Modelo Predictivo “Abarrotes actividad 2.1”
Daniela Cárdenas Z // A01720535
2022-09-08
Paso 1. Importar base de datos
# file.choose()
abarrotes <- read.csv ( "C:\\Users\\danyc\\OneDrive - Instituto Tecnologico y de Estudios Superiores de Monterrey\\Desktop\\Excel y CSV\\abarrotes_ventas-2 .csv")Notas previas: Modificación a Excel
Cambios en base de datos: Formato de fecha a corta, formato de hora a 01:05:00 en español mexico, se agregaron 5 lineas arriba y se duplicaron primeros 5 registros, se cambio lo del codigo de barras a numeros sin decimal, se cambió a csv UTF8.
Paso 2. Entender la base de datos
#summary(abarrotes)
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#count(abarrotes, vcClaveTienda, sort =TRUE)
#count(abarrotes, DescGiro , sort =TRUE)
#count(abarrotes, Marca , sort =TRUE)
#count(abarrotes, Producto , sort =TRUE)
#count(abarrotes, NombreDepartamento , sort =TRUE)
#count(abarrotes, NombreFamilia , sort =TRUE)
#count(abarrotes, NombreCategoria , sort =TRUE)
#count(abarrotes, Estado , sort =TRUE)
#count(abarrotes, Hora.inicio , sort =TRUE)
#count(abarrotes, Hora.cierre , sort =TRUE)
#count(abarrotes, Giro , sort =TRUE)
#install.packages("tidyverse")
library(tidyverse)## ── Attaching packages
## ───────────────────────────────────────
## tidyverse 1.3.2 ──## ✔ ggplot2 3.3.6 ✔ purrr 0.3.4
## ✔ tibble 3.1.8 ✔ stringr 1.4.1
## ✔ tidyr 1.2.0 ✔ forcats 0.5.2
## ✔ readr 2.1.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()tibble(abarrotes)## # A tibble: 200,625 × 22
## vcClaveTienda DescGiro Codig…¹ PLU Fecha Hora Marca Fabri…² Produ…³ Precio
## <chr> <chr> <dbl> <int> <chr> <chr> <chr> <chr> <chr> <dbl>
## 1 MX001 Abarrot… 7.50e12 NA 19/0… 08:1… NUTR… MEXILAC Nutri … 16
## 2 MX001 Abarrot… 7.50e12 NA 19/0… 08:2… DAN … DANONE… DANUP … 14
## 3 MX001 Abarrot… 7.50e12 NA 19/0… 08:2… BIMBO GRUPO … Rebana… 5
## 4 MX001 Abarrot… 7.50e12 NA 19/0… 08:2… PEPSI PEPSI-… Pepsi … 8
## 5 MX001 Abarrot… 7.50e12 NA 19/0… 08:2… BLAN… FABRIC… Deterg… 19.5
## 6 MX001 Abarrot… 7.50e12 NA 19/0… 08:1… NUTR… MEXILAC Nutri … 16
## 7 MX001 Abarrot… 7.50e12 NA 19/0… 08:2… DAN … DANONE… DANUP … 14
## 8 MX001 Abarrot… 7.50e12 NA 19/0… 08:2… BIMBO GRUPO … Rebana… 5
## 9 MX001 Abarrot… 7.50e12 NA 19/0… 08:2… PEPSI PEPSI-… Pepsi … 8
## 10 MX001 Abarrot… 7.50e12 NA 19/0… 08:2… BLAN… FABRIC… Deterg… 19.5
## # … with 200,615 more rows, 12 more variables: Ult.Costo <dbl>, Unidades <dbl>,
## # F.Ticket <int>, NombreDepartamento <chr>, NombreFamilia <chr>,
## # NombreCategoria <chr>, Estado <chr>, Mts.2 <int>, Tipo.ubicación <chr>,
## # Giro <chr>, Hora.inicio <chr>, Hora.cierre <chr>, and abbreviated variable
## # names ¹Codigo.Barras, ²Fabricante, ³Productostr(abarrotes)## 'data.frame': 200625 obs. of 22 variables:
## $ vcClaveTienda : chr "MX001" "MX001" "MX001" "MX001" ...
## $ DescGiro : chr "Abarrotes" "Abarrotes" "Abarrotes" "Abarrotes" ...
## $ Codigo.Barras : num 7.5e+12 7.5e+12 7.5e+12 7.5e+12 7.5e+12 ...
## $ PLU : int NA NA NA NA NA NA NA NA NA NA ...
## $ Fecha : chr "19/06/2020" "19/06/2020" "19/06/2020" "19/06/2020" ...
## $ Hora : chr "08:16:21 a. m." "08:23:33 a. m." "08:24:33 a. m." "08:24:33 a. m." ...
## $ Marca : chr "NUTRI LECHE" "DAN UP" "BIMBO" "PEPSI" ...
## $ Fabricante : chr "MEXILAC" "DANONE DE MEXICO" "GRUPO BIMBO" "PEPSI-COLA MEXICANA" ...
## $ Producto : chr "Nutri Leche 1 Litro" "DANUP STRAWBERRY P/BEBER 350GR NAL" "Rebanadas Bimbo 2Pz" "Pepsi N.R. 400Ml" ...
## $ Precio : num 16 14 5 8 19.5 16 14 5 8 19.5 ...
## $ Ult.Costo : num 12.3 14 5 8 15 ...
## $ Unidades : num 1 1 1 1 1 1 1 1 1 1 ...
## $ F.Ticket : int 1 2 3 3 4 1 2 3 3 4 ...
## $ NombreDepartamento: chr "Abarrotes" "Abarrotes" "Abarrotes" "Abarrotes" ...
## $ NombreFamilia : chr "Lacteos y Refrigerados" "Lacteos y Refrigerados" "Pan y Tortilla" "Bebidas" ...
## $ NombreCategoria : chr "Leche" "Yogurt" "Pan Dulce Empaquetado" "Refrescos Plástico (N.R.)" ...
## $ Estado : chr "Nuevo León" "Nuevo León" "Nuevo León" "Nuevo León" ...
## $ Mts.2 : int 60 60 60 60 60 60 60 60 60 60 ...
## $ Tipo.ubicación : chr "Esquina" "Esquina" "Esquina" "Esquina" ...
## $ Giro : chr "Abarrotes" "Abarrotes" "Abarrotes" "Abarrotes" ...
## $ Hora.inicio : chr "8:00" "8:00" "8:00" "8:00" ...
## $ Hora.cierre : chr "22:00" "22:00" "22:00" "22:00" ...head(abarrotes)## vcClaveTienda DescGiro Codigo.Barras PLU Fecha Hora
## 1 MX001 Abarrotes 7.501021e+12 NA 19/06/2020 08:16:21 a. m.
## 2 MX001 Abarrotes 7.501032e+12 NA 19/06/2020 08:23:33 a. m.
## 3 MX001 Abarrotes 7.501000e+12 NA 19/06/2020 08:24:33 a. m.
## 4 MX001 Abarrotes 7.501031e+12 NA 19/06/2020 08:24:33 a. m.
## 5 MX001 Abarrotes 7.501026e+12 NA 19/06/2020 08:26:28 a. m.
## 6 MX001 Abarrotes 7.501021e+12 NA 19/06/2020 08:16:21 a. m.
## Marca Fabricante
## 1 NUTRI LECHE MEXILAC
## 2 DAN UP DANONE DE MEXICO
## 3 BIMBO GRUPO BIMBO
## 4 PEPSI PEPSI-COLA MEXICANA
## 5 BLANCA NIEVES (DETERGENTE) FABRICA DE JABON LA CORONA
## 6 NUTRI LECHE MEXILAC
## Producto Precio Ult.Costo Unidades F.Ticket
## 1 Nutri Leche 1 Litro 16.0 12.31 1 1
## 2 DANUP STRAWBERRY P/BEBER 350GR NAL 14.0 14.00 1 2
## 3 Rebanadas Bimbo 2Pz 5.0 5.00 1 3
## 4 Pepsi N.R. 400Ml 8.0 8.00 1 3
## 5 Detergente Blanca Nieves 500G 19.5 15.00 1 4
## 6 Nutri Leche 1 Litro 16.0 12.31 1 1
## NombreDepartamento NombreFamilia NombreCategoria
## 1 Abarrotes Lacteos y Refrigerados Leche
## 2 Abarrotes Lacteos y Refrigerados Yogurt
## 3 Abarrotes Pan y Tortilla Pan Dulce Empaquetado
## 4 Abarrotes Bebidas Refrescos Plástico (N.R.)
## 5 Abarrotes Limpieza del Hogar Lavandería
## 6 Abarrotes Lacteos y Refrigerados Leche
## Estado Mts.2 Tipo.ubicación Giro Hora.inicio Hora.cierre
## 1 Nuevo León 60 Esquina Abarrotes 8:00 22:00
## 2 Nuevo León 60 Esquina Abarrotes 8:00 22:00
## 3 Nuevo León 60 Esquina Abarrotes 8:00 22:00
## 4 Nuevo León 60 Esquina Abarrotes 8:00 22:00
## 5 Nuevo León 60 Esquina Abarrotes 8:00 22:00
## 6 Nuevo León 60 Esquina Abarrotes 8:00 22:00head(abarrotes, n=7)## vcClaveTienda DescGiro Codigo.Barras PLU Fecha Hora
## 1 MX001 Abarrotes 7.501021e+12 NA 19/06/2020 08:16:21 a. m.
## 2 MX001 Abarrotes 7.501032e+12 NA 19/06/2020 08:23:33 a. m.
## 3 MX001 Abarrotes 7.501000e+12 NA 19/06/2020 08:24:33 a. m.
## 4 MX001 Abarrotes 7.501031e+12 NA 19/06/2020 08:24:33 a. m.
## 5 MX001 Abarrotes 7.501026e+12 NA 19/06/2020 08:26:28 a. m.
## 6 MX001 Abarrotes 7.501021e+12 NA 19/06/2020 08:16:21 a. m.
## 7 MX001 Abarrotes 7.501032e+12 NA 19/06/2020 08:23:33 a. m.
## Marca Fabricante
## 1 NUTRI LECHE MEXILAC
## 2 DAN UP DANONE DE MEXICO
## 3 BIMBO GRUPO BIMBO
## 4 PEPSI PEPSI-COLA MEXICANA
## 5 BLANCA NIEVES (DETERGENTE) FABRICA DE JABON LA CORONA
## 6 NUTRI LECHE MEXILAC
## 7 DAN UP DANONE DE MEXICO
## Producto Precio Ult.Costo Unidades F.Ticket
## 1 Nutri Leche 1 Litro 16.0 12.31 1 1
## 2 DANUP STRAWBERRY P/BEBER 350GR NAL 14.0 14.00 1 2
## 3 Rebanadas Bimbo 2Pz 5.0 5.00 1 3
## 4 Pepsi N.R. 400Ml 8.0 8.00 1 3
## 5 Detergente Blanca Nieves 500G 19.5 15.00 1 4
## 6 Nutri Leche 1 Litro 16.0 12.31 1 1
## 7 DANUP STRAWBERRY P/BEBER 350GR NAL 14.0 14.00 1 2
## NombreDepartamento NombreFamilia NombreCategoria
## 1 Abarrotes Lacteos y Refrigerados Leche
## 2 Abarrotes Lacteos y Refrigerados Yogurt
## 3 Abarrotes Pan y Tortilla Pan Dulce Empaquetado
## 4 Abarrotes Bebidas Refrescos Plástico (N.R.)
## 5 Abarrotes Limpieza del Hogar Lavandería
## 6 Abarrotes Lacteos y Refrigerados Leche
## 7 Abarrotes Lacteos y Refrigerados Yogurt
## Estado Mts.2 Tipo.ubicación Giro Hora.inicio Hora.cierre
## 1 Nuevo León 60 Esquina Abarrotes 8:00 22:00
## 2 Nuevo León 60 Esquina Abarrotes 8:00 22:00
## 3 Nuevo León 60 Esquina Abarrotes 8:00 22:00
## 4 Nuevo León 60 Esquina Abarrotes 8:00 22:00
## 5 Nuevo León 60 Esquina Abarrotes 8:00 22:00
## 6 Nuevo León 60 Esquina Abarrotes 8:00 22:00
## 7 Nuevo León 60 Esquina Abarrotes 8:00 22:00tail(abarrotes)## vcClaveTienda DescGiro Codigo.Barras PLU Fecha Hora
## 200620 MX005 Depósito 7.62221e+12 NA 12/07/2020 01:08:25 a. m.
## 200621 MX005 Depósito 7.62221e+12 NA 23/10/2020 10:17:37 p. m.
## 200622 MX005 Depósito 7.62221e+12 NA 10/10/2020 08:30:20 p. m.
## 200623 MX005 Depósito 7.62221e+12 NA 10/10/2020 10:40:43 p. m.
## 200624 MX005 Depósito 7.62221e+12 NA 27/06/2020 10:30:19 p. m.
## 200625 MX005 Depósito 7.62221e+12 NA 26/06/2020 11:43:34 p. m.
## Marca Fabricante Producto Precio
## 200620 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G 9
## 200621 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G 9
## 200622 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G 9
## 200623 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G 9
## 200624 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G 9
## 200625 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G 9
## Ult.Costo Unidades F.Ticket NombreDepartamento NombreFamilia
## 200620 6.92 1 103100 Abarrotes Dulcería
## 200621 6.92 1 116598 Abarrotes Dulcería
## 200622 6.92 1 114886 Abarrotes Dulcería
## 200623 6.92 1 114955 Abarrotes Dulcería
## 200624 6.92 1 101121 Abarrotes Dulcería
## 200625 6.92 1 100879 Abarrotes Dulcería
## NombreCategoria Estado Mts.2 Tipo.ubicación Giro Hora.inicio
## 200620 Gomas de Mazcar Quintana Roo 58 Esquina Mini súper 8:00
## 200621 Gomas de Mazcar Quintana Roo 58 Esquina Mini súper 8:00
## 200622 Gomas de Mazcar Quintana Roo 58 Esquina Mini súper 8:00
## 200623 Gomas de Mazcar Quintana Roo 58 Esquina Mini súper 8:00
## 200624 Gomas de Mazcar Quintana Roo 58 Esquina Mini súper 8:00
## 200625 Gomas de Mazcar Quintana Roo 58 Esquina Mini súper 8:00
## Hora.cierre
## 200620 21:00
## 200621 21:00
## 200622 21:00
## 200623 21:00
## 200624 21:00
## 200625 21:00#install.packages("janitor")
library(janitor)##
## Attaching package: 'janitor'
##
## The following objects are masked from 'package:stats':
##
## chisq.test, fisher.testtabyl(abarrotes, vcClaveTienda, NombreDepartamento )## vcClaveTienda Abarrotes Bebes e Infantiles Carnes Farmacia Ferretería Mercería
## MX001 95415 515 1 147 245 28
## MX002 6590 21 0 4 10 0
## MX003 4026 15 0 2 8 0
## MX004 82234 932 0 102 114 16
## MX005 10014 0 0 0 0 0
## Papelería Productos a Eliminar Vinos y Licores
## 35 3 80
## 0 0 4
## 0 0 0
## 32 5 20
## 7 0 0Herramienta “El Generador de Valor de Datos”
Paso 1. Definir el área del negocio que buscamos impactar o mejorar y su KPI
El área serían directamente las ventas de nuestros productos.
Los KPI´s a impactar son:
a. Ventas de productos
Paso 2. Seleccionar plantilla(-s) para crear valor a partir de los datos de los clientes.
Visión / Segmentación / Personalización / Contextualización
Paso 3. Generar ideas o conceptos específicos.
Crear una limpieza de bases de datos para eliminar conceptos no utilizados o errores dentro de la misma base.
Paso 4. Reunir los datos requeridos.
Se necesitan ventas, productos, buena base de datos limpia.
Paso 5. Plan de ejecución.
Ver los productos más vendidos y crear junto con los departamentos de logística, compras y ventas un plan para incrementar la rotación de inventarios y poder de esta manera sacar la máxima productividad, estar alimentando la base de datos e ir limpiando cada vez que se alimente la misma.
Observaciones:
1991 registros en PLU sin datos. Fecha viene en formato carácter, hay que cambiarlo. Hora cambiar formato. No debería de haber precios negativos. no puede haber 0.2 unidades.
Técnicas de limpieza de datos
Técnica 1: Remover valores irrelevantes
Eliminar columnas
bd1 <- abarrotes
bd1 <- subset(bd1, select =-c (PLU, Codigo.Barras))Eliminar renglones
bd2<-bd1
bd2 <- bd2[bd2$Precio> 0, ]
summary (bd1)## vcClaveTienda DescGiro Fecha Hora
## Length:200625 Length:200625 Length:200625 Length:200625
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Marca Fabricante Producto Precio
## Length:200625 Length:200625 Length:200625 Min. :-147.00
## Class :character Class :character Class :character 1st Qu.: 11.00
## Mode :character Mode :character Mode :character Median : 16.00
## Mean : 19.42
## 3rd Qu.: 25.00
## Max. :1000.00
## Ult.Costo Unidades F.Ticket NombreDepartamento
## Min. : 0.38 Min. : 0.200 Min. : 1 Length:200625
## 1st Qu.: 8.46 1st Qu.: 1.000 1st Qu.: 33964 Class :character
## Median : 12.31 Median : 1.000 Median :105993 Mode :character
## Mean : 15.31 Mean : 1.262 Mean :193990
## 3rd Qu.: 19.23 3rd Qu.: 1.000 3rd Qu.:383005
## Max. :769.23 Max. :96.000 Max. :450040
## NombreFamilia NombreCategoria Estado Mts.2
## Length:200625 Length:200625 Length:200625 Min. :47.0
## Class :character Class :character Class :character 1st Qu.:53.0
## Mode :character Mode :character Mode :character Median :60.0
## Mean :56.6
## 3rd Qu.:60.0
## Max. :62.0
## Tipo.ubicación Giro Hora.inicio Hora.cierre
## Length:200625 Length:200625 Length:200625 Length:200625
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
## summary(bd2)## vcClaveTienda DescGiro Fecha Hora
## Length:200478 Length:200478 Length:200478 Length:200478
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Marca Fabricante Producto Precio
## Length:200478 Length:200478 Length:200478 Min. : 0.50
## Class :character Class :character Class :character 1st Qu.: 11.00
## Mode :character Mode :character Mode :character Median : 16.00
## Mean : 19.45
## 3rd Qu.: 25.00
## Max. :1000.00
## Ult.Costo Unidades F.Ticket NombreDepartamento
## Min. : 0.38 Min. : 0.200 Min. : 1 Length:200478
## 1st Qu.: 8.46 1st Qu.: 1.000 1st Qu.: 33977 Class :character
## Median : 12.31 Median : 1.000 Median :106034 Mode :character
## Mean : 15.31 Mean : 1.261 Mean :194096
## 3rd Qu.: 19.23 3rd Qu.: 1.000 3rd Qu.:383062
## Max. :769.23 Max. :96.000 Max. :450040
## NombreFamilia NombreCategoria Estado Mts.2
## Length:200478 Length:200478 Length:200478 Min. :47.0
## Class :character Class :character Class :character 1st Qu.:53.0
## Mode :character Mode :character Mode :character Median :60.0
## Mean :56.6
## 3rd Qu.:60.0
## Max. :62.0
## Tipo.ubicación Giro Hora.inicio Hora.cierre
## Length:200478 Length:200478 Length:200478 Length:200478
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
## #Esto no lo usaremos, pondremos precios negativos como absolutosTécnica 2: Remover valores duplicados
¿Cuantos renglones tenemos duplicados?
bd1[duplicated(bd1),]## vcClaveTienda DescGiro Fecha Hora Marca
## 6 MX001 Abarrotes 19/06/2020 08:16:21 a. m. NUTRI LECHE
## 7 MX001 Abarrotes 19/06/2020 08:23:33 a. m. DAN UP
## 8 MX001 Abarrotes 19/06/2020 08:24:33 a. m. BIMBO
## 9 MX001 Abarrotes 19/06/2020 08:24:33 a. m. PEPSI
## 10 MX001 Abarrotes 19/06/2020 08:26:28 a. m. BLANCA NIEVES (DETERGENTE)
## Fabricante Producto Precio
## 6 MEXILAC Nutri Leche 1 Litro 16.0
## 7 DANONE DE MEXICO DANUP STRAWBERRY P/BEBER 350GR NAL 14.0
## 8 GRUPO BIMBO Rebanadas Bimbo 2Pz 5.0
## 9 PEPSI-COLA MEXICANA Pepsi N.R. 400Ml 8.0
## 10 FABRICA DE JABON LA CORONA Detergente Blanca Nieves 500G 19.5
## Ult.Costo Unidades F.Ticket NombreDepartamento NombreFamilia
## 6 12.31 1 1 Abarrotes Lacteos y Refrigerados
## 7 14.00 1 2 Abarrotes Lacteos y Refrigerados
## 8 5.00 1 3 Abarrotes Pan y Tortilla
## 9 8.00 1 3 Abarrotes Bebidas
## 10 15.00 1 4 Abarrotes Limpieza del Hogar
## NombreCategoria Estado Mts.2 Tipo.ubicación Giro
## 6 Leche Nuevo León 60 Esquina Abarrotes
## 7 Yogurt Nuevo León 60 Esquina Abarrotes
## 8 Pan Dulce Empaquetado Nuevo León 60 Esquina Abarrotes
## 9 Refrescos Plástico (N.R.) Nuevo León 60 Esquina Abarrotes
## 10 Lavandería Nuevo León 60 Esquina Abarrotes
## Hora.inicio Hora.cierre
## 6 8:00 22:00
## 7 8:00 22:00
## 8 8:00 22:00
## 9 8:00 22:00
## 10 8:00 22:00 sum(duplicated(bd1))## [1] 5Eliminar renglones duplicados
bd3<- bd1
library(dplyr)
bd3<- distinct(bd3)Técnica 3: Errores de tipografía y errores similares
Precios en absoluto
bd4<-bd3
bd4$Precio <- abs(bd4$Precio)
summary(bd4) ## vcClaveTienda DescGiro Fecha Hora
## Length:200620 Length:200620 Length:200620 Length:200620
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Marca Fabricante Producto Precio
## Length:200620 Length:200620 Length:200620 Min. : 0.50
## Class :character Class :character Class :character 1st Qu.: 11.00
## Mode :character Mode :character Mode :character Median : 16.00
## Mean : 19.45
## 3rd Qu.: 25.00
## Max. :1000.00
## Ult.Costo Unidades F.Ticket NombreDepartamento
## Min. : 0.38 Min. : 0.200 Min. : 1 Length:200620
## 1st Qu.: 8.46 1st Qu.: 1.000 1st Qu.: 33967 Class :character
## Median : 12.31 Median : 1.000 Median :105996 Mode :character
## Mean : 15.31 Mean : 1.262 Mean :193994
## 3rd Qu.: 19.23 3rd Qu.: 1.000 3rd Qu.:383009
## Max. :769.23 Max. :96.000 Max. :450040
## NombreFamilia NombreCategoria Estado Mts.2
## Length:200620 Length:200620 Length:200620 Min. :47.0
## Class :character Class :character Class :character 1st Qu.:53.0
## Mode :character Mode :character Mode :character Median :60.0
## Mean :56.6
## 3rd Qu.:60.0
## Max. :62.0
## Tipo.ubicación Giro Hora.inicio Hora.cierre
## Length:200620 Length:200620 Length:200620 Length:200620
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
## Cantidades en enteros
bd5<-bd4
bd5$Unidades<- ceiling (bd5$Unidades)
summary(bd5)## vcClaveTienda DescGiro Fecha Hora
## Length:200620 Length:200620 Length:200620 Length:200620
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Marca Fabricante Producto Precio
## Length:200620 Length:200620 Length:200620 Min. : 0.50
## Class :character Class :character Class :character 1st Qu.: 11.00
## Mode :character Mode :character Mode :character Median : 16.00
## Mean : 19.45
## 3rd Qu.: 25.00
## Max. :1000.00
## Ult.Costo Unidades F.Ticket NombreDepartamento
## Min. : 0.38 Min. : 1.000 Min. : 1 Length:200620
## 1st Qu.: 8.46 1st Qu.: 1.000 1st Qu.: 33967 Class :character
## Median : 12.31 Median : 1.000 Median :105996 Mode :character
## Mean : 15.31 Mean : 1.262 Mean :193994
## 3rd Qu.: 19.23 3rd Qu.: 1.000 3rd Qu.:383009
## Max. :769.23 Max. :96.000 Max. :450040
## NombreFamilia NombreCategoria Estado Mts.2
## Length:200620 Length:200620 Length:200620 Min. :47.0
## Class :character Class :character Class :character 1st Qu.:53.0
## Mode :character Mode :character Mode :character Median :60.0
## Mean :56.6
## 3rd Qu.:60.0
## Max. :62.0
## Tipo.ubicación Giro Hora.inicio Hora.cierre
## Length:200620 Length:200620 Length:200620 Length:200620
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
## Técnica 4. Convertir tipos de datos
Convertir de carácter a fecha
bd6<-bd5
bd6$Fecha<- as.Date(bd6$Fecha, format= "%d/%m/%Y")
summary(bd6)## vcClaveTienda DescGiro Fecha Hora
## Length:200620 Length:200620 Min. :2020-05-01 Length:200620
## Class :character Class :character 1st Qu.:2020-06-06 Class :character
## Mode :character Mode :character Median :2020-07-11 Mode :character
## Mean :2020-07-18
## 3rd Qu.:2020-08-29
## Max. :2020-11-11
## Marca Fabricante Producto Precio
## Length:200620 Length:200620 Length:200620 Min. : 0.50
## Class :character Class :character Class :character 1st Qu.: 11.00
## Mode :character Mode :character Mode :character Median : 16.00
## Mean : 19.45
## 3rd Qu.: 25.00
## Max. :1000.00
## Ult.Costo Unidades F.Ticket NombreDepartamento
## Min. : 0.38 Min. : 1.000 Min. : 1 Length:200620
## 1st Qu.: 8.46 1st Qu.: 1.000 1st Qu.: 33967 Class :character
## Median : 12.31 Median : 1.000 Median :105996 Mode :character
## Mean : 15.31 Mean : 1.262 Mean :193994
## 3rd Qu.: 19.23 3rd Qu.: 1.000 3rd Qu.:383009
## Max. :769.23 Max. :96.000 Max. :450040
## NombreFamilia NombreCategoria Estado Mts.2
## Length:200620 Length:200620 Length:200620 Min. :47.0
## Class :character Class :character Class :character 1st Qu.:53.0
## Mode :character Mode :character Mode :character Median :60.0
## Mean :56.6
## 3rd Qu.:60.0
## Max. :62.0
## Tipo.ubicación Giro Hora.inicio Hora.cierre
## Length:200620 Length:200620 Length:200620 Length:200620
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
## tibble(bd6)## # A tibble: 200,620 × 20
## vcCla…¹ DescG…² Fecha Hora Marca Fabri…³ Produ…⁴ Precio Ult.C…⁵ Unida…⁶
## <chr> <chr> <date> <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl>
## 1 MX001 Abarro… 2020-06-19 08:1… NUTR… MEXILAC Nutri … 16 12.3 1
## 2 MX001 Abarro… 2020-06-19 08:2… DAN … DANONE… DANUP … 14 14 1
## 3 MX001 Abarro… 2020-06-19 08:2… BIMBO GRUPO … Rebana… 5 5 1
## 4 MX001 Abarro… 2020-06-19 08:2… PEPSI PEPSI-… Pepsi … 8 8 1
## 5 MX001 Abarro… 2020-06-19 08:2… BLAN… FABRIC… Deterg… 19.5 15 1
## 6 MX001 Abarro… 2020-06-19 08:2… FLASH ALEN Flash … 9.5 7.31 1
## 7 MX001 Abarro… 2020-06-19 08:2… VARI… DANONE… Danone… 11 11 1
## 8 MX001 Abarro… 2020-06-19 08:2… ZOTE FABRIC… Jabon … 9.5 7.31 1
## 9 MX001 Abarro… 2020-06-19 08:2… ALWA… PROCTE… T Feme… 23.5 18.1 1
## 10 MX001 Abarro… 2020-06-19 03:2… JUMEX JUMEX Jugo D… 12 12 1
## # … with 200,610 more rows, 10 more variables: F.Ticket <int>,
## # NombreDepartamento <chr>, NombreFamilia <chr>, NombreCategoria <chr>,
## # Estado <chr>, Mts.2 <int>, Tipo.ubicación <chr>, Giro <chr>,
## # Hora.inicio <chr>, Hora.cierre <chr>, and abbreviated variable names
## # ¹vcClaveTienda, ²DescGiro, ³Fabricante, ⁴Producto, ⁵Ult.Costo, ⁶UnidadesConvertir de caracter a entero
bd7<-bd6
bd7$Hora<- substr(bd7$Hora, start =1, stop=2)
tibble(bd7)## # A tibble: 200,620 × 20
## vcCla…¹ DescG…² Fecha Hora Marca Fabri…³ Produ…⁴ Precio Ult.C…⁵ Unida…⁶
## <chr> <chr> <date> <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl>
## 1 MX001 Abarro… 2020-06-19 08 NUTR… MEXILAC Nutri … 16 12.3 1
## 2 MX001 Abarro… 2020-06-19 08 DAN … DANONE… DANUP … 14 14 1
## 3 MX001 Abarro… 2020-06-19 08 BIMBO GRUPO … Rebana… 5 5 1
## 4 MX001 Abarro… 2020-06-19 08 PEPSI PEPSI-… Pepsi … 8 8 1
## 5 MX001 Abarro… 2020-06-19 08 BLAN… FABRIC… Deterg… 19.5 15 1
## 6 MX001 Abarro… 2020-06-19 08 FLASH ALEN Flash … 9.5 7.31 1
## 7 MX001 Abarro… 2020-06-19 08 VARI… DANONE… Danone… 11 11 1
## 8 MX001 Abarro… 2020-06-19 08 ZOTE FABRIC… Jabon … 9.5 7.31 1
## 9 MX001 Abarro… 2020-06-19 08 ALWA… PROCTE… T Feme… 23.5 18.1 1
## 10 MX001 Abarro… 2020-06-19 03 JUMEX JUMEX Jugo D… 12 12 1
## # … with 200,610 more rows, 10 more variables: F.Ticket <int>,
## # NombreDepartamento <chr>, NombreFamilia <chr>, NombreCategoria <chr>,
## # Estado <chr>, Mts.2 <int>, Tipo.ubicación <chr>, Giro <chr>,
## # Hora.inicio <chr>, Hora.cierre <chr>, and abbreviated variable names
## # ¹vcClaveTienda, ²DescGiro, ³Fabricante, ⁴Producto, ⁵Ult.Costo, ⁶Unidadesbd7$Hora<- as.integer(bd7$Hora)
str(bd7)## 'data.frame': 200620 obs. of 20 variables:
## $ vcClaveTienda : chr "MX001" "MX001" "MX001" "MX001" ...
## $ DescGiro : chr "Abarrotes" "Abarrotes" "Abarrotes" "Abarrotes" ...
## $ Fecha : Date, format: "2020-06-19" "2020-06-19" ...
## $ Hora : int 8 8 8 8 8 8 8 8 8 3 ...
## $ Marca : chr "NUTRI LECHE" "DAN UP" "BIMBO" "PEPSI" ...
## $ Fabricante : chr "MEXILAC" "DANONE DE MEXICO" "GRUPO BIMBO" "PEPSI-COLA MEXICANA" ...
## $ Producto : chr "Nutri Leche 1 Litro" "DANUP STRAWBERRY P/BEBER 350GR NAL" "Rebanadas Bimbo 2Pz" "Pepsi N.R. 400Ml" ...
## $ Precio : num 16 14 5 8 19.5 9.5 11 9.5 23.5 12 ...
## $ Ult.Costo : num 12.3 14 5 8 15 ...
## $ Unidades : num 1 1 1 1 1 1 1 1 1 1 ...
## $ F.Ticket : int 1 2 3 3 4 4 4 4 4 5 ...
## $ NombreDepartamento: chr "Abarrotes" "Abarrotes" "Abarrotes" "Abarrotes" ...
## $ NombreFamilia : chr "Lacteos y Refrigerados" "Lacteos y Refrigerados" "Pan y Tortilla" "Bebidas" ...
## $ NombreCategoria : chr "Leche" "Yogurt" "Pan Dulce Empaquetado" "Refrescos Plástico (N.R.)" ...
## $ Estado : chr "Nuevo León" "Nuevo León" "Nuevo León" "Nuevo León" ...
## $ Mts.2 : int 60 60 60 60 60 60 60 60 60 60 ...
## $ Tipo.ubicación : chr "Esquina" "Esquina" "Esquina" "Esquina" ...
## $ Giro : chr "Abarrotes" "Abarrotes" "Abarrotes" "Abarrotes" ...
## $ Hora.inicio : chr "8:00" "8:00" "8:00" "8:00" ...
## $ Hora.cierre : chr "22:00" "22:00" "22:00" "22:00" ...Técnica 5:Valores faltantes
¿Cuántos N/A tengo en mi base de datos?
sum(is.na(bd7))## [1] 0sum(is.na(abarrotes))## [1] 199188sapply(bd7, function(x) sum(is.na(x)))## vcClaveTienda DescGiro Fecha Hora
## 0 0 0 0
## Marca Fabricante Producto Precio
## 0 0 0 0
## Ult.Costo Unidades F.Ticket NombreDepartamento
## 0 0 0 0
## NombreFamilia NombreCategoria Estado Mts.2
## 0 0 0 0
## Tipo.ubicación Giro Hora.inicio Hora.cierre
## 0 0 0 0sapply(abarrotes, function(x) sum(is.na(x)))## vcClaveTienda DescGiro Codigo.Barras PLU
## 0 0 0 199188
## Fecha Hora Marca Fabricante
## 0 0 0 0
## Producto Precio Ult.Costo Unidades
## 0 0 0 0
## F.Ticket NombreDepartamento NombreFamilia NombreCategoria
## 0 0 0 0
## Estado Mts.2 Tipo.ubicación Giro
## 0 0 0 0
## Hora.inicio Hora.cierre
## 0 0# ?sapplyBorrar todos los registros NA de una tabla
bd8<-abarrotes
bd8<- na.omit(bd8)
summary(bd8)## vcClaveTienda DescGiro Codigo.Barras PLU
## Length:1437 Length:1437 Min. :6.750e+08 Min. : 1.000
## Class :character Class :character 1st Qu.:6.750e+08 1st Qu.: 1.000
## Mode :character Mode :character Median :6.750e+08 Median : 1.000
## Mean :2.616e+11 Mean : 2.112
## 3rd Qu.:6.750e+08 3rd Qu.: 1.000
## Max. :7.501e+12 Max. :30.000
## Fecha Hora Marca Fabricante
## Length:1437 Length:1437 Length:1437 Length:1437
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Producto Precio Ult.Costo Unidades
## Length:1437 Min. :30.00 Min. : 1.00 Min. :1.000
## Class :character 1st Qu.:90.00 1st Qu.:64.62 1st Qu.:1.000
## Mode :character Median :90.00 Median :64.62 Median :1.000
## Mean :87.94 Mean :56.65 Mean :1.124
## 3rd Qu.:90.00 3rd Qu.:64.62 3rd Qu.:1.000
## Max. :90.00 Max. :64.62 Max. :7.000
## F.Ticket NombreDepartamento NombreFamilia NombreCategoria
## Min. : 772 Length:1437 Length:1437 Length:1437
## 1st Qu.: 99955 Class :character Class :character Class :character
## Median :102493 Mode :character Mode :character Mode :character
## Mean :100595
## 3rd Qu.:106546
## Max. :118356
## Estado Mts.2 Tipo.ubicación Giro
## Length:1437 Min. :58.00 Length:1437 Length:1437
## Class :character 1st Qu.:58.00 Class :character Class :character
## Mode :character Median :58.00 Mode :character Mode :character
## Mean :58.07
## 3rd Qu.:58.00
## Max. :60.00
## Hora.inicio Hora.cierre
## Length:1437 Length:1437
## Class :character Class :character
## Mode :character Mode :character
##
##
## Reemplazar NA con ceros
bd9<-abarrotes
bd9[is.na(bd9)]<-0
summary(bd9)## vcClaveTienda DescGiro Codigo.Barras PLU
## Length:200625 Length:200625 Min. :8.347e+05 Min. : 0.00000
## Class :character Class :character 1st Qu.:7.501e+12 1st Qu.: 0.00000
## Mode :character Mode :character Median :7.501e+12 Median : 0.00000
## Mean :5.950e+12 Mean : 0.01513
## 3rd Qu.:7.501e+12 3rd Qu.: 0.00000
## Max. :1.750e+13 Max. :30.00000
## Fecha Hora Marca Fabricante
## Length:200625 Length:200625 Length:200625 Length:200625
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Producto Precio Ult.Costo Unidades
## Length:200625 Min. :-147.00 Min. : 0.38 Min. : 0.200
## Class :character 1st Qu.: 11.00 1st Qu.: 8.46 1st Qu.: 1.000
## Mode :character Median : 16.00 Median : 12.31 Median : 1.000
## Mean : 19.42 Mean : 15.31 Mean : 1.262
## 3rd Qu.: 25.00 3rd Qu.: 19.23 3rd Qu.: 1.000
## Max. :1000.00 Max. :769.23 Max. :96.000
## F.Ticket NombreDepartamento NombreFamilia NombreCategoria
## Min. : 1 Length:200625 Length:200625 Length:200625
## 1st Qu.: 33964 Class :character Class :character Class :character
## Median :105993 Mode :character Mode :character Mode :character
## Mean :193990
## 3rd Qu.:383005
## Max. :450040
## Estado Mts.2 Tipo.ubicación Giro
## Length:200625 Min. :47.0 Length:200625 Length:200625
## Class :character 1st Qu.:53.0 Class :character Class :character
## Mode :character Median :60.0 Mode :character Mode :character
## Mean :56.6
## 3rd Qu.:60.0
## Max. :62.0
## Hora.inicio Hora.cierre
## Length:200625 Length:200625
## Class :character Class :character
## Mode :character Mode :character
##
##
## Reemplazar NA con el promedio
bd10<-abarrotes
bd10$PLU[is.na(bd10$PLU)]<-mean(bd10$PLU, na.rm =TRUE)
summary(bd10)## vcClaveTienda DescGiro Codigo.Barras PLU
## Length:200625 Length:200625 Min. :8.347e+05 Min. : 1.000
## Class :character Class :character 1st Qu.:7.501e+12 1st Qu.: 2.112
## Mode :character Mode :character Median :7.501e+12 Median : 2.112
## Mean :5.950e+12 Mean : 2.112
## 3rd Qu.:7.501e+12 3rd Qu.: 2.112
## Max. :1.750e+13 Max. :30.000
## Fecha Hora Marca Fabricante
## Length:200625 Length:200625 Length:200625 Length:200625
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Producto Precio Ult.Costo Unidades
## Length:200625 Min. :-147.00 Min. : 0.38 Min. : 0.200
## Class :character 1st Qu.: 11.00 1st Qu.: 8.46 1st Qu.: 1.000
## Mode :character Median : 16.00 Median : 12.31 Median : 1.000
## Mean : 19.42 Mean : 15.31 Mean : 1.262
## 3rd Qu.: 25.00 3rd Qu.: 19.23 3rd Qu.: 1.000
## Max. :1000.00 Max. :769.23 Max. :96.000
## F.Ticket NombreDepartamento NombreFamilia NombreCategoria
## Min. : 1 Length:200625 Length:200625 Length:200625
## 1st Qu.: 33964 Class :character Class :character Class :character
## Median :105993 Mode :character Mode :character Mode :character
## Mean :193990
## 3rd Qu.:383005
## Max. :450040
## Estado Mts.2 Tipo.ubicación Giro
## Length:200625 Min. :47.0 Length:200625 Length:200625
## Class :character 1st Qu.:53.0 Class :character Class :character
## Mode :character Median :60.0 Mode :character Mode :character
## Mean :56.6
## 3rd Qu.:60.0
## Max. :62.0
## Hora.inicio Hora.cierre
## Length:200625 Length:200625
## Class :character Class :character
## Mode :character Mode :character
##
##
## Reemplazar negativos con cero
bd11<-abarrotes
bd11[bd11<0]<-0
summary(bd11)## vcClaveTienda DescGiro Codigo.Barras PLU
## Length:200625 Length:200625 Min. :8.347e+05 Min. : 1.00
## Class :character Class :character 1st Qu.:7.501e+12 1st Qu.: 1.00
## Mode :character Mode :character Median :7.501e+12 Median : 1.00
## Mean :5.950e+12 Mean : 2.11
## 3rd Qu.:7.501e+12 3rd Qu.: 1.00
## Max. :1.750e+13 Max. :30.00
## NA's :199188
## Fecha Hora Marca Fabricante
## Length:200625 Length:200625 Length:200625 Length:200625
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## Producto Precio Ult.Costo Unidades
## Length:200625 Min. : 0.00 Min. : 0.38 Min. : 0.200
## Class :character 1st Qu.: 11.00 1st Qu.: 8.46 1st Qu.: 1.000
## Mode :character Median : 16.00 Median : 12.31 Median : 1.000
## Mean : 19.44 Mean : 15.31 Mean : 1.262
## 3rd Qu.: 25.00 3rd Qu.: 19.23 3rd Qu.: 1.000
## Max. :1000.00 Max. :769.23 Max. :96.000
##
## F.Ticket NombreDepartamento NombreFamilia NombreCategoria
## Min. : 1 Length:200625 Length:200625 Length:200625
## 1st Qu.: 33964 Class :character Class :character Class :character
## Median :105993 Mode :character Mode :character Mode :character
## Mean :193990
## 3rd Qu.:383005
## Max. :450040
##
## Estado Mts.2 Tipo.ubicación Giro
## Length:200625 Min. :47.0 Length:200625 Length:200625
## Class :character 1st Qu.:53.0 Class :character Class :character
## Mode :character Median :60.0 Mode :character Mode :character
## Mean :56.6
## 3rd Qu.:60.0
## Max. :62.0
##
## Hora.inicio Hora.cierre
## Length:200625 Length:200625
## Class :character Class :character
## Mode :character Mode :character
##
##
##
## Técnica 6. Método estadístico
bd12<-bd7
boxplot(bd12$Precio, horizontal=TRUE)
boxplot(bd12$Unidades, horizontal=TRUE)
Agregar columnas
#install.packages("lubridate")
library(lubridate)##
## Attaching package: 'lubridate'## The following objects are masked from 'package:base':
##
## date, intersect, setdiff, unionbd12$Dia_de_la_Semana<- wday(bd12$Fecha)
summary(bd12)## vcClaveTienda DescGiro Fecha Hora
## Length:200620 Length:200620 Min. :2020-05-01 Min. : 1.000
## Class :character Class :character 1st Qu.:2020-06-06 1st Qu.: 5.000
## Mode :character Mode :character Median :2020-07-11 Median : 8.000
## Mean :2020-07-18 Mean : 7.299
## 3rd Qu.:2020-08-29 3rd Qu.:10.000
## Max. :2020-11-11 Max. :12.000
## Marca Fabricante Producto Precio
## Length:200620 Length:200620 Length:200620 Min. : 0.50
## Class :character Class :character Class :character 1st Qu.: 11.00
## Mode :character Mode :character Mode :character Median : 16.00
## Mean : 19.45
## 3rd Qu.: 25.00
## Max. :1000.00
## Ult.Costo Unidades F.Ticket NombreDepartamento
## Min. : 0.38 Min. : 1.000 Min. : 1 Length:200620
## 1st Qu.: 8.46 1st Qu.: 1.000 1st Qu.: 33967 Class :character
## Median : 12.31 Median : 1.000 Median :105996 Mode :character
## Mean : 15.31 Mean : 1.262 Mean :193994
## 3rd Qu.: 19.23 3rd Qu.: 1.000 3rd Qu.:383009
## Max. :769.23 Max. :96.000 Max. :450040
## NombreFamilia NombreCategoria Estado Mts.2
## Length:200620 Length:200620 Length:200620 Min. :47.0
## Class :character Class :character Class :character 1st Qu.:53.0
## Mode :character Mode :character Mode :character Median :60.0
## Mean :56.6
## 3rd Qu.:60.0
## Max. :62.0
## Tipo.ubicación Giro Hora.inicio Hora.cierre
## Length:200620 Length:200620 Length:200620 Length:200620
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Dia_de_la_Semana
## Min. :1.000
## 1st Qu.:2.000
## Median :4.000
## Mean :3.912
## 3rd Qu.:6.000
## Max. :7.000bd12$Subtotal <- bd12$Precio*bd12$Unidades
summary(bd12)## vcClaveTienda DescGiro Fecha Hora
## Length:200620 Length:200620 Min. :2020-05-01 Min. : 1.000
## Class :character Class :character 1st Qu.:2020-06-06 1st Qu.: 5.000
## Mode :character Mode :character Median :2020-07-11 Median : 8.000
## Mean :2020-07-18 Mean : 7.299
## 3rd Qu.:2020-08-29 3rd Qu.:10.000
## Max. :2020-11-11 Max. :12.000
## Marca Fabricante Producto Precio
## Length:200620 Length:200620 Length:200620 Min. : 0.50
## Class :character Class :character Class :character 1st Qu.: 11.00
## Mode :character Mode :character Mode :character Median : 16.00
## Mean : 19.45
## 3rd Qu.: 25.00
## Max. :1000.00
## Ult.Costo Unidades F.Ticket NombreDepartamento
## Min. : 0.38 Min. : 1.000 Min. : 1 Length:200620
## 1st Qu.: 8.46 1st Qu.: 1.000 1st Qu.: 33967 Class :character
## Median : 12.31 Median : 1.000 Median :105996 Mode :character
## Mean : 15.31 Mean : 1.262 Mean :193994
## 3rd Qu.: 19.23 3rd Qu.: 1.000 3rd Qu.:383009
## Max. :769.23 Max. :96.000 Max. :450040
## NombreFamilia NombreCategoria Estado Mts.2
## Length:200620 Length:200620 Length:200620 Min. :47.0
## Class :character Class :character Class :character 1st Qu.:53.0
## Mode :character Mode :character Mode :character Median :60.0
## Mean :56.6
## 3rd Qu.:60.0
## Max. :62.0
## Tipo.ubicación Giro Hora.inicio Hora.cierre
## Length:200620 Length:200620 Length:200620 Length:200620
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Dia_de_la_Semana Subtotal
## Min. :1.000 Min. : 1.00
## 1st Qu.:2.000 1st Qu.: 12.00
## Median :4.000 Median : 18.00
## Mean :3.912 Mean : 24.33
## 3rd Qu.:6.000 3rd Qu.: 27.00
## Max. :7.000 Max. :2496.00bd12$Utilidad <- bd12$Precio*bd12$Ult.Costo
summary(bd12)## vcClaveTienda DescGiro Fecha Hora
## Length:200620 Length:200620 Min. :2020-05-01 Min. : 1.000
## Class :character Class :character 1st Qu.:2020-06-06 1st Qu.: 5.000
## Mode :character Mode :character Median :2020-07-11 Median : 8.000
## Mean :2020-07-18 Mean : 7.299
## 3rd Qu.:2020-08-29 3rd Qu.:10.000
## Max. :2020-11-11 Max. :12.000
## Marca Fabricante Producto Precio
## Length:200620 Length:200620 Length:200620 Min. : 0.50
## Class :character Class :character Class :character 1st Qu.: 11.00
## Mode :character Mode :character Mode :character Median : 16.00
## Mean : 19.45
## 3rd Qu.: 25.00
## Max. :1000.00
## Ult.Costo Unidades F.Ticket NombreDepartamento
## Min. : 0.38 Min. : 1.000 Min. : 1 Length:200620
## 1st Qu.: 8.46 1st Qu.: 1.000 1st Qu.: 33967 Class :character
## Median : 12.31 Median : 1.000 Median :105996 Mode :character
## Mean : 15.31 Mean : 1.262 Mean :193994
## 3rd Qu.: 19.23 3rd Qu.: 1.000 3rd Qu.:383009
## Max. :769.23 Max. :96.000 Max. :450040
## NombreFamilia NombreCategoria Estado Mts.2
## Length:200620 Length:200620 Length:200620 Min. :47.0
## Class :character Class :character Class :character 1st Qu.:53.0
## Mode :character Mode :character Mode :character Median :60.0
## Mean :56.6
## 3rd Qu.:60.0
## Max. :62.0
## Tipo.ubicación Giro Hora.inicio Hora.cierre
## Length:200620 Length:200620 Length:200620 Length:200620
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Dia_de_la_Semana Subtotal Utilidad
## Min. :1.000 Min. : 1.00 Min. : 0.2
## 1st Qu.:2.000 1st Qu.: 12.00 1st Qu.: 93.1
## Median :4.000 Median : 18.00 Median : 197.0
## Mean :3.912 Mean : 24.33 Mean : 459.6
## 3rd Qu.:6.000 3rd Qu.: 27.00 3rd Qu.: 480.8
## Max. :7.000 Max. :2496.00 Max. :769230.0Paso 3: Exportar la base de datos limpia
bd_limpia<-bd12
#write.csv(bd_limpia, file="abarrotesbaselimpia.csv", row.names = FALSE)Conclusión y Aprendizaje
Dentro de este trabajo en específico, nos adentramos en aprender que era una limpieza de datos, esta base ya se había aprendido a limpiar por Excel y es bueno aprender con el programa R debido a que es mucho más fácil y con pocas líneas de codigo se puede conseguir un resultado mucho más preciso con menos trabajo por así decirlo, esto agregando que también se puede ir creciendo y mejorando la base de datos en un mismo archivo o bien en otro ya que R es compatible si es bien utilizado junto con sus librerías.
Según la página de Tableu, otro procesador de datos, el tener datos limpios aumentará en última instancia la productividad general y permitirá obtener información de la más alta calidad en su toma de decisiones.
Beneficios incluidos:
-Eliminación de errores cuando hay múltiples fuentes de datos en juego.
-Menos errores hacen que los clientes estén más contentos y los empleados menos frustrados.
-Capacidad para mapear las diferentes funciones y lo que se pretende que hagan sus datos.
-Monitoreo de errores y mejores informes para ver de dónde provienen los errores, lo que facilita la corrección de datos incorrectos o corruptos para aplicaciones futuras.
-El uso de herramientas para la limpieza de datos hará que las prácticas comerciales sean más eficientes y la toma de decisiones más rápida.
---
title: <span style="Color:red"> Modelo Predictivo "Abarrotes actividad 2.1" </span>
author: "Daniela Cárdenas Z // A01720535"
date: "2022-09-08"
output: 
      html_document:
        toc: true
        toc_float: true
        code_folding: "hide"
        code_download: true
---
***

# <img src= "C:\\Users\\danyc\\Downloads\\abarrotespic.jpg" />

# <span style="Color:#C23030"> Paso 1. Importar base de datos </span>
```{r}

# file.choose()

abarrotes <- read.csv ( "C:\\Users\\danyc\\OneDrive - Instituto Tecnologico y de Estudios Superiores de Monterrey\\Desktop\\Excel y CSV\\abarrotes_ventas-2 .csv")

```

#### Notas previas: Modificación a Excel  
Cambios en base de datos: Formato de fecha a corta, formato de hora a 01:05:00 en español mexico, se agregaron 5 lineas arriba y se duplicaron primeros 5 registros, se cambio lo del codigo de barras a numeros sin decimal, se cambió a csv UTF8.

# <span style="Color:#C23030"> Paso 2. Entender la base de datos </span>

```{r}
#summary(abarrotes)

library(dplyr)
#count(abarrotes,  vcClaveTienda, sort =TRUE)
#count(abarrotes,  DescGiro         , sort =TRUE)
#count(abarrotes,  Marca         , sort =TRUE)
#count(abarrotes,  Producto                   , sort =TRUE)
#count(abarrotes,  NombreDepartamento                    , sort =TRUE)
#count(abarrotes,  NombreFamilia                          , sort =TRUE)
#count(abarrotes,  NombreCategoria                                 , sort =TRUE)
#count(abarrotes,  Estado                                               , sort =TRUE)
#count(abarrotes,  Hora.inicio  , sort =TRUE)
#count(abarrotes,  Hora.cierre  , sort =TRUE)
#count(abarrotes,  Giro , sort =TRUE)

#install.packages("tidyverse")
library(tidyverse)

tibble(abarrotes)

str(abarrotes)

head(abarrotes)
head(abarrotes, n=7)

tail(abarrotes)

#install.packages("janitor")
library(janitor)

tabyl(abarrotes,  vcClaveTienda, NombreDepartamento )
```

# <span style="Color:#EED202"> Herramienta “El Generador de Valor de Datos” </span>
<style>
div.blue { background-color:#58981f; border-radius: 5px; padding: 20px;}
</style>
<div class = "blue">

*Paso 1.* Definir el área del negocio que buscamos impactar o mejorar y su KPI 

El área serían directamente las ventas de nuestros productos.

Los KPI´s a impactar son:  

**a. Ventas de productos  **

*Paso 2.* Seleccionar plantilla(-s) para crear valor a partir de los datos de los clientes.    

**Visión** / Segmentación / Personalización / Contextualización        

*Paso 3.* Generar ideas o conceptos específicos. 

Crear una limpieza de bases de datos para eliminar conceptos no utilizados o errores dentro de la misma base. 

*Paso 4.* Reunir los datos requeridos. 

Se necesitan ventas, productos, buena base de datos limpia. 

*Paso 5.* Plan de ejecución. 

Ver los productos más vendidos y crear junto con los departamentos de logística, compras y ventas un plan para incrementar la rotación de inventarios y poder de esta manera sacar la máxima productividad, estar alimentando la base de datos e ir limpiando cada vez que se alimente la misma.

</div>

### Observaciones: 
1991 registros en PLU sin datos. 
Fecha viene en formato carácter, hay que cambiarlo.
Hora cambiar formato. 
No debería de haber precios negativos.
no puede haber 0.2 unidades. 

# <span style="Color:#C23030"> Técnicas de limpieza de datos</span>

## Técnica 1: Remover valores irrelevantes 

#### Eliminar columnas  
```{r}
bd1 <- abarrotes
  bd1 <- subset(bd1, select =-c (PLU, Codigo.Barras))
```

#### Eliminar renglones  
```{r}
    bd2<-bd1
    bd2 <- bd2[bd2$Precio> 0, ]
    summary (bd1)
    summary(bd2)
    
    #Esto no lo usaremos, pondremos precios negativos como absolutos
```

   
## Técnica 2: Remover valores duplicados 

#### ¿Cuantos renglones tenemos duplicados?  
```{r}
bd1[duplicated(bd1),]
    sum(duplicated(bd1))
```

#### Eliminar renglones duplicados  
    
```{r}
bd3<- bd1
    library(dplyr)
    bd3<- distinct(bd3)
```
  
    
## Técnica 3: Errores de tipografía y errores similares 
    
#### Precios en absoluto  
```{r}
 bd4<-bd3
    bd4$Precio <- abs(bd4$Precio)
summary(bd4) 
```


#### Cantidades en enteros  
```{r}
bd5<-bd4
bd5$Unidades<- ceiling (bd5$Unidades)
summary(bd5)
```




## Técnica 4. Convertir tipos de datos 

#### Convertir de carácter a fecha  
```{r}
bd6<-bd5
bd6$Fecha<- as.Date(bd6$Fecha, format= "%d/%m/%Y")
summary(bd6)
tibble(bd6)
```



#### Convertir de caracter a entero  
```{r}
bd7<-bd6
bd7$Hora<- substr(bd7$Hora, start =1, stop=2)
tibble(bd7)
bd7$Hora<- as.integer(bd7$Hora)
str(bd7)
```



## Técnica 5:Valores faltantes 
#### ¿Cuántos N/A tengo en mi base de datos?   
```{r}
sum(is.na(bd7))
sum(is.na(abarrotes))
sapply(bd7, function(x) sum(is.na(x)))
sapply(abarrotes, function(x) sum(is.na(x)))

# ?sapply
```



#### Borrar todos los registros NA de una tabla  
```{r}
bd8<-abarrotes
bd8<- na.omit(bd8)
summary(bd8)
```



#### Reemplazar NA con ceros  
```{r}
bd9<-abarrotes
bd9[is.na(bd9)]<-0
summary(bd9)
```


#### Reemplazar NA con el promedio  
```{r}
bd10<-abarrotes
bd10$PLU[is.na(bd10$PLU)]<-mean(bd10$PLU, na.rm =TRUE)
summary(bd10)
```



#### Reemplazar negativos con cero  
```{r}
bd11<-abarrotes
bd11[bd11<0]<-0
summary(bd11)
```



## Técnica 6. Método estadístico 
```{r}
bd12<-bd7
boxplot(bd12$Precio, horizontal=TRUE)
boxplot(bd12$Unidades, horizontal=TRUE)

```


#### Agregar columnas  

```{r}
#install.packages("lubridate")
library(lubridate)
bd12$Dia_de_la_Semana<- wday(bd12$Fecha)
summary(bd12)

bd12$Subtotal <- bd12$Precio*bd12$Unidades
summary(bd12)

bd12$Utilidad <- bd12$Precio*bd12$Ult.Costo
summary(bd12)
```





# <span style="Color:#C23030">Paso 3: Exportar la base de datos limpia </span>
```{r}
bd_limpia<-bd12
#write.csv(bd_limpia, file="abarrotesbaselimpia.csv", row.names = FALSE)
```


# <span style="Color:#EED202"> Conclusión y Aprendizaje </span>

<style>
div.blue { background-color:beige; border-radius: 5px; padding: 20px;}
</style>
<div class = "blue">

Dentro de este trabajo en específico, nos adentramos en aprender que era una limpieza de datos, esta base ya se había aprendido a limpiar por Excel y es bueno aprender con el programa R debido a que es mucho más fácil y con pocas líneas de codigo se puede conseguir un resultado mucho más preciso con menos trabajo por así decirlo, esto agregando que también se puede ir creciendo y mejorando la base de datos en un mismo archivo o bien en otro ya que R es compatible si es bien utilizado junto con sus librerías.

Según la página de Tableu, otro procesador de datos, el tener datos limpios aumentará en última instancia la productividad general y permitirá obtener información de la más alta calidad en su toma de decisiones. 

**Beneficios incluidos:** 

-Eliminación de errores cuando hay múltiples fuentes de datos en juego. 

-Menos errores hacen que los clientes estén más contentos y los empleados menos frustrados. 

-Capacidad para mapear las diferentes funciones y lo que se pretende que hagan sus datos. 

-Monitoreo de errores y mejores informes para ver de dónde provienen los errores, lo que facilita la  corrección de datos incorrectos o corruptos para aplicaciones futuras. 

-El uso de herramientas para la limpieza de datos hará que las prácticas comerciales sean más eficientes y la toma de decisiones más rápida. 



</div>
