Introducción

El análisis de los tiempos de entrega es fundamental para evaluar el desempeño logístico de una empresa y su impacto en la satisfacción del cliente. En este caso, se dispone de datos que muestran el tiempo promedio de entrega, en días, para diferentes categorías de productos enviados a los clientes. Esta información permite no solo identificar patrones en los tiempos de entrega, sino también entender las diferencias entre categorías y clientes, lo que podría ser clave para optimizar el proceso logístico.

Objetivo

El objetivo de este análisis es identificar patrones y diferencias en los tiempos promedio de entrega entre las distintas categorías de productos y clientes, utilizando técnicas de análisis multivariante.

Pregunta de investigación:¿Existen patrones o diferencias significativas en los tiempos promedio de entrega entre los diferentes tipos de productos (categorías) y clientes?

Para responder esta pregunta aplicaremos los siguientes métodos multivariantes:

Análisis de componentes principales (PCA): Reducir la dimensionalidad de los datos para identificar cuáles categorías tienen mayor impacto en la variación de los tiempos de entrega. Visualizar los clientes y categorías en un espacio de menor dimensión.

Análisis de clusters:

Agrupar clientes según sus tiempos promedio de entrega en las diferentes categorías de productos. Identificar grupos de clientes con patrones similares (por ejemplo, clientes con tiempos de entrega bajos en todas las categorías o aquellos con tiempos altos en ciertas categorías).

Análisis de correlación: Examinar si hay relaciones entre los tiempos promedio de entrega de diferentes categorías.

Análisis Descriptivo

Medidas de Tendencia Central y Dispersión por Categoría
Categoria Media Mediana DesviacionEstandar Minimo Maximo
ClassicCars 3.591837 3 3.566270 0 35
Motorcycles 2.173469 1 2.293089 0 8
VintageCars 3.020408 3 1.855499 0 8
Planes 1.846939 0 2.294557 0 8
TrucksBuses 0.000000 0 0.000000 0 0
Ships 1.622449 0 2.053487 0 6
Trains 1.571429 0 4.266871 0 39

Veamos que Classic Cars tiene el tiempo promedio de entrega más alto, cercano a 4 días, lo que podría indicar mayor complejidad en el envío de esta categoría. Vintage Cars y Motorcycles presentan tiempos promedio intermedios, entre 3 y 3.5 días. Planes, Ships, y Trains tienen tiempos promedio de entrega similares, rondando los 2 a 2.5 días. Trucks and Buses no muestra tiempos promedio significativos (probablemente porque no se realizaron pedidos en esta categoría)

Análisis Multivariante

Para facilitar el análisis de correlación entre las categorías de productos, se ha decidido excluir la variable TrucksBuses del análisis. Esto se debe a que dicha variable no presenta variabilidad en los datos (todos sus valores son iguales a cero), lo que impide calcular correlaciones significativas con otras categorías.

Análisis de componenes principales (PCA)

El gráfico muestra qué tan bien están representadas las categorías en cada componente principal del análisis PCA. Las variables ClassicCars y Trains destacan en la Dimensión 1, con altos valores de(cercanos a 0.92), indicando que son las categorías con mayor impacto en la variabilidad de los tiempos promedio de entrega. Por otro lado, Motorcycles, VintageCars y Planes tienen contribuciones moderadas en la Dimensión 2, mientras que en las demás dimensiones (Dim.3, Dim.4, y Dim.5), las categorías tienen baja representación. Esto sugiere que las primeras dimensiones capturan la mayor parte de la variación en los datos, permitiendo reducir la dimensionalidad y además el screeplot lo confirma.

El gráfico de PCA muestra cómo las categorías de productos contribuyen a las dos primeras dimensiones principales, que explican el 31.2% y el 25.2% de la variación total en los datos. Las flechas representan las categorías, y su longitud indica su importancia en estas dimensiones. Las categorías ClassicCars y Trains tienen la mayor contribución a la Dimensión 1, como lo indica su posición alineada con este eje y su color intenso (alto). Por otro lado, Planes, VintageCars, Ships y Motorcycles tienen contribuciones menores y están más dispersas entre las dimensiones, con menor intensidad en el color (bajo). Esto sugiere que las categorías ClassicCars y Trains son las más influyentes en la variabilidad general, mientras que las demás tienen un impacto más moderado.

Análisis de cluster

El dendrograma muestra cómo las categorías de productos se agrupan en función de sus similitudes en los tiempos promedio de entrega, destacando tres grupos principales: ClassicCars y VintageCars forman un grupo cercano debido a sus patrones similares; Trains se diferencia significativamente, indicando un comportamiento único; y Motorcycles, Planes, y Ships comparten características comunes que los agrupan.

Este análisis muestra que los clientes pueden clasificarse en 3 grupos principales basados en sus tiempos promedio de entrega. El Cluster 1 destaca por tener un cliente fuera del promedio Los Clusters 2 y 3 agrupan clientes con características similares es decir tiempos de entrega similares.

Análisis de correlación

Las correlaciones entre las categorías de productos revelan patrones interesantes: ClassicCars y Trains presentan una correlación fuerte de 0.85, lo que sugiere similitudes en los tiempos promedio de entrega, posiblemente por factores logísticos compartidos. Relaciones moderadas se observan entre Planes con Motorcycles (0.32) y Planes con VintageCars (0.26), lo que indica cierta conexión en sus tiempos de entrega. Sin embargo, muchas categorías, como ClassicCars con Planes (-0.05) o Motorcycles con Ships (-0.15), muestran correlaciones débiles o cercanas a cero, lo que implica que no tienen un patrón en común. Las correlaciones negativas, aunque leves, sugieren relaciones inversas muy ligeras entre ciertas categorías.

Conclusión

¿Existen patrones o diferencias significativas en los tiempos promedio de entrega entre los diferentes tipos de productos (categorías) y clientes?

Sí, existen diferencias significativas en los tiempos promedio de entrega entre las categorías de productos, destacando ClassicCars y Trains como las más influyentes debido a su alta contribución en la variabilidad total y patrones distintivos identificados en el análisis de PCA y clustering. Los clientes también muestran patrones específicos, agrupándose según su relación con estas categorías, con algunos asociados estrechamente a categorías como ClassicCars y otros con patrones más equilibrados.