CONTEXTO DE LA EMPRESA

Adidas es una de las compañías más antiguas y reconocidas en la industria de artículos deportivos a nivel mundial. Fundada en Alemania en 1949, ha construido una trayectoria sólida basada en la innovación, la calidad y el diseño de productos como calzado, ropa deportiva y accesorios. A lo largo de su historia, la empresa ha destacado por introducir tecnologías pioneras que transformaron la experiencia deportiva de millones de usuarios. No obstante, con la entrada de nuevos competidores y la evolución del mercado hacia tendencias más orientadas a la moda y al estilo de vida. Su fuerte imagen de marca y su compromiso con el desarrollo de productos innovadores mantienen a la empresa como un referente global en el sector.

ANÁLISIS A PLANTEAR

El análisis financiero es un tipo de análisis fundamental para evaluar el estado de una empresa a nivel económico y como está siendo su desempeño general. A través de algunos indicadores, se puede interpretar la eficiencia con la que se utilizan los recursos, la rentabilidad generada y la capacidad de la compañía para mantener su competitividad. Este análisis, permite identificar las fortalezas y debilidades financieras, identificar tendencias y apoyar el proceso de toma de decisiones. Para el caso en especifico de Adidas, este análisis es sumamente relevante ya que este mercado es muy competitivo y se debe adaptar a las preferencias cambiantes tanto del consumidor como de la industria deportiva.

ANALISTAS


Juan Manuel Jiménez


José Miguel Silva

# Cargar librerías
library(knitr)
library(kableExtra)
library(tidyr)
library(RecordLinkage)
library(leaflet)
library(htmltools)
library(readxl)
library(dplyr)
library(ggplot2)
library(plotly)

CONTEXTO EMPRESARIAL

DETERMINACIÓN DE MEDIDAS DESCRIPTIVAS DE CADA UNA DE LAS VARIABLES ANALIZADAS

Calcular la media, mediana y moda de variables como precio por unidad, unidades vendidas, ventas totales y margen operativo es fundamental para comprender el desempeño comercial de Adidas. Estas medidas permiten identificar el precio típico de los productos, los niveles habituales de ventas y la rentabilidad promedio, eliminando distorsiones generadas por valores extremos. Con esta información, Adidas puede evaluar con precisión qué tan eficiente es su estructura de precios, cómo responde la demanda y qué tan rentable es su portafolio, facilitando decisiones estratégicas sobre precios, producción y optimización del rendimiento financiero.

library(dplyr)
library(tidyr)
library(knitr)
library(kableExtra)
library(readxl)
library(zoo)
Adidata <- read_excel("Adidata.xlsx")
View(Adidata)

# Función moda
moda <- function(x) {
  x <- x[!is.na(x)]
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}

# Seleccionar solo numéricas
datos_numericos <- Adidata %>% 
  select(where(is.numeric))

# Calcular estadísticas
estadisticos <- datos_numericos %>% 
  summarise(
    across(
      everything(),
      list(
        Media = ~ mean(.x, na.rm = TRUE),
        Mediana = ~ median(.x, na.rm = TRUE),
        Moda = ~ moda(.x)
      ),
      .names = "{.col}_{.fn}"
    )
  )

# Reorganizar 
estadisticos_limpio <- estadisticos %>%
  pivot_longer(
    everything(),
    names_to = c("Variable", "Estadistica"),
    names_sep = "_(?=[^_]+$)"     # divide solo en el ÚLTIMO "_"
  ) %>%
  pivot_wider(
    names_from = Estadistica,
    values_from = value
  )

# Tabla 

estadisticos_limpio %>%
  kbl(
    caption = "Medidas Descriptivas (Media, Mediana y Moda)", 
    booktabs = TRUE,
    align = "c"
  ) %>%
  kable_classic(
    full_width = FALSE, 
    html_font = "Arial"
  ) %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed"),
    full_width = FALSE,
    position = "center"
  ) %>%
  row_spec(0, bold = TRUE, color = "white", background = "#0C1C8C") %>%   # Azul Adidas
  scroll_box(width = "700px", height = "400px")
Medidas Descriptivas (Media, Mediana y Moda)
Variable Media Mediana Moda
precio_por_unidad 45.21663 45.000 50
uvendidas 256.93004 176.000 225
ventas_total 12455.08396 7803.500 10000
utilidad_op 3442.52448 437.142 2100
margen_op 17.38655 5.400 35

PROMEDIO DEL PRECIO POR PRODUCTO

library(dplyr)
library(ggplot2)
library(readxl)
library(zoo)
Adidas <- read_excel("Adidata.xlsx")

datos_summarised <- Adidata %>%
  group_by(producto) %>%
  summarise(precio_promedio = mean(precio_por_unidad, na.rm = TRUE))

ggplot(datos_summarised, aes(x = producto, y = precio_promedio)) +
  geom_col(fill = "#0C1C8C", color = "white", alpha = 0.85) +
  labs(
    title = "Precio Promedio por Tipo de Producto",
    x = "Producto",
    y = "Precio promedio"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(color = "#0C1C8C", face = "bold", size = 18),
    axis.title = element_text(color = "#0C1C8C")
  )

Determinamos asi que el producto con el promedio de precio mas caro es la ropa de mujer.

POPULARIDAD DE CADA PRODUCTO

datos_summarised <- Adidata %>%
  group_by(producto) %>%
  summarise(unidades_totales = sum(uvendidas, na.rm = TRUE))

ggplot(datos_summarised, aes(x = producto, y = unidades_totales)) +
  geom_col(fill = "#0C1C8C", color = "white", alpha = 0.85) +
  labs(
    title = "Unidades Vendidas por Tipo de Producto",
    x = "Producto",
    y = "Unidades vendidas"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(color = "#0C1C8C", face = "bold", size = 18),
    axis.title = element_text(color = "#0C1C8C")
  )

Determinamos que el calzado urbano de hombre es la categoria de producto mas popular.

1. Rentabilidad: Margen operativo vs Precio por unidad

La rentabilidad es un indicador clave que refleja la capacidad de una empresa para generar utilidades a partir de sus ventas. Este análisis permite comprender si las estrategias operativas, comerciales y de costos están generando los beneficios esperados. En el contexto de Adidas, estudiar la rentabilidad resulta esencial para determinar si la empresa está logrando convertir su posicionamiento de marca y su innovación en retornos financieros sostenibles.

 ggplotly(
  ggplot(Adidata, aes(x = precio_por_unidad,
                      y = margen_op,
                      color = uvendidas)) +
    geom_point(size = 3, alpha = 0.8) +
    scale_color_gradient(low = "#C9D6FF", high = "#0C1C8C") +
    labs(
      title = "Margen Operativo vs Precio por Unidad",
      x = "Precio por Unidad",
      y = "Margen Operativo",
      color = "Unidades Vendidas"
    ) +
    theme_minimal()
)

En este gráfico de dispersión, podemos ver la relación que existe entre tres variables: precio por unidad, margen operativo y las unidades vendidas para los diferentes productos de Adidas. Si bien, podemos ver una gran cantidad de puntos en la parte inferior del gráfico (que corresponde a productos con márgenes operativos bajos), estos no representan el peso relevante de la venta del portafolio de Adidas. En contraste, los puntos que en realidad si presentan una relevancia, son los más oscuros ubicados principalmente en el rango medio del precio (entre 30 y 70) como del margen (entre 30 y 50), lo que nos señala que los productos que tienen niveles moderados de ambas variables son los de mayor demanda del consumidor. Además, vemos que los extremos de precio, tanto elevados como bajos, muestran un menor volumen de ventas, así como los productos de bajo margen, como expusimos anteriormente. En conjunto, el rendimiento comercial más sólido se concentra en productos de rango medio.

2. Eficiencia en ventas:

La eficiencia en ventas refleja la forma en que la empresa convierte su actividad comercial en ingresos. Este indicador nos deja analizar la efectividad de las estrategias de mercadeo, precios y otros para captar nuevos clientes o retener los ya existentes. En el caso de Adidas, en la cual la industria es muy competitiva y es sensible a la tendencia de consumo, hacer esta medición es clave para mantenerse a la vanguardia y fortalecer su presencia en el mercado global.

library(dplyr)
library(ggplot2)

ggplot(Adidata, aes(x = precio_por_unidad, y = uvendidas)) +
  geom_point(color = "#0C1C8C", alpha = 0.7) +
  geom_smooth(method = "loess", se = FALSE, color = "black") +
  labs(
    title = "Relación entre Precio y Unidades Vendidas",
    x = "Precio por unidad",
    y = "Unidades vendidas"
  ) +
  theme_minimal()

La gráfica evidencia una relación LIGERAMENTE positiva entre precio y unidades vendidas, indicando que varios productos de Adidas mantienen una demanda sólida incluso a precios más altos. Esto sugiere un fuerte posicionamiento de marca y valor percibido en segmentos clave.

3. Desempeño financiero general:

En cuanto al desempeño financiero general, este, toma en cuenta distintos factores, como la rentabilidad, el margen operativo y otros. Con ello, puede brindar una visión global de la estabilidad y capacidad de competitividad de la compañía. Específicamente para Adidas, ayuda a comprender su desempeño financiero para evaluar en donde se encuentra ubicado frente al mercado y desde ahí, tomar decisiones estratégicas que impulsen el crecimiento y la vigencia en un entorno cambiante.

a).

datos_resumen <- Adidata %>%
  group_by(producto) %>%
  summarise(ventas_total = sum(precio_por_unidad * uvendidas))

ggplot(datos_resumen, aes(x = producto, y = ventas_total)) +
  geom_col(fill = "#0C1C8C", color = "white") +
  labs(
    title = "Ventas Totales por Producto",
    x = "Producto",
    y = "Ventas Totales"
  ) +
  theme_minimal()

En esta gráfica de barras, podemos observar las ventas totales del portafolio de Adidas. Se puede observar que el calzado urbano para hombre es la línea de productos con más ventas del portafolio, seguido por la ropa de mujer que se posiciona con un desempeño elevado como la segunda línea más vendida. En los rendimientos intermedios podemos observar el calzado deportivo de hombre, el calzado urbano para mujer y la ropa de hombre, todos con niveles de venta similares. Por otro lado, el calzado de deportivo de mujer es la línea con el desempeño más bajo. Por ende, podemos concluir que las dos líneas de mayor representación de ventas es el calzado urbano para hombre y la ropa de mujer.

b).

datos_resumen2 <- Adidata %>%
  group_by(producto) %>%
  summarise(utilidad = sum(margen_op))

ggplot(datos_resumen2, aes(x = producto, y = utilidad)) +
  geom_col(fill = "#0C1C8C", color = "white") +
  labs(
    title = "Utilidad Operativa por Producto",
    x = "Producto",
    y = "Utilidad operativa"
  ) +
  theme_minimal()

La utilidad operativa se mantiene alta y bastante uniforme entre los productos, destacándose Calzado Urbano Hombre y Ropa Mujer como los más rentables. Esto indica un portafolio equilibrado, sin caídas significativas en desempeño financiero entre categorías.

ggplotly(
  ggplot(Adidata, aes(x = ventas_total, y = utilidad_op)) +
    geom_point(size = 3, alpha = 0.8, color = "#0C1C8C") +
    geom_smooth(method = "lm", color = "#1E3A8A", se = FALSE) +
    labs(
      title = "Desempeño Financiero: Ventas Totales vs Utilidad Operativa",
      x = "Ventas Totales",
      y = "Utilidad Operativa"
    ) +
    theme_minimal()
)

La gráfica muestra una relación claramente positiva entre ventas totales y utilidad operativa, evidenciando que un mayor volumen de ingresos impulsa directamente la rentabilidad. Además, la dispersión controlada indica un desempeño financiero consistente, con productos que mantienen buenos márgenes a medida que crecen las ventas.

Conclusiones

El análisis que puede derivar de las gráficas anteriores revela que Adidas mantiene su portafolio con productos de precio y margen medio y en las categorías de calzado urbano para hombre y ropa de mujer, siendo los segmentos de mejor desempeño (tanto en ventas como en precio promedio competitivo). Por el contrario, el calzado deportivo de mujer por más que tiene uno de los precios más bajos en promedio, no logra estar entre las tres líneas de producto más vendidas. Esto nos da a entender, que el consumidor no tiene una sensibilidad tan alta al precio, por el contrario, podemos decir que su intención de compra va dirigida a la tendencia o moda que haya. En cuanto al análisis de dispersión se observa que hay muchos productos con márgenes muy reducidos y de bajo volumen, lo que indica que gran parte del portafolio tiene poca relevancia comercial. En últimas, los resultados muestran un portafolio sólido de productos de rango medio vs los extremos que no generan grandes volúmenes.

En conclusión, Adidas podría optimizar su portafolio revisando aquellos productos que aparecen con bajo margen y baja demanda y enfocar los recursos en líneas más rentables y con mejor participación de mercado. Al mismo tiempo, deberían reforzar el calzado deportivo de mujer, diferenciando y posicionando el portafolio con tendencias actuales ya que tiene potencial de crecimiento si se ajusta esa oferta de valor para generar un mayor volumen en ventas. Además, siguen como van y ajustados a la tendencia en sus segmentos más fuertes que le permiten consolidar ese liderazgo en estas categorías.