El análisis de datos del comercio electrónico permite estudiar las ventas y explorar patrones de compra a partir de los registros de las operaciones comerciales. Sin embargo, la utilidad de estos registros depende de su correcta interpretación y preparación, pues las particularidades de las transacciones pueden afectar los resultados del análisis.
El presente trabajo utiliza el conjunto de datos Online Retail, disponible en el repositorio de aprendizaje automático de la Universidad de California en Irvine (UCI). La base original contiene 541 909 registros, correspondientes a operaciones realizadas entre el 1 de diciembre de 2010 y el 9 de diciembre de 2011 por una empresa de comercio electrónico establecida en el Reino Unido, dedicada principalmente a la venta de artículos de regalo y con una importante participación de clientes mayoristas.
El objetivo del trabajo es comprender la estructura de esta información y evaluar su calidad mediante un análisis exploratorio desarrollado en R. Para ello, se examinarán los tipos de variables, los valores faltantes, las coincidencias entre registros, las posibles inconsistencias y los valores extremos. La revisión distinguirá entre duplicados exactos y repeticiones de productos dentro de una misma factura, evitando eliminar observaciones únicamente por compartir algunos atributos.
Asimismo, el tratamiento de los datos considerará el contexto comercial de las operaciones. La documentación de UCI señala que los números de factura que comienzan con la letra «C» identifican cancelaciones; por tanto, estas operaciones requieren una interpretación específica antes de decidir su inclusión en el análisis. Esta preparación permitirá fundamentar las decisiones de limpieza y obtener resultados descriptivos coherentes con el alcance de la base estudiada.
¿Cómo pueden las técnicas de Machine Learning aplicadas a transacciones de comercio electrónico ayudar a estimar ventas, clasificar transacciones, segmentar clientes, descubrir asociaciones entre productos y extraer información de las descripciones?
Aplicar y evaluar técnicas de Machine Learning sobre el conjunto Online Retail para predecir ventas diarias, clasificar facturas, segmentar clientes y descubrir patrones de asociación y de contenido textual, mediante un análisis reproducible en RStudio.
Online Retail — UCI Machine Learning Repository
La base Online Retail contiene 541 909 registros de transacciones de una empresa minorista en línea del Reino Unido. Los registros corresponden al periodo comprendido entre el 1 de diciembre de 2010 y el 9 de diciembre de 2011. La empresa vende principalmente regalos y artículos para distintas ocasiones; parte de su clientela está formada por mayoristas. Página oficial y descarga de la base: https://archive.ics.uci.edu/dataset/352/online+retail
| Variable | Tipo conceptual | Descripción |
|---|---|---|
| InvoiceNo | Categórica nominal | Identificador de factura; el prefijo C indica cancelación. |
| StockCode | Categórica nominal | Identificador del producto. |
| Description | Texto | Nombre o descripción del producto en inglés. |
| Quantity | Cuantitativa discreta | Cantidad del producto registrada en la línea. |
| InvoiceDate | Temporal | Fecha y hora de la operación. |
| UnitPrice | Cuantitativa continua | Precio unitario expresado en libras esterlinas. |
| CustomerID | Categórica nominal | Identificador del cliente. |
| Country | Categórica nominal | País asociado al cliente. |
Estadísticas descriptivas de las variables.
Desarrollo de los modelos.
Presentación e interpretación de resultados.
Conclusiones del análisis.
#1.Librerias
summary(cars)## speed dist
## Min. : 4.0 Min. : 2.00
## 1st Qu.:12.0 1st Qu.: 26.00
## Median :15.0 Median : 36.00
## Mean :15.4 Mean : 42.98
## 3rd Qu.:19.0 3rd Qu.: 56.00
## Max. :25.0 Max. :120.00