1st Qu.:116628 1st Qu.:2017 Class :character Class :character
## Median :233255 Median :2018 Mode :character Mode :character
## Mean :233255 Mean :2018
## 3rd Qu.:349882 3rd Qu.:2019
## Max. :466509 Max. :2019
## CEDI Cliente Nombre Tamaño.Cte.Industria
## Length:466509 Length:466509 Length:466509 Length:466509
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Segmento.Det Marca Presentacion Tamaño
## Length:466509 Length:466509 Length:466509 Length:466509
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Retornable_NR Enero Febrero Marzo
## Length:466509 Length:466509 Length:466509 Length:466509
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Abril Mayo Junio Julio
## Length:466509 Length:466509 Length:466509 Length:466509
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Agosto Septiembre Octubre Noviembre
## Length:466509 Length:466509 Length:466509 Length:466509
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Diciembre
## Length:466509
## Class :character
## Mode :character
##
##
## ## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.2 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ lubridate 1.9.2 ✔ tibble 3.2.1
## ✔ purrr 1.0.2 ✔ tidyr 1.3.0
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors## Territorio n
## 1 Guadalajara 466508
## 2 Territorio 1#count(df, Sub.Territorio, sort = TRUE)
#count(df, Cliente, sort = TRUE)
#count(df, Nombre, sort = TRUE)
#count(df, Tamaño.Cte.Industrial, sort = TRUE)
#count(df, Segmento.Det, sort = TRUE)
#count(df, Marca, sort = TRUE)
#count(df, Presentacion, sort = TRUE)
#count(df, Tamaño, sort = TRUE)
#count(df, Retornable_NR, sort = TRUE)
#count(df, Nombre, sort = TRUE)Comentarios:
1. Eliminar renglon 184065 que tiene titulos en lugar de datos.
2. cambiar formatos.
## Warning: NAs introduced by coercion## Warning: NAs introduced by coercion## Warning: NAs introduced by coercion## Warning: NAs introduced by coercion## Warning: NAs introduced by coercion## Warning: NAs introduced by coercion## Warning: NAs introduced by coercion## Warning: NAs introduced by coercion## Warning: NAs introduced by coercion## Warning: NAs introduced by coercion## Warning: NAs introduced by coercion## Warning: NAs introduced by coercion## ID Año Territorio Sub.Territorio
## Min. : 1 Length:466509 Length:466509 Length:466509
## 1st Qu.:116628 Class :character Class :character Class :character
## Median :233255 Mode :character Mode :character Mode :character
## Mean :233255
## 3rd Qu.:349882
## Max. :466509
##
## CEDI Cliente Nombre Tamaño.Cte.Industria
## Length:466509 Length:466509 Length:466509 Length:466509
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## Segmento.Det Marca Presentacion Tamaño
## Length:466509 Length:466509 Length:466509 Length:466509
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## Retornable_NR Enero Febrero Marzo
## Length:466509 Min. :-19.00 Min. :-11.00 Min. :-32.00
## Class :character 1st Qu.: 1.00 1st Qu.: 1.00 1st Qu.: 1.00
## Mode :character Median : 2.00 Median : 2.00 Median : 3.00
## Mean : 9.39 Mean : 9.09 Mean : 10.54
## 3rd Qu.: 6.00 3rd Qu.: 6.00 3rd Qu.: 6.00
## Max. :999.00 Max. :986.00 Max. :986.00
## NA's :233552 NA's :231286 NA's :227507
## Abril Mayo Junio Julio
## Min. :-70.00 Min. :-106.00 Min. :-211.00 Min. :-60.00
## 1st Qu.: 1.00 1st Qu.: 1.00 1st Qu.: 1.00 1st Qu.: 1.00
## Median : 3.00 Median : 3.00 Median : 3.00 Median : 2.00
## Mean : 10.62 Mean : 11.44 Mean : 10.98 Mean : 10.72
## 3rd Qu.: 6.00 3rd Qu.: 7.00 3rd Qu.: 6.00 3rd Qu.: 6.00
## Max. :993.00 Max. : 991.00 Max. : 998.00 Max. :993.00
## NA's :224186 NA's :217073 NA's :215908 NA's :223538
## Agosto Septiembre Octubre Noviembre
## Min. :-211.00 Min. :-527 Min. :-38.0 Min. :-25.0
## 1st Qu.: 1.00 1st Qu.: 1 1st Qu.: 1.0 1st Qu.: 1.0
## Median : 3.00 Median : 3 Median : 3.0 Median : 3.0
## Mean : 10.95 Mean : 12 Mean : 12.1 Mean : 11.8
## 3rd Qu.: 6.00 3rd Qu.: 7 3rd Qu.: 7.0 3rd Qu.: 6.0
## Max. : 999.00 Max. : 993 Max. :998.0 Max. :991.0
## NA's :220367 NA's :337402 NA's :338483 NA's :338546
## Diciembre
## Min. :-28
## 1st Qu.: 1
## Median : 3
## Mean : 13
## 3rd Qu.: 7
## Max. :997
## NA's :341955observaciones:
1.Tenemos NA en las columnas de los meses.
2.Tenemos cantidades negativas.
3.No tenemos las ventas por año.
## [1] 3149803## ID Año Territorio
## 0 0 0
## Sub.Territorio CEDI Cliente
## 0 0 0
## Nombre Tamaño.Cte.Industria Segmento.Det
## 0 0 0
## Marca Presentacion Tamaño
## 0 0 0
## Retornable_NR Enero Febrero
## 0 233552 231286
## Marzo Abril Mayo
## 227507 224186 217073
## Junio Julio Agosto
## 215908 223538 220367
## Septiembre Octubre Noviembre
## 337402 338483 338546
## Diciembre
## 341955#reemplazar NA con ceros
df[is.na(df)]<-0
#las cantidades negativas se consideran eperdidas
#Agregar columna de ventas
df$Ventas <- df$Enero+ df$Febrero+ df$Marzo+ df$Abril+ df$Mayo+ df$Junio+ df$Julio+ df$Agosto+ df$Septiembre+ df$Octubre+ df$Noviembre+ df$Diciembre
#Grafica de caja y bigote
boxplot(df$Enero, horizontal=TRUE)
## ID Año Territorio Sub.Territorio
## Min. : 1 Length:466509 Length:466509 Length:466509
## 1st Qu.:116628 Class :character Class :character Class :character
## Median :233255 Mode :character Mode :character Mode :character
## Mean :233255
## 3rd Qu.:349882
## Max. :466509
## CEDI Cliente Nombre Tamaño.Cte.Industria
## Length:466509 Length:466509 Length:466509 Length:466509
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Segmento.Det Marca Presentacion Tamaño
## Length:466509 Length:466509 Length:466509 Length:466509
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Retornable_NR Enero Febrero Marzo
## Length:466509 Min. :-19.00 Min. :-11.000 Min. :-32.000
## Class :character 1st Qu.: 0.00 1st Qu.: 0.000 1st Qu.: 0.000
## Mode :character Median : 0.00 Median : 0.000 Median : 0.000
## Mean : 4.69 Mean : 4.581 Mean : 5.401
## 3rd Qu.: 2.00 3rd Qu.: 2.000 3rd Qu.: 3.000
## Max. :999.00 Max. :986.000 Max. :986.000
## Abril Mayo Junio Julio
## Min. :-70.000 Min. :-106.000 Min. :-211.0 Min. :-60.000
## 1st Qu.: 0.000 1st Qu.: 0.000 1st Qu.: 0.0 1st Qu.: 0.000
## Median : 0.000 Median : 0.000 Median : 0.0 Median : 0.000
## Mean : 5.519 Mean : 6.117 Mean : 5.9 Mean : 5.583
## 3rd Qu.: 3.000 3rd Qu.: 3.000 3rd Qu.: 3.0 3rd Qu.: 3.000
## Max. :993.000 Max. : 991.000 Max. : 998.0 Max. :993.000
## Agosto Septiembre Octubre Noviembre
## Min. :-211.000 Min. :-527.000 Min. :-38.000 Min. :-25.000
## 1st Qu.: 0.000 1st Qu.: 0.000 1st Qu.: 0.000 1st Qu.: 0.000
## Median : 0.000 Median : 0.000 Median : 0.000 Median : 0.000
## Mean : 5.777 Mean : 3.311 Mean : 3.327 Mean : 3.248
## 3rd Qu.: 3.000 3rd Qu.: 1.000 3rd Qu.: 1.000 3rd Qu.: 1.000
## Max. : 999.000 Max. : 993.000 Max. :998.000 Max. :991.000
## Diciembre Ventas
## Min. :-28.000 Min. :-527.00
## 1st Qu.: 0.000 1st Qu.: 2.00
## Median : 0.000 Median : 7.00
## Mean : 3.477 Mean : 56.93
## 3rd Qu.: 0.000 3rd Qu.: 26.00
## Max. :997.000 Max. :9517.00Pregunta 1.
¿Puede observarse un crecimiento en las ventas de algunos de los segmentos de productos de la familia Coca Cola en las tiendas en las que se incremento el proyecto XXI?
Respuesta: se observa un incremento en las ventas por año.
library(ggplot2)
ggplot(df, aes(x=Año, y=Ventas))+
geom_bar(stat="identity")+
labs(
title= "Ventas por año",
subtitle= "Caso Arca continental"
)
Pregunta 2.
¿El incremento en las ventas es similar entre los diferentes tamaños de clientes?
Respuesta: El incremento de ventas se debio a la incorporacion del tamano cliente grande y pequeno. extra grande bajo sus ventas en el ultimo ano y micro las subio. .
## $title
## [1] "Ventas por año"
##
## $subtitle
## [1] "Caso arca continental"
##
## attr(,"class")
## [1] "labels"df2 <- df %>% filter(Tamaño.Cte.Industria == "Extra Grande")
ggplot(df2, aes(x= Año, y = Ventas, colour=Tamaño.Cte.Industria))+
geom_bar(stat="identity")+
labs(
title = "Ventas por año",
subtitle = "Caso arca continental"
)
df3 <- df %>% filter(Tamaño.Cte.Industria == "Grande")
ggplot(df3, aes(x= Año, y = Ventas, colour=Tamaño.Cte.Industria))+
geom_bar(stat="identity")+
labs(
title = "Ventas x año",
subtitle ="Caso arca continental"
)
df4 <- df %>% filter(Tamaño.Cte.Industria == "Micro")
ggplot(df4, aes(x= Año, y = Ventas, colour=Tamaño.Cte.Industria))+
geom_bar(stat="identity")+
labs(
title = "Ventas x año",
subtitle = "Caso arca continental"
)
df5 <- df %>% filter(Tamaño.Cte.Industria == "Pequeño")
ggplot(df5, aes(x= Año, y = Ventas, colour=Tamaño.Cte.Industria))+
geom_bar(stat="identity")+
labs(
title = "Ventas x año",
subtitle = "Caso arca continental"
)
Pregunta 3.
¿Cuál es el comportamiento observado de las unidades vendidas por mes de cada una de las marcas, independientemente de sus respectivas presentaciones?
Respuesta: La marca Coca-Cola es la mas vendida de todas, con incremento de ventas año en 2019. La marca Sprite tiene incremento de ventas cada año
df6 <- df %>% filter(Marca == "Coca-Cola")
ggplot(df6, aes(x= Año, y = Ventas, colour=Tamaño.Cte.Industria))+
geom_bar(stat="identity")+
labs(
title = "Ventas x año de Coca Cola",
subtitle = "Caso arca continental"
)
df7 <- df %>% filter(Marca == "Sprite")
ggplot(df7, aes(x= Año, y = Ventas, colour=Tamaño.Cte.Industria))+
geom_bar(stat="identity")+
labs(
title = "Ventas x año de Sprite",
subtitle = "Caso arca continental"
)
Pregunta 4.
¿Se ha incrementado la venta de productos en envases retornables en los últimos dos años?
Respuesta: No, solamente hubi incremento en el ultimo año (2019)..
df8 <- df %>% filter(Retornable_NR == "Retornable")
ggplot(df8, aes(x= Año, y = Ventas, colour=Tamaño.Cte.Industria))+
geom_bar(stat="identity")+
labs(
title = "Ventas x año de envases retornables",
subtitle = "Caso Arca Continental"
)
Pregunta 5.
¿El comportamiento de la venta de agua ha incrementado en relación al de los refrescos o las bebidas isotónicas?
Respuesta: No, la Coca cola regular es la bebida mas bendida siempre cada año, al igual que las coca colas light. Sin embargo en 2018 la venta de agua purificada incrementó un poco sus ventas y este año decrecio. Y los isotónicos regulares incrementa de mandera anual sus ventas.
df9 <- df %>% filter(Segmento.Det == "Agua Purificada"| Segmento.Det == "Isotónicos Regular" | Segmento.Det == "Colas Regular" | Segmento.Det ==
"Isotónicos Light" | Segmento.Det == "Colas Light")
ggplot(df9, aes(x= Año, y = Ventas, fill = Segmento.Det))+
geom_bar(position = "dodge", stat = "identity")+
labs(
title = "Ventas x año ",
subtitle = "Caso arca continental"
) 
Pregunta 6 .
P6.¿Puede decirse que la venta mensual de agua está relacionada con la venta mensual de refrescos en los últimos 4 años?
Respuesta: No, únicamente el ultimo año se incrementó la venta de agua purificada en comparación con las coca colas light, sin embargo los años anteriores la venta de refrescos es mucho mas alta que la de agua anualmente.
df10 <- df %>% filter(Segmento.Det == "Agua Purificada"| Segmento.Det == "Colas Regular" | Segmento.Det == "Colas Light")
ggplot(df10, aes(x= Año, y = Ventas, fill = Segmento.Det))+
geom_bar(position = "dodge", stat = "identity")+
labs(
title = "Ventas x año ",
subtitle = "Caso arca continental"
) 
Pregunta 7 .
P7.¿A cuánto ascienden las ventas esperadas para el 2020 en la Coca Cola de 500 ml NR Vidrio?
Respuesta: Acorde a un modelo predictivo utilizando regresion lineal, las ventas esperadas para Coca- Cola de 500 ml NR de vidrio en 2020 son de 444,066 unidades con una R cuadrada ajustada del 48%..
df11 <- df %>% filter(Marca == "Coca-Cola" & Presentacion == "500 ml NR Vidrio")
df12 <- aggregate(Ventas ~ Año, df11, sum)
df12$Año <- as.integer(df12$Año)
regresion <- lm(Ventas ~ Año, data = df12)
summary(regresion)##
## Call:
## lm(formula = Ventas ~ Año, data = df12)
##
## Residuals:
## 1 2 3 4
## -23838.5 35316.5 882.5 -12360.5
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -54970594 28310425 -1.942 0.192
## Año 27433 14032 1.955 0.190
##
## Residual standard error: 31380 on 2 degrees of freedom
## Multiple R-squared: 0.6565, Adjusted R-squared: 0.4847
## F-statistic: 3.822 on 1 and 2 DF, p-value: 0.1898# Ecuacion de la recta y = -54,970,595 + 27,433 año
datos <- data.frame(Año=2020)
predict(regresion, datos)## 1
## 444065.5