R Notebook

ANALISIS Pedido Sugerido VS Sop para Septiembre 2019

PASOS DEL ANALISIS

1. cambio de variable
2. eliminar variables del stack
3. mirar data

ps_vs_sop_09 <- PS_vs_SOP__SELECT_sp_CODIGO_dp_SKU_pp_ID_PROD_pp_ID_CLIE_pp_PERIODO_sp_FEC_201912161026

View(ps_vs_sop_09)

rm(PS_vs_SOP__SELECT_sp_CODIGO_dp_SKU_pp_ID_PROD_pp_ID_CLIE_pp_PERIODO_sp_FEC_201912161026)

Conocer la data

Imprimir nombres variables

print("Tabla 1: Campos de Analisis Pedido Sugerido vs SOP")
names(ps_vs_sop_09)
print("")

Cantidad de Variables

length(ps_vs_sop_09)

Cantidad de tipo de datos diferentes

Crear una subtabla SOLO con las variables de interes

=> se ELIMINARA las columnas no relevantes.

Creacion de tabla de analisis, subconjunto tabla inicial

                                                                  (   1      2     3        4        5      6      7     8    9  )

Tabla.base.de.analisis = tabla.inicial = ps_vs_sop_09 (CODIGO, SKU, ID_PROD, ID_CLIE, PERIODO, FECHA, PRED, CF, DELTA)

Tabla.agregada.1.de.analisis.global = tabla.nueva.1 = ana.ps_1 ( SKU, ID_PROD, ID_CLIE, PERIODO, PRED, CF, DELTA)

Tabla.agregada.2.de.analisis.ID_PROD = tabla.nueva.2 = ana.ps_2 ( ID_PROD, PRED, CF, DELTA)

Tabla.agregada.3.de.analisis.ID_CLIE = tabla.nueva.3 = ana.ps_3 ( ID_CLIE, PERIODO, PRED, CF, DELTA)

Tabla de Campos a analizar

Campo 1	Campo 2	Campo 3	Campo 4	Campo 5	Campo 6	Campo 7	Campo 8	Campo 9
CODIGO	SKU	ID_PROD	ID_CLIE	PERIODO	FECHA	PRED	CF	DELTA

Analisis :

1. revisar si pedido sugerido cuadra a nivel de ID_PROD, MES
2. revisar si pedido sugerido cuadra a nivel de ID_CLIE, MES

DESCRIPCION DE CAMPOS

SKU : sku del SOP ID_PROD : codigo del ID_PROD tabla principal ID_CLIE : codigo de cliente PERIODO : yyyy-mm periodo de analisis, en este caso, septiembre 2019. PRED : datos predichos por pedido sugerido CF : cajas fisicas del SOP DELTA : CF - PRED : diferencia entre sugerido y SOP

ana.ps_1  <- subset(ps_vs_sop_09, select = -c(1, 6))   

View(ana.ps_1)

Sumar y Agregar Data

1. instalar librarias reshape + dplyr

library(reshape)
library(dplyr)

View(ventas.cliente.20)
View(venta.cliente.mes.20)
t <- read.csv("/Users/Sebastian/F/R/O/t.csv")

View(t)
rm(t)

# 1: filter to keep three states.  
basic_summ = filter(, SKU  %in% c("A", "B"))

# 2: set up data frame for by-group processing.  
basic_summ = group_by(basic_summ, quality, state)
 
# 3: calculate the three summary metrics
basic_summ = summarise(basic_summ, 
                        sum_amount = sum(amount),
                        avg_ppo = mean(ppo),
                        avg_ppo2 = sum(price) / sum(amount))

```