Análisis de inventario, ventas y devoluciones por categoría de producto

El presente análisis se basa en 100 observaciones correspondientes a distintas categorías de productos, en las cuales se examinan variables como el stock disponible, las ventas realizadas y las devoluciones, con el objetivo de analizar el comportamiento comercial y la eficiencia en la gestión del inventario.

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_adicional_5_inventario.csv")
head(datos)
##   Categoria_Producto Stock_Disponible Ventas_Realizadas Devoluciones
## 1            Muebles             2541              1825          143
## 2        Electrónica             4255              1483           22
## 3          Alimentos              836               738           61
## 4        Electrónica             3113              1390           62
## 5               Ropa             4435              3598          219
## 6            Muebles             1074               918           17
summary(datos)
##  Categoria_Producto Stock_Disponible Ventas_Realizadas  Devoluciones   
##  Length:100         Min.   :  73     Min.   :  21.0    Min.   :  0.00  
##  Class :character   1st Qu.:1606     1st Qu.: 466.2    1st Qu.: 15.00  
##  Mode  :character   Median :2788     Median :1116.0    Median : 44.00  
##                     Mean   :2683     Mean   :1418.5    Mean   : 76.41  
##                     3rd Qu.:3880     3rd Qu.:2127.5    3rd Qu.:116.00  
##                     Max.   :4806     Max.   :4554.0    Max.   :346.00

El resumen estadístico muestra que el promedio del stock disponible es de 2683 unidades, con un promedio de 1418.5 ventas realizadas y 76.41 devoluciones, evidenciando variabilidad en el comportamiento comercial de los productos.

library(ggplot2)

ggplot(datos, aes(x = Categoria_Producto, y = Ventas_Realizadas, fill = Categoria_Producto)) +
  geom_boxplot() +
  labs(title = "Distribución de Ventas por Categoría de Producto",
       x = "Categoría de Producto",
       y = "Ventas Realizadas") +
  theme_minimal()

Este gráfico muestra la variabilidad en las ventas por categoría de producto, donde se evidencian diferencias en la mediana y en la dispersión de los datos entre cada categoría.

library(dplyr)

resumen_categoria <- datos %>%
  group_by(Categoria_Producto) %>%
  summarise(
    Promedio_Ventas = mean(Ventas_Realizadas),
    Promedio_Stock = mean(Stock_Disponible),
    Promedio_Devoluciones = mean(Devoluciones)
  )

print(resumen_categoria)
## # A tibble: 4 × 4
##   Categoria_Producto Promedio_Ventas Promedio_Stock Promedio_Devoluciones
##   <chr>                        <dbl>          <dbl>                 <dbl>
## 1 Alimentos                    1548.          2743.                  90.8
## 2 Electrónica                  1341.          2677.                  59.8
## 3 Muebles                      1551.          2838.                  93  
## 4 Ropa                         1111.          2361.                  52.2

En la categoría Muebles, el promedio de ventas es de 1551, mientras que en la categoría Ropa es de 1111. Conclusión: La categoría Muebles presenta un mejor desempeño en ventas que la categoría Ropa.

ggplot(datos, aes(x = Categoria_Producto, y = Ventas_Realizadas, fill = as.factor(Categoria_Producto))) +
  geom_bar(stat = "summary", fun = "mean", position = "dodge") +
  labs(title = "Promedio de Ventas por Categoría",
       x = "Categoría de Producto",
       y = "Ventas Promedio",
       fill = "Categoría") +
  scale_fill_manual(values = c("lightblue", "coral", "lightgreen", "purple")) +
  theme_minimal()

El gráfico muestra el promedio de ventas por categoría de producto. Se observa que la categoría Muebles presenta el mayor promedio de ventas, seguida de Alimentos, mientras que Ropa registra el menor nivel, evidenciando diferencias en el desempeño comercial entre las categorías.

ggplot(datos, aes(x = Categoria_Producto, y = Ventas_Realizadas, fill = as.factor(Categoria_Producto))) +
  geom_boxplot() +
  labs(title = "Distribución de Ventas según Categoría de Producto",
       x = "Categoría de Producto",
       y = "Ventas") +
  scale_fill_manual(values = c("lightblue", "coral", "lightgreen", "purple")) +
  theme_minimal()

La categoría Muebles tiende a presentar ventas más altas.

La mediana de las ventas es mayor en la categoría Muebles en comparación con otras categorías.

Existe mayor dispersión en las ventas en algunas categorías como Alimentos y Muebles.

ggplot(datos, aes(x = Ventas_Realizadas)) +
  geom_histogram(binwidth = 200, fill = "skyblue", color = "black", alpha = 0.7) +
  geom_density(aes(y = after_stat(density) * 200), color = "blue", size = 1) +
  labs(title = "Distribución de las Ventas",
       x = "Ventas",
       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.

El anterior histograma muestra la distribución de las ventas, donde se observa que la mayoría de los valores se concentran en niveles medios, con algunos valores altos que generan una ligera asimetría.