# Cargar el paquete
library(magick)
## Linking to ImageMagick 6.9.12.93
## Enabled features: cairo, fontconfig, freetype, heic, lcms, pango, raw, rsvg, webp
## Disabled features: fftw, ghostscript, x11
# Leer un archivo GIF
mi_gif <- image_read("/Users/anacris/Desktop/00000imagengif.gif")
# Mostrar el GIF
print(mi_gif)
## format width height colorspace matte filesize density
## 1 GIF 297 297 sRGB FALSE 0 72x72
## 2 GIF 297 297 sRGB TRUE 0 72x72
## 3 GIF 297 297 sRGB TRUE 0 72x72
# install.packages("readxl") # Leer documentos de excel
library(readxl)
# Install.packages("tidyverse") # Manipulación de datos
library(tidyverse)
# Install.packages("ggplot2") # Generar gráficos presentables
library(ggplot2)
#install.packages("forecast") # Generar serie de tiempo y pronóstico
library(forecast)
library(readxl) # Leer documentos desde excel
library(ggplot2) # generar gráficos presentables
library(readr)
library(tidyverse)
library(dplyr) # Limpieza base de datos
# <span style="color: red;>"Actividad Colavorativa 2</span>
# Cargar librería vroom
library(vroom)
##
## Attaching package: 'vroom'
## The following objects are masked from 'package:readr':
##
## as.col_spec, col_character, col_date, col_datetime, col_double,
## col_factor, col_guess, col_integer, col_logical, col_number,
## col_skip, col_time, cols, cols_condense, cols_only, date_names,
## date_names_lang, date_names_langs, default_locale, fwf_cols,
## fwf_empty, fwf_positions, fwf_widths, locale, output_column,
## problems, spec
# Leer archivo en csv porque en excel no lo lee
df <- vroom("/Users/anacris/Desktop/Datos Arca Continental OriginalCSV11.csv")
## Rows: 466509 Columns: 25
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (11): Territorio, Sub Territorio, CEDI, Cliente, Nombre, Tamaño Cte Indu...
## dbl (14): ID, Año, Enero, Febrero, Marzo, Abril, Mayo, Junio, Julio, Agosto,...
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
parsing_issues <- problems(df)
## Warning: One or more parsing issues, call `problems()` on your data frame for details,
## e.g.:
## dat <- vroom(...)
## problems(dat)
# Ver problemas
head(parsing_issues)
## # A tibble: 6 × 5
## row col expected actual file
## <int> <int> <chr> <chr> <chr>
## 1 2186 25 a double 1,014 /Users/anacris/Desktop/Datos Arca Continental Ori…
## 2 4509 15 a double 1,124 /Users/anacris/Desktop/Datos Arca Continental Ori…
## 3 4509 17 a double 1,120 /Users/anacris/Desktop/Datos Arca Continental Ori…
## 4 4509 18 a double 1,564 /Users/anacris/Desktop/Datos Arca Continental Ori…
## 5 4509 19 a double 1,081 /Users/anacris/Desktop/Datos Arca Continental Ori…
## 6 4509 20 a double 1,043 /Users/anacris/Desktop/Datos Arca Continental Ori…
#view(df)
str(df)
## spc_tbl_ [466,509 × 25] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
## $ ID : num [1:466509] 1 2 3 4 5 6 7 8 9 10 ...
## $ Año : num [1:466509] 2016 2016 2016 2016 2016 ...
## $ Territorio : chr [1:466509] "Guadalajara" "Guadalajara" "Guadalajara" "Guadalajara" ...
## $ Sub Territorio : chr [1:466509] "Belenes" "Belenes" "Belenes" "Belenes" ...
## $ CEDI : chr [1:466509] "Suc. Belenes" "Suc. Belenes" "Suc. Belenes" "Suc. Belenes" ...
## $ Cliente : chr [1:466509] "77737" "77737" "77737" "77737" ...
## $ Nombre : chr [1:466509] "ABARR" "ABARR" "ABARR" "ABARR" ...
## $ Tamaño Cte Industria: chr [1:466509] "Extra Grande" "Extra Grande" "Extra Grande" "Extra Grande" ...
## $ Segmento Det : chr [1:466509] "Agua Mineral" "Agua Purificada" "Agua Purificada" "Agua Saborizada" ...
## $ Marca : chr [1:466509] "Topo Chico A.M." "Ciel Agua Purificada" "Ciel Agua Purificada" "Ciel Exprim" ...
## $ Presentacion : chr [1:466509] "600 ml NR" "1 Ltro. N.R." "1.5 Lts. NR" "600 ml NR" ...
## $ Tamaño : chr [1:466509] "Individual" "Individual" "Individual" "Individual" ...
## $ Retornable_NR : chr [1:466509] "No Retornable" "No Retornable" "No Retornable" "No Retornable" ...
## $ Enero : num [1:466509] NA NA NA NA NA NA 1 NA 3 NA ...
## $ Febrero : num [1:466509] NA 2 NA NA NA NA NA 1 3 NA ...
## $ Marzo : num [1:466509] NA 8 3 NA NA 1 NA NA 4 NA ...
## $ Abril : num [1:466509] NA 4 6 NA NA NA NA 1 4 NA ...
## $ Mayo : num [1:466509] NA 4 3 NA NA NA 0 NA 4 NA ...
## $ Junio : num [1:466509] NA 2 3 NA NA NA NA 1 4 0 ...
## $ Julio : num [1:466509] NA 2 3 NA NA NA 0 NA 4 NA ...
## $ Agosto : num [1:466509] NA 2 3 NA NA NA NA 1 7 NA ...
## $ Septiembre : num [1:466509] NA 2 3 NA NA NA NA 1 4 NA ...
## $ Octubre : num [1:466509] NA 2 3 NA NA NA 0 NA 3 NA ...
## $ Noviembre : num [1:466509] NA 4 3 NA 0 NA NA NA 1 NA ...
## $ Diciembre : num [1:466509] 1 2 3 1 NA NA NA NA 3 NA ...
## - attr(*, "spec")=
## .. cols(
## .. ID = col_double(),
## .. Año = col_double(),
## .. Territorio = col_character(),
## .. `Sub Territorio` = col_character(),
## .. CEDI = col_character(),
## .. Cliente = col_character(),
## .. Nombre = col_character(),
## .. `Tamaño Cte Industria` = col_character(),
## .. `Segmento Det` = col_character(),
## .. Marca = col_character(),
## .. Presentacion = col_character(),
## .. Tamaño = col_character(),
## .. Retornable_NR = col_character(),
## .. Enero = col_double(),
## .. Febrero = col_double(),
## .. Marzo = col_double(),
## .. Abril = col_double(),
## .. Mayo = col_double(),
## .. Junio = col_double(),
## .. Julio = col_double(),
## .. Agosto = col_double(),
## .. Septiembre = col_double(),
## .. Octubre = col_double(),
## .. Noviembre = col_double(),
## .. Diciembre = col_double()
## .. )
## - attr(*, "problems")=<externalptr>
# ¿Cuántos NAS tengo en la base de datos?
sum(is.na(df))
## [1] 3149803
# ¿Cuántos NAS tengo por variable?
sapply(df, function(x) sum(is.na(x)))
## 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
# Opción 1. Eliminar NAS
# df <- na.omit(df)
# Opción 2. Reemplazar NAs con CEROS
df1 <- df
df1[is.na(df1)] <- 0
sum(is.na(df1))
## [1] 0
# Opción 3. reemplazar NAs con PROMEDIO
# df1 <- df
# df1$Enero[is.na(df1$Enero)] <- mean(df1$Enero, na.rm=TRUE)
boxplot(df$Enero)
# Eliminar renglón de los totales
df1 <- df1[df1$Enero <6000, ]
# Adecuar nombres con rename
names(df1) <- gsub(" ", "_", names(df1))
# Muestra las ventas de Enero a Junio por CEDI:
df2 <- select(df1,c(CEDI,Enero:Junio))
# Muestra los movimientos por CEDI y tamaño de tienda grande:
df3 <- df1 %>% filter(Tamaño_Cte_Industria == "Grande")
# Ordena la base de datos por CEDI, por marca y por presentación:
df4 <- df1 %>% arrange (CEDI, Marca, Presentacion)
# Agrega un campo calculado con ñas ventas del primer semestre y muestra las venta del primer semestre por marca:
df5 <- df1 %>% mutate(Ventas_Sem1 = Enero + Febrero + Marzo + Abril + Mayo + Junio)
ventas_sem1_por_marca <- df5 %>% group_by(Marca) %>% summarise(Ventas_sem1=sum(Ventas_Sem1))
# Obtén la media de las ventas del primer semestre agrupado por marca, representación y tamaño.
df6 <- df5 %>%
group_by(Marca, Presentacion, Tamaño) %>%
summarise(Ventas_Sem1 = mean(Ventas_Sem1), .groups = "drop")
df6
## # A tibble: 274 × 4
## Marca Presentacion Tamaño Ventas_Sem1
## <chr> <chr> <chr> <dbl>
## 1 AdeS Frutal 200 ml Tetra Individual 1.22
## 2 AdeS Frutal 946 ml NR Tetra Familiar 4.17
## 3 AdeS Lácteo 200 ml Tetra Individual 0.0857
## 4 AdeS Lácteo 946 ml NR Tetra Familiar 3.30
## 5 Barista Bros 250 ml. NR PET Individual 0.343
## 6 Bebere 473 ml NR Individual 3.23
## 7 Burn Lata 235 ml Individual 0.558
## 8 Burn Lata 237 ml Individual 0.182
## 9 Burn Lata 310 ml Individual 0
## 10 Burn Lata 450 ml Individual 2.60
## # ℹ 264 more rows
# Calcular medidas de tendencia central
summary(df)
## 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 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 :341955
# Hallazgo 1: Ventas totales por CEDI y año
#library(dplyr)
#ArcaContinentalDatos <- ArcaContinentalDatos %>%
# mutate(Ventas_totales = rowSums(select(., Enero:Diciembre), na.rm = TRUE))
#print(ArcaContinentalDatos)
#ventas_totales_por_cedi_y_anio <- ArcaContinentalDatos %>%
# group_by(CEDI, Año) %>%
# summarise(Ventas_totales = sum(Enero + Febrero + Marzo + Abril + Mayo + Junio + Julio + Agosto + Septiembre + Octubre + Noviembre + Diciembre), .groups = 'drop') %>%
# arrange(desc(Ventas_totales))
#df_hallazgo_1 <- as.data.frame(ventas_totales_por_cedi_y_anio)
# Hallazgo 2: Mes con mayores ventas
#mes_mayor_ventas <- ArcaContinentalDatos %>%
# summarise_at(vars(Enero:Diciembre), sum, na.rm = TRUE) %>%
# pivot_longer(cols = Enero:Diciembre, names_to = "Mes", values_to = "Ventas_totales") %>%
# top_n(1, Ventas_totales)
#print(mes_mayor_ventas)
#df_hallazgo_2 <- as.data.frame(mes_mayor_ventas)
# Hallazgo 3: Tamaño de tienda con las mayores ventas promedio
#ventas_promedio_por_tamanio <- ArcaContinentalDatos %>%
# group_by(Tamaño) %>%
# summarise(Ventas_promedio = mean(Ventas_totales, na.rm = TRUE)) %>%
# arrange(desc(Ventas_promedio)) %>%
# top_n(1, Ventas_promedio)
#print(ventas_promedio_por_tamanio)
#df_hallazgo_3 <- as.data.frame(ventas_promedio_por_tamanio)
# Hallazgo 4: Comparación de ventas entre diferentes tipos de presentación de productos
#ventas_por_presentacion <- ArcaContinentalDatos %>%
# group_by(Presentacion) %>%
# summarise(Ventas_totales = sum(Ventas_totales, na.rm = TRUE)) %>%
# arrange(desc(Ventas_totales))
#print(ventas_por_presentacion)
#df_hallazgo_4 <- as.data.frame(ventas_por_presentacion)
# Hallazgo 5: Marca mas vendida
#top_Marca <- ArcaContinentalDatos %>%
# group_by(Marca) %>%
# summarise(Ventas_totales = sum(Ventas_totales, na.rm = TRUE)) %>%
# arrange(desc(Ventas_totales)) %>%
# slice(1)
#print(top_Marca)
#df_Marca_mas_vendida <- data.frame(Marca = top_Marca$Marca,
#Ventas_totales = top_Marca$Ventas_totales)
#print(df_Marca_mas_vendida)
# Hallazgo 6: Tendencia de ventas a lo largo del año
#ventas_por_mes <- ArcaContinentalDatos %>%
# summarise_at(vars(Enero:Diciembre), sum, na.rm = TRUE) %>%
# pivot_longer(cols = Enero:Diciembre, names_to = "Mes", values_to = "Ventas_totales")
#print(ventas_por_mes)
#df_hallazgo_6 <- as.data.frame(ventas_por_mes)
# Calcular medidas de tendencia central
summary(df)
## 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 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 :341955
# Colapsar meses en una columna
df7 <- gather(df1, Mes, Ventas, Enero:Diciembre)
df7
## # A tibble: 5,598,108 × 15
## ID Año Territorio Sub_Territorio CEDI Cliente Nombre
## <dbl> <dbl> <chr> <chr> <chr> <chr> <chr>
## 1 1 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 2 2 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 3 3 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 4 4 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 5 5 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 6 6 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 7 7 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 8 8 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 9 9 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 10 10 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## # ℹ 5,598,098 more rows
## # ℹ 8 more variables: Tamaño_Cte_Industria <chr>, Segmento_Det <chr>,
## # Marca <chr>, Presentacion <chr>, Tamaño <chr>, Retornable_NR <chr>,
## # Mes <chr>, Ventas <dbl>
# Agregar una columna pcon el Número de Mes
meses <- c("Enero"="01", "Febrero"="02", "Marzo"="03", "Abril"="04", "Mayo"="05", "Junio"="06", "Julio"="07", "Agosto"="08", "Septiembre"="09", "Octubre"="10", "Noviembre"="11", "Dicembre"="12")
df7$Número_de_Mes <- meses[df7$Mes]
# Gráficar el total de ventas por mes y año
ventas_totales <- df7 %>%
group_by(Año, Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Mes) # Ordenar por la columna Mes
## `summarise()` has grouped output by 'Año'. You can override using the `.groups`
## argument.
ggplot(ventas_totales, aes(x = Mes, y = Ventas_Totales, group = Año, color = as.factor(Año))) +
geom_line() +
geom_point() +
labs(x = "Mes", y = "Ventas Totales (Qty)", color = "Año")
# top 10 de marcas con mayor cantidad de ventas
top_10_marcas <- df7 %>%
group_by(Marca) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
top_n(10, Ventas_Totales) %>%
arrange(desc(Ventas_Totales))
colores <- rainbow(nrow(top_10_marcas))
ggplot(top_10_marcas, aes(x = reorder(Marca, Ventas_Totales), y = Ventas_Totales, fill = as.factor(Marca))) +
geom_bar(stat = "identity") +
scale_fill_manual(values = colores) +
labs(title = "Top 10 de Ventas por Marca",
x = "Marca",
y = "Ventas totales",
fill = "Marca") +
theme_minimal() +
theme(legend.position = "none")
# TEMPORAL DATOS NORMALIZADOS PARA VER MEJOR EL GRÁFICO
library(scales)
##
## Attaching package: 'scales'
## The following object is masked from 'package:vroom':
##
## col_factor
## The following object is masked from 'package:purrr':
##
## discard
## The following object is masked from 'package:readr':
##
## col_factor
library(ggplot2)
library(stringr)
# Definir los colores para el gráfico
colores <- rainbow(length(top_10_marcas$Marca))
# Crear el gráfico de barras con escala logarítmica en el eje y
ggplot(top_10_marcas, aes(x = reorder(Marca, Ventas_Totales), y = Ventas_Totales, fill = as.factor(Marca))) +
geom_bar(stat = "identity") +
scale_fill_manual(values = colores) +
labs(title = "Top 10 de Ventas por Marca",
x = "Marca",
y = "Ventas totales") +
theme_minimal() +
theme(legend.position = "none") +
scale_x_discrete(labels = function(x) str_wrap(x, width = 10)) + # Ajustar los nombres de las marcas para evitar superposiciones
scale_y_continuous(trans = "log10", labels = comma) # Escala logarítmica en el eje y y separador de miles en los ticks
# Calcular las ventas totales por tamaño de tienda
ventas_por_tamaño <- df7 %>%
group_by(Tamaño) %>%
summarise(Ventas_Totales = sum(Ventas))
# Gráfico de dispersión para mostrar la relación entre las ventas y el tamaño de la tienda
ggplot(ventas_por_tamaño, aes(x = Tamaño, y = Ventas_Totales)) +
geom_point(color = "darkgreen") +
labs(title = "Relación entre Ventas y Tamaño de Tienda",
x = "Tamaño de Tienda",
y = "Ventas Totales") +
theme_minimal()
# Calcular las ventas totales por tamaño de cliente en la industria
ventas_totales_por_tamaño_cliente <- df7 %>%
group_by(Tamaño_Cte_Industria) %>%
summarise(Ventas_Totales = sum(Ventas))
# Gráfico de barras para mostrar las ventas totales por tamaño de cliente en la industria
ggplot(ventas_totales_por_tamaño_cliente, aes(x = Tamaño_Cte_Industria, y = Ventas_Totales, fill = Tamaño_Cte_Industria)) +
geom_bar(stat = "identity") +
labs(title = "Ventas Totales por Tamaño de Cliente en la Industria",
x = "Tamaño de Cliente en la Industria",
y = "Ventas Totales") +
theme_minimal()
# Calcular las ventas totales por año y marca
df8 <- df7 %>%
group_by(Año, Marca) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Año, desc(Ventas_Totales)) %>%
mutate(Ventas_acumuladas = cumsum(Ventas_Totales))
## `summarise()` has grouped output by 'Año'. You can override using the `.groups`
## argument.
# Seleccionar las 10 principales marcas por ventas acumuladas
top_marcas <- df8 %>%
group_by(Marca) %>%
summarise(Ventas_acumuladas = last(Ventas_acumuladas)) %>%
arrange(desc(Ventas_acumuladas)) %>%
top_n(10)
## Selecting by Ventas_acumuladas
# Filtrar el dataframe original para incluir solo las marcas principales
df9 <- df8 %>%
filter(Marca %in% top_marcas$Marca)
# Gráfico de área para mostrar la tendencia de ventas por marca a lo largo de los años
ggplot(df9, aes(x = Año, y = Ventas_acumuladas, fill = Marca)) +
geom_area() +
labs(title = "Tendencia de Ventas por Marca a lo largo de los Años",
x = "Año",
y = "Ventas Acumuladas",
fill = "Marca") +
theme_minimal()
# Elavorar regresión lineal
ventas_4567 <- df7 %>%
filter(Cliente == "4567") %>%
group_by(Año) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
filter(Ventas_Totales != 0)
#ventas_4567$Secuencia <- 1:nrow(ventas_4567)
ggplot(ventas_4567, aes(x = Año, y = Ventas_Totales)) +
geom_point() +
labs(x="Año", y="Ventas Totales(Qty)", title= "Ventas Totales del cliente 4567")
regresion <- lm(Ventas_Totales ~ Año, data=ventas_4567)
summary(regresion)
##
## Call:
## lm(formula = Ventas_Totales ~ Año, data = ventas_4567)
##
## Residuals:
## 1 2 3
## -1001 2003 -1001
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 4778938 3499939 1.365 0.402
## Año -2356 1734 -1.358 0.404
##
## Residual standard error: 2453 on 1 degrees of freedom
## Multiple R-squared: 0.6485, Adjusted R-squared: 0.2971
## F-statistic: 1.845 on 1 and 1 DF, p-value: 0.404
# Ecuación
# y = 48918677 - 24174 * Año
#R cuadrada ajustada
# 77%
datos <- data.frame(Año=2020:2025)
prediccion <- predict(regresion,datos)
prediccion
## 1 2 3 4 5 6
## 19818.333 17462.333 15106.333 12750.333 10394.333 8038.333
ventas_4567$Tipo_de_Dato <- "Datos Reales"
datos$Ventas_Totales <- prediccion
datos$Tipo_de_Dato <- "prediccion"
datos_combinados <- rbind(ventas_4567,datos)
ggplot(datos_combinados, aes(x=Año, y=Ventas_Totales, color=Tipo_de_Dato)) +
geom_point() +
labs(x="Año", y="Ventas Totales(Qty)", title= "pronóstico a 5 años de ventas del Cliente 4567")
#ventas_6626 <- ArcaContinentalDatos %>%
# filter(Cliente == "6626") %>%
#group_by(Año) %>%
#summarise(ventas_totales = sum(Ventas_totales))
#modelo_6626 <- lm(ventas_totales ~ Año, data = ventas_6626)
#summary(modelo_6626)
# Ecuación
# y - 55208195 - 27316 * Año
#R cuadrada ajustada
# 93%
#nuevos_datos_6626 <- data.frame(Año = 2020:2025)
#predicciones_6626 <- predict(modelo_6626, nuevos_datos_6626)
#datos_completos_6626 <- rbind(
# cbind(ventas_6626, Tipo = "Datos reales"),
# cbind(data.frame(Año = 2020:2025, ventas_totales = predicciones_6626), Tipo = "Predicciones")
#)
#ggplot(datos_completos_6626, aes(x = Año, y = ventas_totales, color = Tipo)) +
#geom_line() +
#geom_point() +
#labs(title = "Ventas Totales (2017-2025) - Cliente 6626", x = "Año", y = "Ventas Totales", color = "Tipo") +
# theme_minimal()
ventas_mensuales_4567 <- df7 %>%
filter(Cliente == "4567") %>%
group_by(Año, Número_de_Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
filter(Ventas_Totales != 0)
# Confirmar que los datos que queremos modelar que esten ordenados cronológicamente.
# Funcion de serie de Tiempo MENSUAL, que inicia en Enero 2017
ts <- ts(data=ventas_mensuales_4567$Ventas_Totales, start = c(2017,1), frequency = 12)
# Funcion de serie de Tiempo MENSUAL, que inicia en Abril 2017
# ts <- ts(data=ventas_mensuales_4567$Ventas_Totales, start = c(2017,4), frequency = 12)
# Funcion de serie de Tiempo TRIMESTRAL, que inicia en Enero 2017
# ts <- ts(data=ventas_mensuales_4567$Ventas_Totales, start = c(2017,1), frequency = 4)
# Funcion de serie de Tiempo TRIMESTRAL, que inicia en Enero 2017 (Q4)
# ts <- ts(data=ventas_mensuales_4567$Ventas_Totales, start = c(2017,4), frequency = 4)
# Funcion de serie de Tiempo ANUAL, que inicia en 2017
# ts <- ts(data=ventas_mensuales_4567$Ventas_Totales, start = 2017, frequency = 1)
# Crear Modelo ARIMA
# Modelo Autoregresivo Integrado de Promedio Movil.
arima <- auto.arima(ts, D=1) # D=1 por la temporalidad
arima
## Series: ts
## ARIMA(0,0,0)(0,1,0)[12] with drift
##
## Coefficients:
## drift
## 18.9125
## s.e. 10.8519
##
## sigma^2 = 357011: log likelihood = -155.72
## AIC=315.44 AICc=316.15 BIC=317.43
summary(arima)
## Series: ts
## ARIMA(0,0,0)(0,1,0)[12] with drift
##
## Coefficients:
## drift
## 18.9125
## s.e. 10.8519
##
## sigma^2 = 357011: log likelihood = -155.72
## AIC=315.44 AICc=316.15 BIC=317.43
##
## Training set error measures:
## ME RMSE MAE MPE MAPE MASE ACF1
## Training set 0.7628067 460.4076 296.7347 -2.519477 14.50496 0.5771364 0.2152766
#Generar el pronostico de ventas
pronostico <- forecast(arima, level=95, h=36)
pronostico
## Point Forecast Lo 95 Hi 95
## Sep 2019 2489.95 1318.8642 3661.036
## Oct 2019 2470.95 1299.8642 3642.036
## Nov 2019 2401.95 1230.8642 3573.036
## Dec 2019 2795.95 1624.8642 3967.036
## Jan 2020 1998.95 827.8642 3170.036
## Feb 2020 2553.95 1382.8642 3725.036
## Mar 2020 2581.95 1410.8642 3753.036
## Apr 2020 3185.95 2014.8642 4357.036
## May 2020 3329.95 2158.8642 4501.036
## Jun 2020 3328.95 2157.8642 4500.036
## Jul 2020 2977.95 1806.8642 4149.036
## Aug 2020 3030.95 1859.8642 4202.036
## Sep 2020 2716.90 1060.7346 4373.065
## Oct 2020 2697.90 1041.7346 4354.065
## Nov 2020 2628.90 972.7346 4285.065
## Dec 2020 3022.90 1366.7346 4679.065
## Jan 2021 2225.90 569.7346 3882.065
## Feb 2021 2780.90 1124.7346 4437.065
## Mar 2021 2808.90 1152.7346 4465.065
## Apr 2021 3412.90 1756.7346 5069.065
## May 2021 3556.90 1900.7346 5213.065
## Jun 2021 3555.90 1899.7346 5212.065
## Jul 2021 3204.90 1548.7346 4861.065
## Aug 2021 3257.90 1601.7346 4914.065
## Sep 2021 2943.85 915.4699 4972.230
## Oct 2021 2924.85 896.4699 4953.230
## Nov 2021 2855.85 827.4699 4884.230
## Dec 2021 3249.85 1221.4699 5278.230
## Jan 2022 2452.85 424.4699 4481.230
## Feb 2022 3007.85 979.4699 5036.230
## Mar 2022 3035.85 1007.4699 5064.230
## Apr 2022 3639.85 1611.4699 5668.230
## May 2022 3783.85 1755.4699 5812.230
## Jun 2022 3782.85 1754.4699 5811.230
## Jul 2022 3431.85 1403.4699 5460.230
## Aug 2022 3484.85 1456.4699 5513.230
plot(pronostico, main="Ventas Mensuales y Prónosticos a 3 Años del Cliente 4567", xlab = "Año", ylab = "Ventas (Qty)")
ventas_totales_seg <- df7 %>%
filter(Segmento_Det == "Agua Purificada" | Segmento_Det == "Isotónicos Regular" | Segmento_Det == "Colas Regular" ) %>%
filter(Año == 2018) %>%
group_by(Segmento_Det, Número_de_Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Número_de_Mes)
## `summarise()` has grouped output by 'Segmento_Det'. You can override using the
## `.groups` argument.
ggplot(ventas_totales_seg, aes(x=Número_de_Mes, y=Ventas_Totales,group=Segmento_Det, color= as.factor(Segmento_Det))) +
geom_line() +
geom_point() +
labs(x="Mes",y= "Ventas Totales(Qty)", title= "Ventas Totales por segmento", color = "segmento")
Respuesta: En general las ventas aumentaron en 2019, pero cada
segmento se comportó diferente. El incremento de ventas se puede lograr
gracias a mejores campañas de mercadotecnia y lanzamiento de nuevos
productos. En 2018 la venta de Coca-Cola entre Febrero y Diciembre
aumentó en 100,000 unidades, mientras que las aguas isotónicas no
tuvieron cambios
ventas_totales_tam_cliente <- df7 %>%
filter(Año == 2019) %>%
group_by(Tamaño_Cte_Industria, Número_de_Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Número_de_Mes) %>%
filter(Ventas_Totales != 0)
## `summarise()` has grouped output by 'Tamaño_Cte_Industria'. You can override
## using the `.groups` argument.
ggplot(ventas_totales_tam_cliente, aes(x=Número_de_Mes, y=Ventas_Totales, group=Tamaño_Cte_Industria, color=as.factor(Tamaño_Cte_Industria))) +
geom_line() +
geom_point() +
labs(x="Mes", y="Ventas Totales(QTY)", title = "Ventas totales por segmento", color="Segmento")
Respuesta: El incremento de ventas similar independientes de los
tamaños de los clientes. Como todos los negocios están abiertos los
mismos días, y estan ubicados en la misma ciudad (Guadalajara), los
factores externos de las ventas afectan casi igual a todos. El mes de
Mayo de 2019, fue el de mayor venta en todos los tamaños de cliente, y
el primer bimestre fue el más bajo también para todos los tamaños de
cliente
ventas_totales_marca <- df7 %>%
filter(Año == 2019) %>%
filter(Marca =="Coca-Cola" | Marca == "Valle Frut" | Marca == "Ciel Agua Purificada"| Marca == "Coca-Cola Light" ) %>%
group_by(Marca, Número_de_Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Número_de_Mes) %>%
filter(Ventas_Totales != 0)
## `summarise()` has grouped output by 'Marca'. You can override using the
## `.groups` argument.
ggplot(ventas_totales_marca, aes(x=Número_de_Mes, y=Ventas_Totales, group=Marca, color=as.factor(Marca))) +
geom_line() +
geom_point() +
labs(x="Mes", y="Ventas Totales(QTY)", title = "Ventas totales por marca", color="Marca")
Respuesta: El comportamiento de las ventas es similar entre las
marcas a través de los meses, pero hay marcas que venden mucho más que
otras. Los meses de más ventas de bebidas son los meses en que la
temperatura es mayor, y las marcas más conocidad son las que tienen en
mente el consumidor. El mes de Mayo 2019 es para todas las marcas el de
mayores ventas, pero las marcas Coca-Cola es la que vente mas de todas
ventas_totales_envase <- df7 %>%
filter(Retornable_NR=="Retornable") %>%
filter(Año == c(2017,2018, 2019)) %>%
group_by(Retornable_NR, Año, Número_de_Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Número_de_Mes) %>%
filter(Ventas_Totales != 0)
## `summarise()` has grouped output by 'Retornable_NR', 'Año'. You can override
## using the `.groups` argument.
ggplot(ventas_totales_envase, aes(x=Número_de_Mes, y=Ventas_Totales, group=Año, color=as.factor(Año))) +
geom_line() +
geom_point() +
labs(x="Mes", y="Ventas Totales(QTY)", title = "Ventas totales de Envases Retornables", color="Año")
Respuesta: La venta de productos en envase retornable aumentó en
los últimos dos años. Las campañas de conciencia ambiental han vuelto
populares las opciones menos dañinas al ecosistema. De 2017 a 2018 hubo
un ligero incremento en las ventas de envase retornable, y entre 2028 y
2019 el aumento fue muy notorio
Notas: Hay otro factor a considerar como que en el 2019 hay más tiendas con el proyecto siglo XXI, o que las tiendas en general venden más productos (tanto retornable como no retornables)
ventas_totales_seg <- df7 %>%
filter(Segmento_Det == "Agua Purificada" | Segmento_Det == "Isotónicos Regular" | Segmento_Det == "Colas Regular" ) %>%
filter(Año == 2018) %>%
group_by(Segmento_Det, Número_de_Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Número_de_Mes)
## `summarise()` has grouped output by 'Segmento_Det'. You can override using the
## `.groups` argument.
ggplot(ventas_totales_seg, aes(x=Número_de_Mes, y=Ventas_Totales,group=Segmento_Det, color= as.factor(Segmento_Det))) +
geom_line() +
geom_point() +
labs(x="Mes",y= "Ventas Totales(Qty)", title= "Ventas Totales por segmento", color = "segmento")
Respuesta: Las ventas de Agua Purificada no ha aumentado en
relación a Refrescos o Bebidas Isorónicas. La presepción que el agua no
tiene valor agregado en la preparación y el azucar en la receta hacen de
los refrescos la opción preferida de los consumidores mexicanos. En 2018
las ventas totales de Agua Purificada no superaron las 50,000 unidades,
mientras que la Coca-Cola vendió en su mes más alto 450,000 (8 veces más
que el agua)
ventas_totales_ayr <- df7 %>%
filter(Segmento_Det == c("Agua Purificada", "Colas Regular")) %>%
group_by(Segmento_Det, Año) %>%
summarise(Ventas_Totales = sum(Ventas))
## `summarise()` has grouped output by 'Segmento_Det'. You can override using the
## `.groups` argument.
ggplot(ventas_totales_ayr, aes(x=Año, y=Ventas_Totales,group=Segmento_Det, color= as.factor(Segmento_Det))) +
geom_line() +
geom_point() +
labs(x="Secuencia de Mes",y= "Ventas Totales(Qty)", title= "Ventas Totales por segmento", color = "Segmento")
Respuesta: La venta de agua y refrescos se incrementa en los
mismos meses y através de los años, pero no se puede concluir que un
incremento cause el otro. Los meses calurosos y el crecimiento de la
poblacion hace que las ventas se incrementen en las bebidas, sean agua o
refresco. En la grafica obtenida se observa un incremento año con año,
en la venta de agua y tmabién de refrescos.
ventas_coca_vidrio <- df7 %>%
filter(Marca == "Coca-Cola" & Presentacion == "500 ml NR Vidrio") %>%
group_by(Año, Número_de_Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
filter(Ventas_Totales != 0)
## `summarise()` has grouped output by 'Año'. You can override using the `.groups`
## argument.
# Confirmar que los datos que queremos modelar que esten ordenados cronológicamente.
# Funcion de serie de Tiempo MENSUAL, que inicia en Enero 2017
ts <- ts(data=ventas_coca_vidrio$Ventas_Totales, start = c(2016,1), frequency = 12)
# Crear Modelo ARIMA
# Modelo Autoregresivo Integrado de Promedio Movil.
arima <- auto.arima(ts, D=1) # D=1 por la temporalidad
arima
## Series: ts
## ARIMA(2,0,0)(0,1,0)[12]
##
## Coefficients:
## ar1 ar2
## 0.5295 0.3894
## s.e. 0.1620 0.1675
##
## sigma^2 = 43853624: log likelihood = -326.78
## AIC=659.55 AICc=660.41 BIC=663.95
summary(arima)
## Series: ts
## ARIMA(2,0,0)(0,1,0)[12]
##
## Coefficients:
## ar1 ar2
## 0.5295 0.3894
## s.e. 0.1620 0.1675
##
## sigma^2 = 43853624: log likelihood = -326.78
## AIC=659.55 AICc=660.41 BIC=663.95
##
## Training set error measures:
## ME RMSE MAE MPE MAPE MASE ACF1
## Training set 1033.787 5468.107 3241.566 1.507338 8.327163 0.3840719 -0.05650354
#Generar el pronostico de ventas
pronostico <- forecast(arima, level=95, h=36)
pronostico
## Point Forecast Lo 95 Hi 95
## Sep 2019 58156.12 45176.829 71135.40
## Oct 2019 52499.29 37812.522 67186.06
## Nov 2019 49458.16 32391.487 66524.84
## Dec 2019 56431.22 37876.933 74985.50
## Jan 2020 59154.72 39238.115 79071.32
## Feb 2020 65522.78 44519.655 86525.91
## Mar 2020 69257.14 47315.197 91199.09
## Apr 2020 50288.50 27551.899 73025.11
## May 2020 77987.01 54564.321 101409.70
## Jun 2020 64964.29 40949.458 88979.12
## Jul 2020 67526.38 42997.031 92055.73
## Aug 2020 69653.05 44675.591 94630.50
## Sep 2020 69557.81 39106.113 100009.50
## Oct 2020 63246.60 30849.254 95643.94
## Nov 2020 59588.59 24813.501 94363.69
## Dec 2020 65980.20 29507.468 102452.93
## Jan 2021 68155.62 30133.204 106178.04
## Feb 2021 74007.06 34698.808 113315.32
## Mar 2021 77254.45 36822.992 117685.92
## Apr 2021 57826.79 16428.648 99224.94
## May 2021 85092.63 42851.954 127333.30
## Jun 2021 71662.07 28687.502 114636.64
## Jul 2021 73839.73 30223.131 117456.33
## Aug 2021 75604.03 31424.943 119783.12
## Sep 2021 75167.22 26834.052 123500.40
## Oct 2021 68534.06 18452.579 118615.53
## Nov 2021 64572.57 12412.279 116732.86
## Dec 2021 70678.11 16963.730 124392.49
## Jan 2022 72583.89 17441.272 127726.50
## Feb 2022 78181.16 21832.237 134530.09
## Mar 2022 81188.97 23777.192 138600.75
## Apr 2022 61535.49 3200.323 119870.65
## May 2022 88588.45 29443.146 147733.76
## Jun 2022 74957.25 15102.023 134812.47
## Jul 2022 76945.77 16466.507 137425.04
## Aug 2022 78531.80 17503.531 139560.07
plot(pronostico, main="Ventas Mensuales y Prónosticos a 2020 de Coca-Cola 500 ml NR Vidrio,", xlab= "Año", ylab = "Ventas (Qty)")
Respuesta: Las ventas esperadas de Coca-cola de 500 ml NR de
vidrio para 2020 oscilan mensualmente entre 45,000 y 65,000 unidades,
con una confiabilidad del 95%