#install.packages("readx1") #Leer documentos de excel
library(readxl)
#install.packages("tidyverse") #Manipulacion de datos
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.4.4 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.1
## ✔ purrr 1.0.2
## ── 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
#install.packages("ggplot2") #Generar graficos presentables
library(ggplot2)
#file.choose()
Importar la base de datos
#file.choose
df <- read_excel("C:\\Users\\Usuario\\Downloads\\Datos Arca Continental Original.xlsx")
## Warning: Expecting numeric in N184066 / R184066C14: got a date
## Warning: Expecting numeric in O184066 / R184066C15: got a date
## Warning: Expecting numeric in P184066 / R184066C16: got a date
## Warning: Expecting numeric in Q184066 / R184066C17: got a date
## Warning: Expecting numeric in R184066 / R184066C18: got a date
## Warning: Expecting numeric in S184066 / R184066C19: got a date
## Warning: Expecting numeric in T184066 / R184066C20: got a date
## Warning: Expecting numeric in U184066 / R184066C21: got a date
## Warning: Expecting numeric in V184066 / R184066C22: got a date
## Warning: Expecting numeric in W184066 / R184066C23: got a date
## Warning: Expecting numeric in X184066 / R184066C24: got a date
## Warning: Expecting numeric in Y184066 / R184066C25: got a date
Revisar la estructura de datos
str(df)
## tibble [466,509 × 25] (S3: 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 ...
Revisar NAs en la base de datos
#Cuantos NAs tengo en la base de datos?
sum(is.na(df))
## [1] 3148501
# Cuantos 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 233480 231213
## Marzo Abril Mayo
## 227420 224057 216910
## Junio Julio Agosto
## 215753 223411 220242
## Septiembre Octubre Noviembre
## 337314 338386 338460
## Diciembre
## 341855
#opcion 1, Eliminar NAs
# df <- na.omit(df)
#opcion 2. Reemplazar NAs con CEROS
df1 <- df
df1 [is.na(df1)] <- 0
sum (is.na(df1))
## [1] 0
#opcio 3. Reemplazar NAs con PROMEDIO
#df1 <- df
#df1$Enero[is.na(df1$Enero)] <- mean(df1$Enero, na.rm+TRUE)
Detectar valores atipicos
boxplot(df1$Enero)
#Eliminar renglon
df1 <- df1[df1$Enero <6000, ]
boxplot(df1$Enero)
Funciones del paquete dplyr
#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 tamano de la tienda grande:
df3 <- df1 %>% filter(Tamaño_Cte_Industria == "Grande")
# Ordena la base de datos por Cedi, marca y por presentacion:
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))
#Obtener la media de las ventas del primer semestre agrupado por marca, presentacion y tamano
df6 <- df5 %>%
group_by(Marca, Presentacion, Tamaño)%>%
summarise(ventas_sem1=mean(ventas_Sem1))
## `summarise()` has grouped output by 'Marca', 'Presentacion'. You can override
## using the `.groups` argument.
# Calcualar medidas de central
summary(df1)
## ID Año 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 Tamaño_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 Tamaño
## 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 × 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 5,598,086 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>
Insertar librerías
library(tidyverse)
library(dplyr)
library(readxl)
library(ggplot2)
#file.choose("C:\\Users\\Usuario\\Downloads\\Datos Arca Continental Original.xlsx")
datos <- read_excel("C:\\Users\\Usuario\\Downloads\\Datos Arca Continental Original.xlsx")
## Warning: Expecting numeric in N184066 / R184066C14: got a date
## Warning: Expecting numeric in O184066 / R184066C15: got a date
## Warning: Expecting numeric in P184066 / R184066C16: got a date
## Warning: Expecting numeric in Q184066 / R184066C17: got a date
## Warning: Expecting numeric in R184066 / R184066C18: got a date
## Warning: Expecting numeric in S184066 / R184066C19: got a date
## Warning: Expecting numeric in T184066 / R184066C20: got a date
## Warning: Expecting numeric in U184066 / R184066C21: got a date
## Warning: Expecting numeric in V184066 / R184066C22: got a date
## Warning: Expecting numeric in W184066 / R184066C23: got a date
## Warning: Expecting numeric in X184066 / R184066C24: got a date
## Warning: Expecting numeric in Y184066 / R184066C25: got a date
Uso de Select():
#Se desea seleccionar Sub Territoriio, Segmento Det y Marca. Al seleccionarlas implica entender el contexto, poder evaluar la relevancia y calidad de los datos, considerar variables relacionadas para realizar el analisis adecuado.
datos_1 <- datos %>%
select(`Sub Territorio`, `Segmento Det`, Marca)
print(datos_1)
## # A tibble: 466,509 × 3
## `Sub Territorio` `Segmento Det` Marca
## <chr> <chr> <chr>
## 1 Belenes Agua Mineral Topo Chico A.M.
## 2 Belenes Agua Purificada Ciel Agua Purificada
## 3 Belenes Agua Purificada Ciel Agua Purificada
## 4 Belenes Agua Saborizada Ciel Exprim
## 5 Belenes Agua Saborizada Ciel Mini
## 6 Belenes Agua Saborizada Ciel Saborizada
## 7 Belenes Bebidas de Fruta Delaware Punch
## 8 Belenes Bebidas de Fruta Delaware Punch
## 9 Belenes Bebidas de Fruta Frutsi
## 10 Belenes Bebidas de Fruta Pulpy
## # ℹ 466,499 more rows
Cantidad de distribuciòn de distintas Marcas por sub Territorio
# Se desea identificar cantidad de ventas en los distintos productos por sub territorio, de las distintas marcas en los diversos territorios. Esto con una grafica para visualizar de mejor manera.
grafico <- ggplot(datos, aes(x = `Sub Territorio`, fill = Marca)) +
geom_bar(position = "dodge") +
labs(title = "Ventas de distintas Marcas por Sub Territorio",
x = "Sub Territorio",
y = "Cantidad") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Visualizar gráfico
print(grafico)
Filtrar territorios con consumo de “Coca-Cola” mayor que 5, en el mes de Enero
#Se sabe que en Mèxico es de los principales paises que consumen una mayor cantidad de Coca-Cola, por lo cual se desa manipularlos datos del producto Coca cola en el mes de Enero
datos_2 <- datos %>%
filter(Marca == "Coca-Cola" & Enero> 5)
# Visualizar resultado
print(datos_2)
## # A tibble: 37,763 × 25
## ID Año Territorio `Sub Territorio` CEDI Cliente Nombre
## <dbl> <dbl> <chr> <chr> <chr> <chr> <chr>
## 1 20 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 2 22 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 3 23 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 4 26 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 5 27 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 6 28 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 7 29 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 8 30 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 9 33 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 10 114 2016 Guadalajara Belenes Suc. Belenes 77796 MARIA
## # ℹ 37,753 more rows
## # ℹ 18 more variables: `Tamaño Cte Industria` <chr>, `Segmento Det` <chr>,
## # Marca <chr>, Presentacion <chr>, Tamaño <chr>, Retornable_NR <chr>,
## # Enero <dbl>, Febrero <dbl>, Marzo <dbl>, Abril <dbl>, Mayo <dbl>,
## # Junio <dbl>, Julio <dbl>, Agosto <dbl>, Septiembre <dbl>, Octubre <dbl>,
## # Noviembre <dbl>, Diciembre <dbl>
Uso de arrange
#Seleccionar solo las columnas de enero a mayo y ordenar los datos por el consumo de "Burn" en el territorio "Guadalajara"
datos_3 <- datos %>%
filter(Territorio == "Guadalajara" & Marca == "Burn") %>%
select(Territorio, Marca, Enero:Mayo) %>%
arrange(desc(Enero))
# Mostrar el resultado
print(datos_3)
## # A tibble: 3,591 × 7
## Territorio Marca Enero Febrero Marzo Abril Mayo
## <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Guadalajara Burn 6 NA NA NA NA
## 2 Guadalajara Burn 5 4 3 2 3
## 3 Guadalajara Burn 5 3 3 6 4
## 4 Guadalajara Burn 5 4 8 10 5
## 5 Guadalajara Burn 4 NA 3 4 3
## 6 Guadalajara Burn 4 NA NA 2 3
## 7 Guadalajara Burn 4 2 3 1 4
## 8 Guadalajara Burn 3 1 2 4 3
## 9 Guadalajara Burn 3 1 1 4 2
## 10 Guadalajara Burn 3 3 3 3 1
## # ℹ 3,581 more rows
Uso de group_by() & summarise()
#Agrega un campo calculado con las ventas del primer semestre y muestra las ventas del primer semestre por marca:
datos_4 <- datos %>% mutate(ventas_Sem1 = Enero + Febrero + Marzo + Abril + Mayo + Junio)
ventas_sem1_por_marca <- datos_4 %>%
group_by(Marca) %>%
summarise(ventas_sem1=sum(ventas_Sem1))
print(datos_4)
## # A tibble: 466,509 × 26
## 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 466,499 more rows
## # ℹ 19 more variables: `Tamaño Cte Industria` <chr>, `Segmento Det` <chr>,
## # Marca <chr>, Presentacion <chr>, Tamaño <chr>, Retornable_NR <chr>,
## # Enero <dbl>, Febrero <dbl>, Marzo <dbl>, Abril <dbl>, Mayo <dbl>,
## # Junio <dbl>, Julio <dbl>, Agosto <dbl>, Septiembre <dbl>, Octubre <dbl>,
## # Noviembre <dbl>, Diciembre <dbl>, ventas_Sem1 <dbl>
#Agregar una plumna con el numero del 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$Número_de_Mes <- meses[df7$Mes]
#Graficar el total de ventas por mes y año
ventas_totales <- df7 %>%
group_by(Año, Número_de_Mes) %>%
summarise(Ventas_Totales = sum (Ventas)) %>%
arrange(Número_de_Mes)
## `summarise()` has grouped output by 'Año'. 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="Año" )
# 1.¿Se ha incrementado la venta de productos en envases retornables en los últimos dos años?
ventas_totales_er <- df7 %>%
filter(Retornable_NR == "Retornable") %>%
group_by(Año, Número_de_Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Número_de_Mes)
## `summarise()` has grouped output by 'Año'. You can override using the `.groups`
## argument.
ggplot(ventas_totales_er, 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 productos en envases retornables", color = "Año")
# 2.¿Se ha incrementado la venta de productos en envases retornables en los últimos dos años?
ventas_totales_er <- df7 %>%
filter(Segmento_Det == "Agua Purificada" | Segmento_Det == "Colas Regular" | Segmento_Det == "Isotónicos 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_er, 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")
# 3.¿Puede decirse que la venta mensual de agua está relacionada con la venta mensual de refrescos en los últimos 4 años?
ventas_totales_er <- df7 %>%
filter(Segmento_Det == "Agua Purificada" | Segmento_Det == "Colas Regular") %>%
group_by(Segmento_Det, Año) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Año)
## `summarise()` has grouped output by 'Segmento_Det'. You can override using the
## `.groups` argument.
ggplot(ventas_totales_er, aes(x=Año, y=Ventas_Totales,group=Segmento_Det, color= as.factor(Segmento_Det))) +
geom_col() +
labs(x="Producto", y= "Ventas Totales últimos 4 años", title = "Agua vs Refresco", color = "Segmento")
# 4.¿Cuál es el comportamiento observado de las unidades vendidas por mes de cada una de las marcas, independientemente de sus respectivas presentaciones?
ventas_totales_er <- df7 %>%
filter(Marca == "Ciel Agua Purificada" | Marca == "Coca-Cola" | Marca == "Powerade" | Marca == "Sprite Zero" | Marca == "Fanta" | Marca == "Fresca" | Marca == "Manzana Lift") %>%
group_by(Marca, Número_de_Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Número_de_Mes)
## `summarise()` has grouped output by 'Marca'. You can override using the
## `.groups` argument.
ggplot(ventas_totales_er, aes(x=Número_de_Mes, y=Ventas_Totales,group=Marca, color= as.factor(Marca))) +
geom_col() +
labs(x="Mes", y= "Ventas Totales", title = "Unidades vendidas por mes de cada una de las marcas", color = "Marca")
# 5.¿El incremento en las ventas es similar entre los diferentes tamaños de clientes?
ventas_totales_er <- df7 %>%
group_by(Tamaño_Cte_Industria, Año) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Año)
## `summarise()` has grouped output by 'Tamaño_Cte_Industria'. You can override
## using the `.groups` argument.
ggplot(ventas_totales_er, aes(x=Año, y=Ventas_Totales,group=Tamaño_Cte_Industria, color= as.factor(Tamaño_Cte_Industria))) +
geom_area() +
labs(x="Año", y= "Incremento de Ventas Totales", title = "Ventas entre los diferentes tamaños de clientes", color = "Tamaño de la industria")
ventas_4567 <- df7 %>%
filter(Cliente =="4567") %>%
group_by(Año) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
filter(Ventas_Totales != 0)
#ventas_4567$Secuencia <- 1:nrow(ventas_4567)
ggplot(ventas_4567, aes (x=Año, y=Ventas_Totales)) +
geom_point()+
labs(x="Año", y="Ventas Totales(Qty)", title ="Ventas Totales del cliente 4567" )
regresion <- lm(Ventas_Totales~Año, data=ventas_4567)
summary(regresion)
##
## Call:
## lm(formula = Ventas_Totales ~ Año, data = ventas_4567)
##
## Residuals:
## 1 2 3
## -5092 10185 -5092
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 48918677 17799125 2.748 0.222
## Año -24174 8820 -2.741 0.223
##
## Residual standard error: 12470 on 1 degrees of freedom
## Multiple R-squared: 0.8825, Adjusted R-squared: 0.765
## F-statistic: 7.512 on 1 and 1 DF, p-value: 0.2227
datos <- data.frame(Año=2020:2025)
prediccion <- predict(regresion,datos)
prediccion
## 1 2 3 4 5 6
## 87197.333 63023.333 38849.333 14675.333 -9498.667 -33672.667
ventas_4567$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=Año, y=Ventas_Totales, color=Tipo_de_dato)) +
geom_point()+
labs(x="Año", y="Ventas Totales(Qty)", title ="Pronostico de ventas del cliente 4567" )
ventas_4567 <- df7 %>%
filter(Cliente =="4567") %>%
group_by(Año) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
filter(Ventas_Totales != 0)
#ventas_4567$Secuencia <- 1:nrow(ventas_4567)
ggplot(ventas_4567, aes (x=Año, y=Ventas_Totales)) +
geom_point()+
labs(x="Año", y="Ventas Totales(Qty)", title ="Ventas Totales del cliente 4567" )
regresion <- lm(Ventas_Totales~Año, data=ventas_4567)
summary(regresion)
##
## Call:
## lm(formula = Ventas_Totales ~ Año, data = ventas_4567)
##
## Residuals:
## 1 2 3
## -5092 10185 -5092
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 48918677 17799125 2.748 0.222
## Año -24174 8820 -2.741 0.223
##
## Residual standard error: 12470 on 1 degrees of freedom
## Multiple R-squared: 0.8825, Adjusted R-squared: 0.765
## F-statistic: 7.512 on 1 and 1 DF, p-value: 0.2227
datos <- data.frame(Año=2020:2025)
prediccion <- predict(regresion,datos)
prediccion
## 1 2 3 4 5 6
## 87197.333 63023.333 38849.333 14675.333 -9498.667 -33672.667
ventas_4567$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=Año, y=Ventas_Totales, color=Tipo_de_dato)) +
geom_point()+
labs(x="Año", y="Ventas Totales(Qty)", title ="Pronostico de ventas del cliente 4567" )
# Regresión por Segmento Det
ventas_segmento_det <- df7 %>%
filter(Cliente == "4567") %>%
group_by(Año, Segmento_Det) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
filter(Ventas_Totales != 0)
## `summarise()` has grouped output by 'Año'. You can override using the `.groups`
## argument.
ggplot(ventas_segmento_det, aes(x = Año, y = Ventas_Totales, color = Segmento_Det)) +
geom_point() +
labs(x = "Año", y = "Ventas Totales(Qty)", title = "Ventas Totales del cliente 4567 por Segmento Det") +
geom_smooth(method = "lm", se = FALSE)
## `geom_smooth()` using formula = 'y ~ x'
ventas_presentacion <- df7 %>%
filter(Cliente == "4567") %>%
group_by(Año, Presentacion) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
filter(Ventas_Totales != 0)
## `summarise()` has grouped output by 'Año'. You can override using the `.groups`
## argument.
ggplot(ventas_presentacion, aes(x = Año, y = Ventas_Totales, color = Presentacion)) +
geom_point() +
labs(x = "Año", y = "Ventas Totales(Qty)", title = "Ventas Totales del cliente 4567 por Presentación") +
geom_smooth(method = "lm", se = FALSE)
## `geom_smooth()` using formula = 'y ~ x'
# Regresión por Marca
ventas_marca <- df7 %>%
filter(Cliente == "4567") %>%
group_by(Año, Marca) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
filter(Ventas_Totales != 0)
## `summarise()` has grouped output by 'Año'. You can override using the `.groups`
## argument.
ggplot(ventas_marca, aes(x = Año, y = Ventas_Totales, color = Marca)) +
geom_point() +
labs(x = "Año", y = "Ventas Totales(Qty)", title = "Ventas Totales del cliente 4567 por Marca") +
geom_smooth(method = "lm", se = FALSE)
## `geom_smooth()` using formula = 'y ~ x'
# Regresión por Retornable_NR
ventas_retornable <- df7 %>%
filter(Cliente == "4567") %>%
group_by(Año, Retornable_NR) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
filter(Ventas_Totales != 0)
## `summarise()` has grouped output by 'Año'. You can override using the `.groups`
## argument.
ggplot(ventas_retornable, aes(x = Año, y = Ventas_Totales, color = as.factor(Retornable_NR))) +
geom_point() +
labs(x = "Año", y = "Ventas Totales(Qty)", title = "Ventas Totales del cliente 4567 por Retornable_NR") +
geom_smooth(method = "lm", se = FALSE)
## `geom_smooth()` using formula = 'y ~ x'
ventas_mensuales_4567 <- df7 %>%
filter(Cliente == "4567") %>%
group_by(Año, Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
filter(Ventas_Totales != 0)
## `summarise()` has grouped output by 'Año'. You can override using the `.groups`
## argument.
# Crear serie de tiempo mensual, que inicia en Enero de 2017
ts <- ts(data = ventas_mensuales_4567$Ventas_Totales, start = c(2017, 1), frequency = 12)
# Si prefieres iniciar la serie en Abril de 2017, utiliza este código:
# ts <- ts(data = ventas_mensuales_4567$Ventas_Totales, start = c(2017, 4), frequency = 12)
library(forecast)
## Warning: package 'forecast' was built under R version 4.3.3
## Registered S3 method overwritten by 'quantmod':
## method from
## as.zoo.data.frame zoo
# Crear modelo ARIMA
arima_model <- auto.arima(ts, D = 1) # D=1 por la temporalidad
print(arima_model)
## Series: ts
## ARIMA(0,0,0)(0,1,0)[12]
##
## sigma^2 = 12151913: log likelihood = -191.51
## AIC=385.02 AICc=385.24 BIC=386.01
summary(arima_model)
## Series: ts
## ARIMA(0,0,0)(0,1,0)[12]
##
## sigma^2 = 12151913: log likelihood = -191.51
## AIC=385.02 AICc=385.24 BIC=386.01
##
## Training set error measures:
## ME RMSE MAE MPE MAPE MASE ACF1
## Training set 24.80084 2755.893 1738.113 -1.696181 14.35444 0.6267424 0.02771808
# Generar el pronóstico de ventas
pronostico <- forecast(arima_model, level = 95, h = 36)
print(pronostico)
## Point Forecast Lo 95 Hi 95
## Sep 2019 14204 7371.6451 21036.35
## Oct 2019 11270 4437.6451 18102.35
## Nov 2019 11427 4594.6451 18259.35
## Dec 2019 12086 5253.6451 18918.35
## Jan 2020 13334 6501.6451 20166.35
## Feb 2020 14050 7217.6451 20882.35
## Mar 2020 9430 2597.6451 16262.35
## Apr 2020 11312 4479.6451 18144.35
## May 2020 14005 7172.6451 20837.35
## Jun 2020 15347 8514.6451 22179.35
## Jul 2020 12515 5682.6451 19347.35
## Aug 2020 16286 9453.6451 23118.35
## Sep 2020 14204 4541.5911 23866.41
## Oct 2020 11270 1607.5911 20932.41
## Nov 2020 11427 1764.5911 21089.41
## Dec 2020 12086 2423.5911 21748.41
## Jan 2021 13334 3671.5911 22996.41
## Feb 2021 14050 4387.5911 23712.41
## Mar 2021 9430 -232.4089 19092.41
## Apr 2021 11312 1649.5911 20974.41
## May 2021 14005 4342.5911 23667.41
## Jun 2021 15347 5684.5911 25009.41
## Jul 2021 12515 2852.5911 22177.41
## Aug 2021 16286 6623.5911 25948.41
## Sep 2021 14204 2370.0142 26037.99
## Oct 2021 11270 -563.9858 23103.99
## Nov 2021 11427 -406.9858 23260.99
## Dec 2021 12086 252.0142 23919.99
## Jan 2022 13334 1500.0142 25167.99
## Feb 2022 14050 2216.0142 25883.99
## Mar 2022 9430 -2403.9858 21263.99
## Apr 2022 11312 -521.9858 23145.99
## May 2022 14005 2171.0142 25838.99
## Jun 2022 15347 3513.0142 27180.99
## Jul 2022 12515 681.0142 24348.99
## Aug 2022 16286 4452.0142 28119.99
# Graficar el pronóstico
plot(pronostico, main = "Ventas Mensuales y Pronóstico a 3 años del cliente 4567", xlab = "Año", ylab = "Ventas(QTY)")
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 implementó el Proyecto siglo XXI de Arca Continental?
ventas_totales_Der <- df7 %>%
filter(Segmento_Det %in% c("Agua Purificada", "Colas Regular", "Isotónicos Regular")) %>%
filter(Año == 2018) %>%
group_by(Segmento_Det, Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Mes)
## `summarise()` has grouped output by 'Segmento_Det'. You can override using the
## `.groups` argument.
ggplot(ventas_totales_Der, aes(x = 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 venta 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 aumento en 10,000 unidades, mientas que las aguas isotónicas no tuvieron cambios.
2.- ¿El incremento en las ventas es similar entre los diferentes tamaños de clientes?
ventas_totales_tam_cliente <- df7 %>%
filter(Año == 2019) %>%
group_by(Tamaño_Cte_Industria, Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Mes)
## `summarise()` has grouped output by 'Tamaño_Cte_Industria'. You can override
## using the `.groups` argument.
library(ggplot2)
ggplot(ventas_totales_tam_cliente, aes(x = 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 Tamaño de Cliente", color = "Tamaño de Cliente")
Respuesta: El incremento de ventas es similar independientemente de los tamaños de los clientes. Como todos los negocios están abiertos los mismos días, y están 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 en ventas en todos los tamaños de clientes, y el primer bimestr fue el mas bajo tambien para los tamaños de cliente.
ventas_totales_marca <- df7 %>%
filter(Año == 2019) %>%
filter(Marca %in% c("coca-cola", "valle Frut", "Ciel Agua Purificada", "Coca-cola Light")) %>%
group_by(Marca, Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Mes) %>%
filter(Ventas_Totales != 0)
## `summarise()` has grouped output by 'Marca'. You can override using the
## `.groups` argument.
ggplot(ventas_totales_marca, aes(x = 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 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 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 más que todas
ventas_totales_Retornable_NR <- df7 %>%
filter(Retornable_NR== "Retornable") %>%
filter(Año == c(2017,2018,2019)) %>%
group_by(Año,Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Año,Mes)%>%
filter(Ventas_Totales !=0)
## `summarise()` has grouped output by 'Año'. You can override using the `.groups`
## argument.
ggplot(ventas_totales_Retornable_NR, aes(x=Mes, y=Ventas_Totales, group=Año, color= as.factor(Año)))+
geom_line()+
geom_point()+
labs(x="Mes", y="Ventas totales (Qty)", title="Ventas totales por Retornable", color="Año ")
5.¿El comportamiento de la venta de agua ha incrementado en relación al de los refrescos o las bebidas isotónicas?
ventas_totales_er <- df7 %>%
filter(Segmento_Det == "Agua Purificada" | Segmento_Det == "Colas Regular" | Segmento_Det == "Isotónicos Regular") %>%
filter(Año==2018) %>%
group_by(Segmento_Det, Mes) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Mes)
## `summarise()` has grouped output by 'Segmento_Det'. You can override using the
## `.groups` argument.
ggplot(ventas_totales_er, aes(x= 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: A lo largo del año, las ventas de agua purificada se mantienen uniformes sin mostrar una tendencia clara hacia un aumento significativo, mientras que las ventas de colas regulares superan ampliamente las del agua y las bebidas isotónicas, permaneciendo también estables pero con pequeñas variaciones periódicas. Por otro lado, las bebidas isotónicas presentan las ventas más bajas de los segmentos, comportándose de manera constante similar al agua purificada y sin indicios de un incremento en su demanda.
6.¿Puede decirse que la venta mensual de agua está relacionada con la venta mensual de refrescos en los últimos 4 años?
ventas_totales_er <- df7 %>%
filter(Segmento_Det == "Agua Purificada" | Segmento_Det == "Colas Regular") %>%
group_by(Segmento_Det, Año) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
arrange(Año)
## `summarise()` has grouped output by 'Segmento_Det'. You can override using the
## `.groups` argument.
ggplot(ventas_totales_er, aes(x=Año, y=Ventas_Totales,group=Segmento_Det, color= as.factor(Segmento_Det))) +
geom_col() +
labs(x="Producto", y= "Ventas Totales últimos 4 años", title = "Agua vs Refresco", color = "Segmento")
Respuesta: A lo largo de cuatro años, la proporción de agua purificada frente a las colas regulares se ha mantenido pequeña y consistente, sin experimentar grandes cambios, mientras que las colas regulares han continuado dominando el mercado con la mayor parte de las ventas totales, a pesar de las ligeras variaciones en la altura de las barras anuales, lo que resalta su predominio en el volumen de ventas en comparación con el agua.
7.¿A cuánto ascienden las ventas esperadas para el 2020 en la Coca Cola de 500 ml NR Vidrio?
ventas_COCACOLA <- df7 %>%
filter(Marca == "Coca-Cola" | Presentacion == "500 ml NR Vidrio") %>%
group_by(Año) %>%
summarise(Ventas_Totales = sum(Ventas)) %>%
filter(Ventas_Totales != 0)
ggplot(ventas_COCACOLA, aes(x=Año, y=Ventas_Totales)) +
geom_point() +
labs(x="Año", y="Ventas Totales (QTY)", title="Ventas de la marca Coca-Cola")
datos <- data.frame(Año=2020)
prediccion <- predict(regresion,datos)
prediccion
## 1
## 87197.33
ventas_COCACOLA$Tipo_de_Dato <- "Datos Reales"
datos$Ventas_Totales <- prediccion
datos$Tipo_de_Dato <- "Predicción"
datos_combinados <- rbind(ventas_COCACOLA, datos)
ggplot(datos_combinados, aes(x=Año, y=Ventas_Totales, color=Tipo_de_Dato)) +
geom_point() +
labs(x="Año", y="Ventas Totales (QTY)", title="Pronóstico de Ventas de la marca Coca Cola envase de 500ml")
ventas_COCACOLA$Tipo_de_Dato <- "Datos Reales"
datos$Ventas_Totales <- prediccion
datos$Tipo_de_Dato <- "Predicción"
datos_combinados <- rbind(ventas_COCACOLA, 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 de Ventas de la marca Coca Cola envase de 500ml")
Respuesta: Desde 2016 hasta 2019, junto con una predicción para el año 2020. Según la información visualizada, las ventas esperadas para el 2020 en la Coca Cola de 500 ml NR Vidrio ascienden a aproximadamente 6,500,000 unidades (QTY), indicado por el punto de predicción azul en el gráfico.