# install.packages("readxl") # Leer documentos de excel
library(readxl)
# install.packages("tidyverse") # Manipulación de datos
library(tidyverse)
# install.packages("ggplot2") # Generar grƔficos presentables
library(ggplot2)
#install.packages("forecast") # para generar series de tiempo y pronosticos
library(forecast)
# file.choose()
df <- read_excel("/Users/sebastianlopez/Downloads/Datos Arca Continental Original (1).xlsx")
str(df)
## tibble [466,509 Ć 25] (S3: tbl_df/tbl/data.frame)
## $ ID : num [1:466509] 1 2 3 4 5 6 7 8 9 10 ...
## $ AƱo : 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" ...
## $ TamaƱo 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" ...
## $ TamaƱo : 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 ...
# ¿CuÔntos NAs tengo en la base de datos?
sum(is.na(df))
## [1] 3148501
# ¿CuÔntos NAs tengo por variable?
sapply(df, function(x) sum(is.na(x)))
## ID AƱo Territorio
## 0 0 0
## Sub Territorio CEDI Cliente
## 0 0 0
## Nombre TamaƱo Cte Industria Segmento Det
## 0 0 0
## Marca Presentacion TamaƱo
## 0 0 0
## Retornable_NR Enero Febrero
## 0 233480 231213
## Marzo Abril Mayo
## 227420 224057 216910
## Junio Julio Agosto
## 215753 223411 220242
## Septiembre Octubre Noviembre
## 337314 338386 338460
## Diciembre
## 341855
# Opción 1. Eliminar NAs
# df1 <- 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$Enero, na.rm=TRUE)
boxplot(df1$Enero)
# Eliminar renglón de los totales
df1 <- df1[df1$Enero <6000, ]
boxplot(df1$Enero)
# Adecuar nombres con gsub
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 tamaƱo de tienda grande:
df3 <- df1 %>% filter(TamaƱo_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 las ventas del primer semestre y muestra las ventas 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, presentación y tamaño.
df6 <- df5 %>%
group_by(Marca, Presentacion, TamaƱo) %>%
summarise(Ventas_Sem1=mean(Ventas_Sem1))
## `summarise()` has grouped output by 'Marca', 'Presentacion'. You can override
## using the `.groups` argument.
# Calcular medidas de tendencia central
summary(df1)
## ID AƱo Territorio Sub_Territorio
## Min. : 1 Min. :2016 Length:466508 Length:466508
## 1st Qu.:116628 1st Qu.:2017 Class :character Class :character
## Median :233256 Median :2018 Mode :character Mode :character
## Mean :233255 Mean :2018
## 3rd Qu.:349882 3rd Qu.:2019
## Max. :466509 Max. :2019
## CEDI Cliente Nombre TamaƱo_Cte_Industria
## Length:466508 Length:466508 Length:466508 Length:466508
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Segmento_Det Marca Presentacion TamaƱo
## Length:466508 Length:466508 Length:466508 Length:466508
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Retornable_NR Enero Febrero Marzo
## Length:466508 Min. : -19.000 Min. : -11.000 Min. : -32.000
## Class :character 1st Qu.: 0.000 1st Qu.: 0.000 1st Qu.: 0.000
## Mode :character Median : 0.000 Median : 0.000 Median : 0.000
## Mean : 4.951 Mean : 4.829 Mean : 5.729
## 3rd Qu.: 2.000 3rd Qu.: 2.000 3rd Qu.: 3.000
## Max. :5333.000 Max. :4995.000 Max. :5636.000
## Abril Mayo Junio Julio
## Min. : -70.000 Min. :-106.00 Min. :-211.000 Min. : -60.000
## 1st Qu.: 0.000 1st Qu.: 0.00 1st Qu.: 0.000 1st Qu.: 0.000
## Median : 0.000 Median : 0.00 Median : 0.000 Median : 0.000
## Mean : 5.992 Mean : 6.73 Mean : 6.464 Mean : 6.033
## 3rd Qu.: 3.000 3rd Qu.: 3.00 3rd Qu.: 3.000 3rd Qu.: 3.000
## Max. :6164.000 Max. :6759.00 Max. :6033.000 Max. :6735.000
## Agosto Septiembre Octubre Noviembre
## Min. :-211.000 Min. :-527.000 Min. : -38.000 Min. : -25.00
## 1st Qu.: 0.000 1st Qu.: 0.000 1st Qu.: 0.000 1st Qu.: 0.00
## Median : 0.000 Median : 0.000 Median : 0.000 Median : 0.00
## Mean : 6.235 Mean : 3.625 Mean : 3.674 Mean : 3.57
## 3rd Qu.: 3.000 3rd Qu.: 1.000 3rd Qu.: 1.000 3rd Qu.: 1.00
## Max. :6065.000 Max. :6509.000 Max. :6326.000 Max. :5319.00
## Diciembre
## Min. : -28.000
## 1st Qu.: 0.000
## Median : 0.000
## Mean : 3.858
## 3rd Qu.: 0.000
## Max. :6182.000
# Colapsar meses en una columna
df7 <- gather(df1, Mes, Ventas, Enero:Diciembre)
df7
## # A tibble: 5,598,096 Ć 15
## ID AƱo 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
## # ā¹ 5,598,086 more rows
## # ⹠8 more variables: Tamaño_Cte_Industria <chr>, Segmento_Det <chr>,
## # Marca <chr>, Presentacion <chr>, TamaƱo <chr>, Retornable_NR <chr>,
## # Mes <chr>, Ventas <dbl>
# Agregar una columna con el NĆŗmero 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", "Diciembre"="12")
df7$NĆŗmero_de_Mes <- meses[df7$Mes]
# Graficar el total de ventas por mes y aƱo
ventas_totales <- df7 %>%
group_by(Año, Número_de_Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(NĆŗmero_de_Mes)
## `summarise()` has grouped output by 'AƱo'. You can override using the `.groups`
## argument.
ggplot(ventas_totales, 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)", color = "AƱo")
bd <- read.csv("/Users/sebastianlopez/Downloads/Datos Arca Continental Original (1).xlsx")
## Warning in read.table(file = file, header = header, sep = sep, quote = quote, :
## line 1 appears to contain embedded nulls
## Warning in read.table(file = file, header = header, sep = sep, quote = quote, :
## line 2 appears to contain embedded nulls
## Warning in read.table(file = file, header = header, sep = sep, quote = quote, :
## line 3 appears to contain embedded nulls
## Warning in read.table(file = file, header = header, sep = sep, quote = quote, :
## line 5 appears to contain embedded nulls
## Warning in scan(file = file, what = what, sep = sep, quote = quote, dec = dec,
## : embedded nul(s) found in input
### Limpiar base de datos
summary(df)
## ID AƱo 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 TamaƱo 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 TamaƱo
## 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. : -19.0 Min. : -11.00 Min. : -32.00
## Class :character 1st Qu.: 1.0 1st Qu.: 1.00 1st Qu.: 1.00
## Mode :character Median : 2.0 Median : 2.00 Median : 3.00
## Mean : 10.1 Mean : 9.76 Mean : 11.36
## 3rd Qu.: 6.0 3rd Qu.: 6.00 3rd Qu.: 6.00
## Max. :42736.0 Max. :42767.00 Max. :42795.00
## NA's :233480 NA's :231213 NA's :227420
## Abril Mayo Junio Julio
## Min. : -70.00 Min. : -106.00 Min. : -211.0 Min. : -60.00
## 1st Qu.: 1.00 1st Qu.: 1.00 1st Qu.: 1.0 1st Qu.: 1.00
## Median : 3.00 Median : 3.00 Median : 3.0 Median : 2.00
## Mean : 11.71 Mean : 12.75 Mean : 12.2 Mean : 11.75
## 3rd Qu.: 6.00 3rd Qu.: 7.00 3rd Qu.: 6.0 3rd Qu.: 6.00
## Max. :42826.00 Max. :42856.00 Max. :42887.0 Max. :42917.00
## NA's :224057 NA's :216910 NA's :215753 NA's :223411
## Agosto Septiembre Octubre Noviembre
## Min. : -211.00 Min. : -527.0 Min. : -38.0 Min. : -25.0
## 1st Qu.: 1.00 1st Qu.: 1.0 1st Qu.: 1.0 1st Qu.: 1.0
## Median : 3.00 Median : 3.0 Median : 3.0 Median : 3.0
## Mean : 11.98 Mean : 13.4 Mean : 13.7 Mean : 13.3
## 3rd Qu.: 6.00 3rd Qu.: 7.0 3rd Qu.: 7.0 3rd Qu.: 6.0
## Max. :42948.00 Max. :42979.0 Max. :43009.0 Max. :43040.0
## NA's :220242 NA's :337314 NA's :338386 NA's :338460
## Diciembre
## Min. : -28.0
## 1st Qu.: 1.0
## Median : 3.0
## Mean : 14.8
## 3rd Qu.: 7.0
## Max. :43070.0
## NA's :341855
str(df)
## tibble [466,509 Ć 25] (S3: tbl_df/tbl/data.frame)
## $ ID : num [1:466509] 1 2 3 4 5 6 7 8 9 10 ...
## $ AƱo : 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" ...
## $ TamaƱo 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" ...
## $ TamaƱo : 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 ...
# Convertir tipo de variables
df$Cliente <- (df$Cliente)
df$Enero <- (df$Enero)
df$Febrero <- (df$Febrero)
df$Marzo <- (df$Marzo)
df$Abril <-(df$Abril)
df$Mayo <- (df$Mayo)
df$Junio <- (df$Junio)
df$Julio <- (df$Julio)
df$Agosto <- (df$Agosto)
df$Septiembre <- (df$Septiembre)
df$Octubre <- (df$Octubre)
df$Noviembre <- as.integer(df$Noviembre)
df$Diciembre <- as.integer(df$Diciembre)
### Realizar las grƔficas
library(ggplot2)
ggplot(data = df) +
geom_point(mapping = aes(x = Cliente, y = Enero))
## Warning: Removed 233480 rows containing missing values or values outside the scale range
## (`geom_point()`).
library(ggplot2)
library(dplyr)
# Graficar el total de ventas por mes, aƱo y tamaƱo de cliente
ventas_totales <- df7 %>%
group_by(Año, Número_de_Mes, Tamaño) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(NĆŗmero_de_Mes)
## `summarise()` has grouped output by 'Año', 'Número_de_Mes'. You can override
## using the `.groups` argument.
ggplot(ventas_totales, aes(x=Número_de_Mes, y=Tamaño, group=Año, color= as.factor(Año))) +
geom_area() +
labs(x="Mes", y="Ventas Totales (Qty)", color="AƱo")
# Elaborar Regresion lineal
ventas_4567 <- df7 %>%
filter(Cliente == "4567") %>%
group_by(AƱo) %>%
summarise(ventas_totales = sum(Ventas)) %>%
filter(ventas_totales !=0)
#ventas_4567$Secuencia <- 1: nrow(ventas_4567)
ggplot(ventas_4567, aes(x=AƱo, y=ventas_totales)) +
geom_point() +
labs(x="AƱo",y="Ventas Totales(Qty)", title= "ventas totales del cliente 4567")
regresion <- lm(ventas_totales ~ AƱo, data = ventas_4567)
summary(regresion)
##
## Call:
## lm(formula = ventas_totales ~ AƱo, data = ventas_4567)
##
## Residuals:
## 1 2 3
## -5092 10185 -5092
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 48918677 17799125 2.748 0.222
## AƱo -24174 8820 -2.741 0.223
##
## Residual standard error: 12470 on 1 degrees of freedom
## Multiple R-squared: 0.8825, Adjusted R-squared: 0.765
## F-statistic: 7.512 on 1 and 1 DF, p-value: 0.2227
#Ecuación
# y = 48918667 - 24174 * AƱo
# R cuadrada ajustada
# 77%
Datos <- data.frame(AƱo= 2020:2025)
prediccion <- predict(regresion,Datos)
prediccion
## 1 2 3 4 5 6
## 87197.333 63023.333 38849.333 14675.333 -9498.667 -33672.667
ventas_4567$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=AƱo, y=ventas_totales, color=Tipo_de_Dato))+
geom_point() +
labs(x="AƱo", y="Ventas Totales (Qty)", title = "Pronostico a 5 aƱos de Ventas del cliente 4567")
# Elaborar Regresion lineal
ventas_7737 <- df7 %>%
filter(Cliente == "7737") %>%
group_by(AƱo) %>%
summarise(ventas_totales = sum(Ventas)) %>%
filter(ventas_totales !=0)
#ventas_7737$Secuencia <- 1: nrow(ventas_7737)
ggplot(ventas_7737, aes(x=AƱo, y=ventas_totales)) +
geom_point() +
labs(x="AƱo",y="Ventas Totales(Qty)", title= "ventas totales del cliente 7737")
regresion <- lm(ventas_totales ~ AƱo, data = ventas_7737)
summary(regresion)
##
## Call:
## lm(formula = ventas_totales ~ AƱo, data = ventas_7737)
##
## Residuals:
## 1 2 3
## -477.7 955.3 -477.7
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1378614.7 1669578.2 0.826 0.561
## AƱo -681.0 827.3 -0.823 0.562
##
## Residual standard error: 1170 on 1 degrees of freedom
## Multiple R-squared: 0.4039, Adjusted R-squared: -0.1922
## F-statistic: 0.6775 on 1 and 1 DF, p-value: 0.5616
#Ecuación
Datos <- data.frame(AƱo= 2020:2025)
prediccion <- predict(regresion,Datos)
prediccion
## 1 2 3 4 5 6
## 2994.6667 2313.6667 1632.6667 951.6667 270.6667 -410.3333
ventas_7737$Tipo_de_Dato <- "Datos Reales"
Datos$ventas_totales <- prediccion
Datos$Tipo_de_Dato <- "prediccion"
datos_combinados <- rbind(ventas_7737,Datos)
ggplot(datos_combinados, aes(x=AƱo, y=ventas_totales, color=Tipo_de_Dato))+
geom_point() +
labs(x="AƱo", y="Ventas Totales (Qty)", title = "Pronostico a 5 aƱos de Ventas del cliente 77737")
# Elaborar Regresion lineal
ventas_totales <- df7 %>%
filter(Cliente == "ventas_totales") %>%
group_by(AƱo) %>%
summarise(ventas_totales = sum(Ventas)) %>%
filter(ventas_totales !=0)
#ventas_4567$Secuencia <- 1: nrow(ventas_4567)
ggplot(ventas_totales, aes(x=AƱo, y=ventas_totales)) +
geom_point() +
labs(x="AƱo",y="Ventas Totales(Qty)", title= "ventas_totales")
regresion <- lm(ventas_totales ~ AƱo, data = ventas_7737)
summary(regresion)
##
## Call:
## lm(formula = ventas_totales ~ AƱo, data = ventas_7737)
##
## Residuals:
## 1 2 3
## -477.7 955.3 -477.7
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1378614.7 1669578.2 0.826 0.561
## AƱo -681.0 827.3 -0.823 0.562
##
## Residual standard error: 1170 on 1 degrees of freedom
## Multiple R-squared: 0.4039, Adjusted R-squared: -0.1922
## F-statistic: 0.6775 on 1 and 1 DF, p-value: 0.5616
#Ecuación
# y = 48918667 - 24174 * AƱo
# R cuadrada ajustada
# 77%
Datos <- data.frame(AƱo= 2020:2025)
prediccion <- predict(regresion,Datos)
prediccion
## 1 2 3 4 5 6
## 2994.6667 2313.6667 1632.6667 951.6667 270.6667 -410.3333
ventas_totales$Tipo_de_Dato <- "Datos Reales"
Datos$ventas_totales <- prediccion
Datos$Tipo_de_Dato <- "prediccion"
datos_combinados <- rbind(ventas_totales,Datos)
ggplot(datos_combinados, aes(x=AƱo, y=ventas_totales, color=Tipo_de_Dato))+
geom_point() +
labs(x="AƱo", y="Ventas Totales (Qty)", title = "Pronostico a 5 aƱos de ventas_totales")
# Elaborar Regresion lineal
ventas_7796 <- df7 %>%
filter(Cliente == "7796") %>%
group_by(AƱo) %>%
summarise(ventas_totales = sum(Ventas)) %>%
filter(ventas_totales !=0)
#ventas_7796$Secuencia <- 1: nrow(ventas_7796)
ggplot(ventas_7796, aes(x=AƱo, y=ventas_totales)) +
geom_point() +
labs(x="AƱo",y="Ventas Totales(Qty)", title= "ventas totales del cliente 7796")
regresion <- lm(ventas_totales ~ AƱo, data = ventas_7796)
summary(regresion)
##
## Call:
## lm(formula = ventas_totales ~ AƱo, data = ventas_7796)
##
## Residuals:
## 1 2 3
## -34.33 68.67 -34.33
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1360302.33 120004.57 11.34 0.0560 .
## AƱo -673.00 59.47 -11.32 0.0561 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 84.1 on 1 degrees of freedom
## Multiple R-squared: 0.9923, Adjusted R-squared: 0.9845
## F-statistic: 128.1 on 1 and 1 DF, p-value: 0.05611
#Ecuación
Datos <- data.frame(AƱo= 2020:2025)
prediccion <- predict(regresion,Datos)
prediccion
## 1 2 3 4 5 6
## 842.3333 169.3333 -503.6667 -1176.6667 -1849.6667 -2522.6667
ventas_7796$Tipo_de_Dato <- "Datos Reales"
Datos$ventas_totales <- prediccion
Datos$Tipo_de_Dato <- "prediccion"
datos_combinados <- rbind(ventas_7796,Datos)
ggplot(datos_combinados, aes(x=AƱo, y=ventas_totales, color=Tipo_de_Dato))+
geom_point() +
labs(x="AƱo", y="Ventas Totales (Qty)", title = "Pronostico a 5 aƱos de Ventas del cliente 7796")
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 datoss que queremos modelar esten modelados cronologicamente.
# 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$ventas_totales, start = c(2017,1), frequency = 4)
# Funcion de serie de tiempo TRIMESTRAL, que inicia en Ocutubre 2017 (Q4)
#ts <- ts (data=ventas_mensuales_4567$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 autoregresico integrado de modelo movil
arima <- auto.arima(ts, D=1) #D1= por la temporalidad
arima
## Series: ts
## ARIMA(0,0,0)(0,1,0)[12]
##
## sigma^2 = 10383172: log likelihood = -189.94
## AIC=381.87 AICc=382.09 BIC=382.87
summary(arima)
## Series: ts
## ARIMA(0,0,0)(0,1,0)[12]
##
## sigma^2 = 10383172: log likelihood = -189.94
## AIC=381.87 AICc=382.09 BIC=382.87
##
## Training set error measures:
## ME RMSE MAE MPE MAPE MASE ACF1
## Training set -36.98041 2547.446 1572.02 -1.811657 13.08459 0.6269271 0.2519497
# Generar el pronostico de ventas
pronostico <- forecast(arima, level =95, h=36)
pronostico
## Point Forecast Lo 95 Hi 95
## Sep 2019 12086 5770.4219 18401.58
## Oct 2019 11427 5111.4219 17742.58
## Nov 2019 11270 4954.4219 17585.58
## Dec 2019 12227 5911.4219 18542.58
## Jan 2020 9430 3114.4219 15745.58
## Feb 2020 11312 4996.4219 17627.58
## Mar 2020 12515 6199.4219 18830.58
## Apr 2020 13334 7018.4219 19649.58
## May 2020 16286 9970.4219 22601.58
## Jun 2020 15347 9031.4219 21662.58
## Jul 2020 14005 7689.4219 20320.58
## Aug 2020 14050 7734.4219 20365.58
## Sep 2020 12086 3154.4238 21017.58
## Oct 2020 11427 2495.4238 20358.58
## Nov 2020 11270 2338.4238 20201.58
## Dec 2020 12227 3295.4238 21158.58
## Jan 2021 9430 498.4238 18361.58
## Feb 2021 11312 2380.4238 20243.58
## Mar 2021 12515 3583.4238 21446.58
## Apr 2021 13334 4402.4238 22265.58
## May 2021 16286 7354.4238 25217.58
## Jun 2021 15347 6415.4238 24278.58
## Jul 2021 14005 5073.4238 22936.58
## Aug 2021 14050 5118.4238 22981.58
## Sep 2021 12086 1147.0979 23024.90
## Oct 2021 11427 488.0979 22365.90
## Nov 2021 11270 331.0979 22208.90
## Dec 2021 12227 1288.0979 23165.90
## Jan 2022 9430 -1508.9021 20368.90
## Feb 2022 11312 373.0979 22250.90
## Mar 2022 12515 1576.0979 23453.90
## Apr 2022 13334 2395.0979 24272.90
## May 2022 16286 5347.0979 27224.90
## Jun 2022 15347 4408.0979 26285.90
## Jul 2022 14005 3066.0979 24943.90
## Aug 2022 14050 3111.0979 24988.90
plot(pronostico, main = "Ventas mensuales y Pronostivo a 3 aƱos del cliente 4567", xlab = "aƱo", ylab= "Ventas (Qty")
ventas_totatles_seg <- df7 %>%
filter(Segmento_Det %in% c("Agua Purificada", "Isotónicos Regular", "Colas Regular")) %>%
filter(AƱo == 2018) %>%
group_by(Segmento_Det, NĆŗmero_de_Mes) %>%
summarise(Ventas_Totales= sum(Ventas), .groups = "drop") %>%
arrange(NĆŗmero_de_Mes)
ggplot(ventas_totatles_seg, aes(x=NĆŗmero_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 Segmentos", subtitle = "Proyecto Siglo XXI (2018)", color= "TamaƱo de Cliente") +
theme(axis.text.x = element_text(angle=90, vjust=0.5, hjust=1))
** Respuesta: En general las ventas aumentaron en 2019, pero cada segmento se comporto diferente. El incremento de ventas se puede lograr gracias a mejores capaƱas de mercadotecnia, lanzamientos de nuevos productos. En 2018 la venta de Coca-Cola entre febrero y diciembre aumento en 10,00 unidaddes, mientras que las aguas no tuvieron cambios.**
ventas_totales_tan_cliente <- df7 %>%
filter(AƱo == 2019) %>%
group_by(Tamaño_Cte_Industria, Número_de_Mes) %>%
summarise(ventas_totales = sum(Ventas)) %>%
arrange(NĆŗmero_de_Mes) %>%
filter(ventas_totales != 0)
## `summarise()` has grouped output by 'TamaƱo_Cte_Industria'. You can override
## using the `.groups` argument.
ggplot(ventas_totales_tan_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 TamaƱo de cliente", color = "TamaƱo de cliente")
Respuesta: El incremento de ventas es similar independientemente de
los tamaƱos de los clientes. Como todos los negocios estƔn abiertos los
mismos dĆas, y estĆ”n ubicados en la misma ciudad (Guadalajara), los
factores externos de las ventas efectan casi igual a todos. El mes de
mayo de 2019 fue el de mayor ventas en todos los tamaƱos de cliente, y
el primer bimestre fue el mƔs bajo tambiƩn para todos los tamaƱos de
cliente.
3.¿CuÔl es el comportamiento observado de las unidades vendidas por mes de cada una de las marcas, independientemente de sus respectivas presentaciones?
ventas_totales_por_marca <- df7 %>%
filter(AƱo ==2019) %>%
filter(Marca %in% c("Coca-Cola", "Valle Frut", "Coca-Cola Light", "Agua purificada Ciel", "Joya", "Fresca")) %>%
group_by(Marca, NĆŗmero_de_Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(NĆŗmero_de_Mes) %>%
filter(Ventas_Totales !=0)
## `summarise()` has grouped output by 'Marca'. You can override using the
## `.groups` argument.
ggplot(ventas_totales_por_marca, aes(x=NĆŗmero_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", subtitle="Top 5 Marcas (2019)", color= "Marca")
Respuesta: El comportamiento de ventas es similar entre las marcas a
travƩs de los meses, pero hay narcas que venden mucho mƔs que otras. Los
meses de mƔs ventas de bebidas son los meses en que la temperatura es
mayor, y las marcas mƔs conocidas son las que tiene en mente el
consumidor. El mes de mayo 2019 es para todas las marcas el de mayores
ventas, pero la marca Coca-cola es la que vende mƔs que todas.
ventas_envases_retornables<- df7 %>%
filter(Retornable_NR == "Retornable" & AƱo==c(2018,2019)) %>%
group_by(AƱo) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
filter(Ventas_Totales !=0) #para quitar los renglones con 0
ggplot(ventas_envases_retornables, aes(x=AƱo, y=Ventas_Totales)) +
geom_line() +
geom_point() +
labs(title="Ventas de Productos en Envases Retornables en los Ćltimos Dos AƱos",
x="AƱo",
y="Ventas Totales")
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 daƱinas al ecosistema. De 2017 a 2018 hubo
un ligero incremento en las ventas de envase retornable, y entre 2018 y
2019 el aumento fue muy notorio.
ventas_totales_seg <- df7 %>%
filter(Segmento_Det == "Agua Purificada" | Segmento_Det == "Isotonicos Regular" | Segmento_Det== "Colas Regular" ) %>%
filter(AƱo == 2018) %>%
group_by(Segmento_Det, NĆŗmero_de_Mes) %>%
summarise(ventas_totales = sum (Ventas)) %>%
arrange (NĆŗmero_de_Mes)
## `summarise()` has grouped output by 'Segmento_Det'. You can override using the
## `.groups` argument.
ggplot(ventas_totales_seg, aes(x=NĆŗmero_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 Isotónicas. La persepción que el agua no
tiene valor agregado en la preparación y el azúcar 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 mÔs alto 450,000 (8 veces mÔs
que el agua).
ventas_totales_ayr <- df7 %>%
filter(Segmento_Det == c("Agua Purificada", "Colas Regular")) %>%
group_by(Segmento_Det, AƱo) %>%
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 = AƱo, y = Ventas_Totales, group= Segmento_Det, color = Segmento_Det)) +
geom_line() +
geom_point() +
labs(title = "Centas Totales por Segmento",
x = "AƱo",
y = "Ventas Totales (qty)",
color="Segmento")
Respuesta:La venta de agua y refrescos se incrementan en los mismos
meses, y a travƩs de los aƱos, pero no se puede concluir que un
incremento cause el otro. Los meses calurosos y el crecimiento de ;a
poblacio2n hace que las ventas se incrementen en en las bebidas, sean
agua o refresco. En la grƔfica obtenida se observa un incremento aƱo con
aƱo en la venta de agua y tambiƩn de refrescos.
ventas_coca_vidirio <- 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) %>% #para quitar los renglones con 0
filter(AƱo !=2016)
## `summarise()` has grouped output by 'AƱo'. You can override using the `.groups`
## argument.
ts <- ts(data=ventas_coca_vidirio$Ventas_Totales, start=c(2016,1), frequency=12)
arima <- auto.arima(ts, D=1)
arima
## Series: ts
## ARIMA(1,1,0)(0,1,0)[12]
##
## Coefficients:
## ar1
## -0.4027
## s.e. 0.2049
##
## sigma^2 = 57408996: log likelihood = -196.26
## AIC=396.52 AICc=397.27 BIC=398.41
summary(arima)
## Series: ts
## ARIMA(1,1,0)(0,1,0)[12]
##
## Coefficients:
## ar1
## -0.4027
## s.e. 0.2049
##
## sigma^2 = 57408996: log likelihood = -196.26
## AIC=396.52 AICc=397.27 BIC=398.41
##
## Training set error measures:
## ME RMSE MAE MPE MAPE MASE ACF1
## Training set 949.7101 5682.654 3153.896 1.188503 7.536496 0.3461426 -0.09295723
pronostico <- forecast(arima, level=95, h=16)
pronostico
## Point Forecast Lo 95 Hi 95
## Sep 2018 59483.15 44632.75 74333.55
## Oct 2018 54715.84 37417.93 72013.74
## Nov 2018 53121.36 32471.41 73771.32
## Dec 2018 61192.28 38112.18 84272.37
## Jan 2019 65066.26 39626.84 90505.68
## Feb 2019 72468.65 44931.45 100005.85
## Mar 2019 77199.62 47690.81 106708.43
## Apr 2019 60376.06 29027.99 91724.14
## May 2019 92662.27 59573.73 125750.81
## Jun 2019 81915.99 47175.33 116656.65
## Jul 2019 80265.70 43947.52 116583.89
## Aug 2019 81752.82 43923.02 119582.62
## Sep 2019 83678.92 38092.03 129265.82
## Oct 2019 78911.63 29345.94 128477.32
## Nov 2019 77317.15 23142.80 131491.50
## Dec 2019 85388.07 27323.47 143452.66
plot(pronostico, main="Pronóstico de Ventas para el 2020 de Coca Cola 500 ml NR Vidrio", xlab="Año", ylab="Ventas (QTY)")
Respuesta: Las ventas esperadas de Coca-Cola de 500 ml NR Vidrio para 2020 oscilan mensualmente entre 45,000 y 65,000 unidades, con una confiabilidad del 95%.