Analisis de proveedores locales, nacionales e internacionales

Este analisis costa de 101 observaciones de tres tipos de proveedores, locales, nacionales e internacionales.

library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
datos <- read.csv("datos_negocios_extra_1_proveedores.csv")
head(datos)
##   Tipo_Proveedor Pedidos_Realizados Tiempo_Envio_Dias Costo_Envio
## 1          Local                 16               5.7      279.07
## 2  Internacional                 11               3.5      488.87
## 3       Nacional                 12               4.4      268.02
## 4  Internacional                 20               6.6      141.31
## 5          Local                 38               9.6      390.66
## 6          Local                 42               5.2      282.06

Los proveedores locales, nacionales e internacionales presentan un comportamiento estable, con un promedio de 27.48 pedidos (mediana 25.5) y tiempos de envío bastante consistentes alrededor de 8.14 días (mediana 8.25). Sin embargo, el costo de envío es más variable, con un promedio de 271.01 y valores que van desde 50.04 hasta 494.13, lo que sugiere diferencias importantes entre tipos de proveedores, especialmente en los internacionales.

summary(datos)
##  Tipo_Proveedor     Pedidos_Realizados Tiempo_Envio_Dias  Costo_Envio    
##  Length:100         Min.   : 7.00      Min.   : 1.50     Min.   : 50.04  
##  Class :character   1st Qu.:15.00      1st Qu.: 4.75     1st Qu.:143.40  
##  Mode  :character   Median :25.50      Median : 8.25     Median :282.56  
##                     Mean   :27.48      Mean   : 8.14     Mean   :271.01  
##                     3rd Qu.:41.00      3rd Qu.:11.22     3rd Qu.:375.64  
##                     Max.   :48.00      Max.   :15.00     Max.   :494.13
library(ggplot2)
ggplot(datos, aes(x = Tipo_Proveedor, y = Pedidos_Realizados, fill = Tipo_Proveedor)) +
  geom_boxplot() +
  labs(title = "Distribución de Tipo de Proveedores",
       x = "Tipo de Proveedor",
       y = "Pedidos Realizados") +
  theme_minimal()

Los locales y nacionales tienen medianas cercanas a 27–28 pedidos, mientras los internacionales están ligeramente por debajo (~26–27). Conclusión, la distribución es similar, pero los proveedores cercanos manejan un poco más de volumen.

library(ggplot2)

# Crear variable categórica (rápido vs lento según la mediana)
datos$Nivel_Envio <- ifelse(datos$Tiempo_Envio_Dias > median(datos$Tiempo_Envio_Dias),
                           "Lento", "Rápido")

# Gráfica
ggplot(datos, aes(x = Tipo_Proveedor, fill = Nivel_Envio)) +
  geom_bar(position = "dodge") +
  labs(title = "Tiempo de Envío por Tipo de Proveedor",
       x = "Tipo de Proveedor",
       y = "Tiempo_Envio_Dias",
       fill = "Nivel de Envío") +
  scale_fill_manual(values = c("lightblue", "coral"),
                    labels = c("Rápido", "Lento")) +
  theme_minimal()

Con una mediana de ~8.25 días, los proveedores se dividen en rápidos y lentos de forma bastante equilibrada entre los tres tipos. Conclusión, no hay diferencias fuertes en tiempos, el desempeño logístico es bastante homogéneo.

library(ggplot2)

ggplot(datos, aes(x = Costo_Envio)) +
  geom_histogram(binwidth = 50, fill = "skyblue", color = "black", alpha = 0.7) +
  geom_density(aes(y = ..density.. * 50), color = "blue", size = 1) +
  labs(title = "Distribución del Costo de Envío",
       x = "Costo de Envío",
       y = "Frecuencia") +
  theme_minimal()
## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once per session.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
## Warning: The dot-dot notation (`..density..`) was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(density)` instead.
## This warning is displayed once per session.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

El costo tiene una media de 271.01, con valores entre 50.04 y 494.13, mostrando alta dispersión. Conclusión, es la variable más variable, lo que indica diferencias importantes entre proveedores.