---
title: "Analisis de mercado, Jumbo Prime"
author: "Christopher Maulen, Diego Ibarra"
date: 05/12/2022
output:
flexdashboard::flex_dashboard:
theme: flatly
social: menu
source_code: embed
orientation: columns
vertical_layout: fill
---
```{r}
library(tidyverse)
library(gridExtra)
library(readxl)
library(cluster)
library(factoextra)
library(NbClust)
library(rpart)
library(rattle)
library(rpart.plot)
library(knitr)
```
```{r}
setwd("C:/Users/4chri/Desktop/Mercado")
df<-read_xlsx("jumbo.xlsx")
```
```{r}
#CAMBIO DE ENCABEZADOS
names(df)[2] <- "Edad"
names(df)[3] <- "Sexo"
names(df)[4] <- "Zona"
names(df)[5] <- "Veces"
names(df)[6] <- "Delivery"
names(df)[7] <- "Prime"
names(df)[8] <- "Utiliza"
names(df)[9] <- "Dispuesto"
names(df)[10] <- "Importante1"
names(df)[11] <- "Importante2"
names(df)[12] <- "Importante3"
names(df)[13] <- "Importante4"
names(df)[14] <- "Otros"
names(df)[15] <- "Info"
names(df)[16] <- "Likert1"
names(df)[17] <- "Likert2"
names(df)[18] <- "Likert3"
names(df)[19] <- "Likert4"
names(df)[20] <- "Ingreso"
```
```{r}
#DESVIACIONES Y PROMEDIO
df2<-df %>%
mutate(Veces = ifelse
(Veces=="1 vez al mes",1,ifelse
(Veces=="2 veces al mes",2 , ifelse
(Veces=="3 veces al mes", 3, 4)))) %>%
mutate(Importante1 = ifelse
(Importante1=="Poco importante" , 1 , ifelse
(Importante1=="Indiferente" , 2 , ifelse
(Importante1=="Importante" , 3 , 4)))) %>%
mutate(Importante2 = ifelse
(Importante2=="Poco importante" , 1 , ifelse
(Importante2=="Indiferente" , 2 , ifelse
(Importante2=="Importante" , 3 , 4)))) %>%
mutate(Importante3 = ifelse
(Importante3=="Poco importante" , 1 , ifelse
(Importante3=="Indiferente" , 2 , ifelse
(Importante3=="Importante" , 3 , 4)))) %>%
mutate(Importante4 = ifelse
(Importante4=="Poco importante" , 1 , ifelse
(Importante4=="Indiferente" , 2 , ifelse
(Importante4=="Importante" , 3 , 4))))
likert<-df2 %>%
select(2,5,10:13,16:20)
datosg<-data.frame(map_dbl(likert,mean)) %>%
mutate(map_dbl(likert,sd))
names(datosg)[1]<- "Promedio General"
names(datosg)[2]<- "Sd General"
#Hombres
likerth<-filter(df2, Sexo=="Hombre") %>%
select(2,5,10:13,16:20)
datosh<-data.frame(map_dbl(likerth,mean)) %>%
mutate(map_dbl(likerth,sd))
names(datosh)[1] <- "Promedio por Hombres"
names(datosh)[2] <- "Sd por Hombres"
#Mujeres}
likertf<-filter(df2, Sexo=="Mujer") %>%
select(2,5,10:13,16:20)
datosf<-data.frame(map_dbl(likertf,mean)) %>%
mutate(map_dbl(likertf,sd))
names(datosf)[1] <- "Promedio por Mujeres"
names(datosf)[2] <- "Sd por Mujeres"
desviaciones <- datosg %>%
mutate(datosh) %>%
mutate(datosf)
```
```{r}
#AGRUPACION DE DATOS
df1 <- df %>%
mutate(Likert1 = ifelse(Likert1==1,"En desacuerdo",
ifelse(Likert1==2,"En desacuerdo",
ifelse(Likert1==3,"Indiferente","Deacuerdo")))) %>%
mutate(Likert2 = ifelse(Likert2==1,"En desacuerdo",
ifelse(Likert2==2,"En desacuerdo",
ifelse(Likert2==3,"Indiferente","Deacuerdo")))) %>%
mutate(Likert3 = ifelse(Likert3==1,"En desacuerdo",
ifelse(Likert3==2,"En desacuerdo",
ifelse(Likert3==3,"Indiferente","Deacuerdo")))) %>%
mutate(Likert4 = ifelse(Likert4==1,"En desacuerdo",
ifelse(Likert4==2,"En desacuerdo",
ifelse(Likert4==3,"Indiferente","Deacuerdo")))) %>%
mutate(Ingreso = ifelse(Ingreso>2000000, "Sobre 2M",
ifelse(Ingreso>1200000, "Entre 1.2M y 2M",
ifelse(Ingreso>800000, "Entre 0.8M y 1.2M",
ifelse(Ingreso>400000, "Entre 0.4M y 0.8M",
ifelse(Ingreso>100000, "Entre 0.1M y 0,4M"))))))
```
```{r}
#LEVELS
df1$Importante1=factor(df1$Importante1, levels = c("Poco importante","Indiferente","Importante","Muy importante"))
df1$Importante2=factor(df1$Importante2, levels = c("Poco importante","Indiferente","Importante","Muy importante"))
df1$Importante3=factor(df1$Importante3, levels = c("Poco importante","Indiferente","Importante","Muy importante"))
df1$Importante4=factor(df1$Importante4, levels = c("Poco importante","Indiferente","Importante","Muy importante"))
df1$Likert1=factor(df1$Likert1, levels = c("En desacuerdo","Indiferente","Deacuerdo"))
df1$Likert2=factor(df1$Likert2, levels = c("En desacuerdo","Indiferente","Deacuerdo"))
df1$Likert3=factor(df1$Likert3, levels = c("En desacuerdo","Indiferente","Deacuerdo"))
df1$Likert4=factor(df1$Likert4, levels = c("En desacuerdo","Indiferente","Deacuerdo"))
```
```{r}
colores<- c("#00916e","#5a189a")
porcentaje_sexo<-df %>%
group_by(Sexo) %>%
count() %>%
ungroup() %>%
mutate(porcentaje=`n`/sum(`n`)*100)
porcentaje_zona<-df %>%
group_by(Zona) %>%
count() %>%
ungroup() %>%
mutate(porcentaje=`n`/sum(`n`)*100)
porcentaje_veces<-df %>%
group_by(Veces) %>%
count() %>%
ungroup() %>%
mutate(porcentaje=`n`/sum(`n`)*100)
porcentaje_sexo<-df %>%
group_by(Sexo) %>%
count() %>%
ungroup() %>%
mutate(porcentaje=`n`/sum(`n`)*100)
porcentaje_delivery<-df %>%
group_by(Delivery) %>%
count() %>%
ungroup() %>%
mutate(porcentaje=`n`/sum(`n`)*100)
porcentaje_prime<-df %>%
group_by(Prime) %>%
count() %>%
ungroup() %>%
mutate(porcentaje=`n`/sum(`n`)*100)
porcentaje_utiliza<-df %>%
group_by(Utiliza) %>%
count() %>%
ungroup() %>%
mutate(porcentaje=`n`/sum(`n`)*100)
porcentaje_dispuesto<-df %>%
group_by(Dispuesto) %>%
count() %>%
ungroup() %>%
mutate(porcentaje=`n`/sum(`n`)*100)
porcentaje_otros<-df %>%
group_by(Otros) %>%
count() %>%
ungroup() %>%
mutate(porcentaje=`n`/sum(`n`)*100)
porcentaje_info<-df %>%
group_by(Info) %>%
count() %>%
ungroup() %>%
mutate(porcentaje=`n`/sum(`n`)*100)
```
```{r}
#ANALISIS CLUSTER
df3 <- df1 %>%
select(c(3,5,8,10:13,15:20)) %>%
mutate(Sexo = ifelse (Sexo=="Hombre" , 1 , 2)) %>%
mutate(Veces = ifelse
(Veces=="1 vez al mes" , 1 , ifelse
(Veces=="2 veces al mes", 2, ifelse
(Veces=="3 veces al mes", 3, 4)))) %>%
mutate(Utiliza = ifelse
(Utiliza=="No lo necesito" , 1 , ifelse
(Utiliza=="Por el costo del servicio", 2, ifelse
(Utiliza=="Falta de información", 3, ifelse
(Utiliza=="Porque no accede a zona rural", 4, 5))))) %>%
mutate(Importante1 = ifelse
(Importante1=="Poco importante" , 1 , ifelse
(Importante1=="Indiferente" , 2 , ifelse
(Importante1=="Importante" , 3 , 4)))) %>%
mutate(Importante2 = ifelse
(Importante2=="Poco importante" , 1 , ifelse
(Importante2=="Indiferente" , 2 , ifelse
(Importante2=="Importante" , 3 , 4)))) %>%
mutate(Importante3 = ifelse
(Importante3=="Poco importante" , 1 , ifelse
(Importante3=="Indiferente" , 2 , ifelse
(Importante3=="Importante" , 3 , 4)))) %>%
mutate(Importante4 = ifelse
(Importante4=="Poco importante" , 1 , ifelse
(Importante4=="Indiferente" , 2 , ifelse
(Importante4=="Importante" , 3 , 4)))) %>%
mutate(Info = ifelse
(Info=="Recomendación de un conocido" , 1 , ifelse
(Info=="Avisos publicitarios (televisión, radio, etc)", 2, ifelse
(Info=="Sitio web de Jumbo", 3, ifelse
(Info=="Redes sociales", 4, 5))))) %>%
mutate(Likert1 = ifelse
(Likert1=="En desacuerdo" , 1 , ifelse
(Importante1=="Indiferente" , 2 , 3))) %>%
mutate(Likert2 = ifelse
(Likert2=="En desacuerdo" , 1 , ifelse
(Likert2=="Indiferente" , 2 , 3))) %>%
mutate(Likert3 = ifelse
(Likert3=="En desacuerdo" , 1 , ifelse
(Likert3=="Indiferente" , 2 , 3))) %>%
mutate(Likert4 = ifelse
(Likert4=="En desacuerdo" , 1 , ifelse
(Likert4=="Indiferente" , 2 , 3))) %>%
mutate(Ingreso = ifelse
(Ingreso=="Entre 0.1M y 0,4M" , 1 , ifelse
(Ingreso=="Entre 0.4M y 0.8M" , 2 , ifelse
(Ingreso=="Entre 0.8M y 1.2M", 3 , ifelse
(Ingreso=="Entre 1.2M y 2M", 4 , 5 )))))
#NORMALIZANDO VALORES DE VARIABLES
df3 <- scale(df3)
#ASIGNAMOS VALOR PROMEDIO A LOS NA
df3[is.na(df3)]=0
#ASIGNANDO MATRIZ DE DISTANCIA ATRAVES DEL MÉTODO EUCLIDIANO
matriz_distancia <- get_dist(df3, method = "euclidean")
#EN FUNCION DE LA REGLA DE LA MAYORÍA, EL NUMERO DE CLUSTERS A UTILIZAR SERÁ DE 4
k4 <- kmeans(df3, centers = 2, nstart = 25)
#OTRA FORMA GRAFICA
resultado_cluster_3 <- hcut(df3, k = 2, stand = TRUE)
#PASAR LOS CLUSTERS AL DF INICIAL
df4<-as.data.frame(df3)
names(df4)[1] <- "Sex"
names(df4)[2] <- "Veces"
names(df4)[3] <- "Utiliza"
names(df4)[4] <- "Imp1"
names(df4)[5] <- "Imp2"
names(df4)[6] <- "Imp3"
names(df4)[7] <- "Imp4"
names(df4)[8] <- "Info"
names(df4)[9] <- "Lik1"
names(df4)[10] <- "Lik2"
names(df4)[11] <- "Lik3"
names(df4)[12] <- "Lik4"
df4$cluster<-as.factor(k4$cluster)
df4$cluster<-factor(df4$cluster)
df4_long<-gather(df4, pregunta, Valor, Sex:Lik4, factor_key = TRUE)
```
```{r}
#ARBOLES DE DESICION
dispuesto <- rpart(
formula = Dispuesto ~ Sexo + Edad + Zona + Ingreso,
data = df1,
method = 'class'
)
utiliza <- rpart(
formula = Utiliza ~ Sexo + Edad + Zona + Ingreso,
data = df1,
method = 'class'
)
```
**Introduccion**
=======================================================================
Column {data-width=400}
-----------------------------------------------------------------------
{height=350px}
### **Descripción**
**Datos obtenidos mediante encuesta elaborada con el objetivo de realizar este estudio**
- **Edad**: Representa la edad que tiene el ecuestado
- **Sexo**: Representa a que genero pertenece el encuestado
- **Zona**: Se refiere a si el encuestado vive en una zona Rural o Urbana
- **Veces**: La cantidad de veces que el encuestado va al supermercado
- **Delivery**: El encuestado conoce o no el servicio de delivery de Jumbo
- **Prime**: El encuestado conoce o no el servicio de Jumbo Prime
- **Utiliza**: La razon de por que el encuestado no usa el servicio
- **Dispuesto**: Se refiere a si el encuestado esta dispuesto o no a usar el servicio
- **importante1 a importante 4**: Nivel de importancia de 4 preguntas diferentes
- **Otros**: Si el encuestado conoce o no un servicio similar
- **Info**: Como se entero el encuestado de el servicio
- **Likert1 a Likert4**: Afirmaciones en escala likert desde el 1 al 5
- **Ingreso**: Se refiere al ingreso familiar del encuestado
**Objetivo general**
- Determinar los posibles clientes que puedan ser usuarios de Jumbo Prime, como también de la utilización del servicio a domicilio mediante el canal digital de ventas.
**Objetivos específicos**
- Identificar las razones por las que el cliente no hace uso del servicio de entrega a domicilio.
- Identificar qué factores considera relevante el cliente para acceder al servicio de entrega a domicilio.
- Identificar la preferencia del cliente entre acceder al servicio con o sin suscripción a Jumbo Prime.
**Hipótesis:**
- El uso del canal de venta en línea a domicilio por parte de los clientes es menor debido a la falta de información del mismo.
Column {data-width=600}
-----------------------------------------------------------------------
### **Resumen**
```{r}
options(scipen=999)
kable(desviaciones)
```
### **Ubicacion**
```{r}
library(leaflet)
leaflet() %>%
setView(-70.30738,-18.46877, zoom = 17) %>%
addTiles() %>%
addMarkers(-70.30738,-18.46877, popup = "Jumbo")
```
# ***Importancia***
## Columna 1
### ***¿Esta dispuesta/o a suscribirse al servicio Jumbo Prime?***
```{r}
ggplot(porcentaje_dispuesto,aes(1,porcentaje,fill=Dispuesto))+
geom_bar(stat = "identity")+
geom_text(aes(label = paste0(round(porcentaje,1),"%")),
position = position_stack(vjust = .5))+
coord_polar(theta = "y")+
theme_void()+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
### ***¿Conoce el servicio Jumbo Prime?***
```{r}
ggplot(porcentaje_prime,aes(1,porcentaje,fill=Prime))+
geom_bar(stat = "identity")+
geom_text(aes(label = paste0(round(porcentaje,1),"%")),
position = position_stack(vjust = .5))+
coord_polar(theta = "y")+
theme_void()+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
## Columna 2
### ***¿Qué tan importante son los beneficios extras de Jumbo Prime para usted?***
```{r}
df1 %>%
ggplot(aes(Importante1))+
geom_bar(aes(fill=Dispuesto),position = "dodge",show.legend = TRUE)+
geom_bar(alpha=1/3)+
geom_text(stat='count', aes(label=..count..), vjust=-1)+
theme_minimal()+ xlab("")+
ylab("")+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
### ***¿Qué tan importante es el tiempo de entrega de Jumbo Prime para usted?***
```{r}
df1 %>%
ggplot(aes(Importante2))+
geom_bar(aes(fill=Dispuesto),position = "dodge",show.legend = TRUE)+
geom_bar(alpha=1/3)+
geom_text(stat='count', aes(label=..count..), vjust=-1)+
theme_minimal()+ xlab("")+
ylab("")+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
## Columna 2
### ***¿Qué tan importante son las ofertas exclusivas de Jumbo Prime para usted?***
```{r}
df1 %>%
ggplot(aes(Importante3))+
geom_bar(aes(fill=Dispuesto),position = "dodge",show.legend = TRUE)+
geom_bar(alpha=1/3)+
geom_text(stat='count', aes(label=..count..), vjust=-1)+
theme_minimal()+ xlab("")+
ylab("")+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
### ***¿Qué tan importante es el precio de suscripción de Jumbo Prime?***
```{r}
df1 %>%
ggplot(aes(Importante4))+
geom_bar(aes(fill=Dispuesto),position = "dodge",show.legend = TRUE)+
geom_bar(alpha=1/3)+
geom_text(stat='count', aes(label=..count..), vjust=-1)+
theme_minimal()+ xlab("")+
ylab("")+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
# ***Likert***
## Columna 1
### ***Torta de Sexo***
```{r}
ggplot(porcentaje_sexo,aes(1,porcentaje,fill=Sexo))+
geom_bar(stat = "identity")+
geom_text(aes(label = paste0(round(porcentaje,1),"%")),
position = position_stack(vjust = .5))+
coord_polar(theta = "y")+
theme_void()+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
### ***Relacion ingreso edad***
```{r}
options(scipen=999)
df %>%
filter(df$Ingreso<2500000) %>%
ggplot(aes(x=Edad,y=Ingreso))+
geom_point(mapping=aes(color=Sexo),show.legend = TRUE)+
geom_smooth(se=FALSE,color="green")+
ggtitle("")+
ylab("")+
xlab("")+
theme_minimal()+
scale_color_manual(values = colores)
```
## Columna 1
### ***Cuando he ido al supermercado Jumbo los empleados me invitan a usar el servicio a domicilio.***
```{r}
df1 %>%
ggplot(aes(Likert1))+
geom_bar(aes(fill=Sexo),position = "dodge",show.legend = TRUE)+
geom_bar(alpha=1/3)+
geom_text(stat='count', aes(label=..count..), vjust=-1)+
theme_minimal()+ xlab("")+
ylab("")+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
### ***He visto en mis redes sociales publicidad respecto al servicio a domicilio de Jumbo.***
```{r}
df1 %>%
ggplot(aes(Likert2))+
geom_bar(aes(fill=Sexo),position = "dodge",show.legend = TRUE)+
geom_bar(alpha=1/3)+
geom_text(stat='count', aes(label=..count..), vjust=-1)+
theme_minimal()+ xlab("")+
ylab("")+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
## Columna 2
### ***He visto en el sitio web de Jumbo la opción de envío a domicilio.***
```{r}
df1 %>%
ggplot(aes(Likert3))+
geom_bar(aes(fill=Sexo),position = "dodge",show.legend = TRUE)+
geom_bar(alpha=1/3)+
geom_text(stat='count', aes(label=..count..), vjust=-1)+
theme_minimal()+ xlab("")+
ylab("")+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
### ***He visto avisos publicitarios de Jumbo promoviendo el servicio a domicilio.***
```{r}
df1 %>%
ggplot(aes(Likert4))+
geom_bar(aes(fill=Sexo),position = "dodge",show.legend = TRUE)+
geom_bar(alpha=1/3)+
geom_text(stat='count', aes(label=..count..), vjust=-1)+
theme_minimal()+ xlab("")+
ylab("")+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
# ***Graficas Pastel***
## Columna 1
### ***Torta de Zona***
```{r}
ggplot(porcentaje_zona,aes(1,porcentaje,fill=Zona))+
geom_bar(stat = "identity")+
geom_text(aes(label = paste0(round(porcentaje,1),"%")),
position = position_stack(vjust = .5))+
coord_polar(theta = "y")+
theme_void()+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
### ***¿Por que no utiliza el servicio de Jumbo Prime?***
```{r}
ggplot(porcentaje_utiliza,aes(1,porcentaje,fill=Utiliza))+
geom_bar(stat = "identity")+
geom_text(aes(label = paste0(round(porcentaje,1),"%")),
position = position_stack(vjust = .5))+
coord_polar(theta = "y")+
theme_void()+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
## Columna 2
### ***¿Conoce el servicio de delivery de Jumbo?***
```{r}
ggplot(porcentaje_delivery,aes(1,porcentaje,fill=Delivery))+
geom_bar(stat = "identity")+
geom_text(aes(label = paste0(round(porcentaje,1),"%")),
position = position_stack(vjust = .5))+
coord_polar(theta = "y")+
theme_void()+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
### ***Frecuencia de compras al mes***
```{r}
ggplot(porcentaje_veces,aes(1,porcentaje,fill=Veces))+
geom_bar(stat = "identity")+
geom_text(aes(label = paste0(round(porcentaje,1),"%")),
position = position_stack(vjust = .5))+
coord_polar(theta = "y")+
theme_void()+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
## Columna 3
### ***¿Conoce otros supermercados que ofrezcan este servicio?***
```{r}
ggplot(porcentaje_otros,aes(1,porcentaje,fill=Otros))+
geom_bar(stat = "identity")+
geom_text(aes(label = paste0(round(porcentaje,1),"%")),
position = position_stack(vjust = .5))+
coord_polar(theta = "y")+
theme_void()+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
### ***¿Cómo se enteró del servicio a domicilio?***
```{r}
ggplot(porcentaje_info,aes(1,porcentaje,fill=Info))+
geom_bar(stat = "identity")+
geom_text(aes(label = paste0(round(porcentaje,1),"%")),
position = position_stack(vjust = .5))+
coord_polar(theta = "y")+
theme_void()+
ggtitle("")+
theme(plot.title=element_text(hjust=0.5))+
scale_fill_brewer(palette="Greens")
```
**Matriz de distancia**
=======================================================================
Column {data-width=450}
-----------------------------------------------------------------------
### ***Matriz Distancia***
```{r}
fviz_dist(matriz_distancia, gradient = list(low = "#00916e", mid = "#EDF8E9", high = "#5a189a"))
```
Column {data-width=550}
-----------------------------------------------------------------------
### ***Dendograma***
```{r}
fviz_dend(resultado_cluster_3, rect = TRUE, cex = 0.5,
k_colors = c("#00916e","#5a189a","#238B45","black"))+
ggtitle("")
```
# ***Cluster***
## Columna 1
### ***Cluster***
```{r}
fviz_cluster(k4, data = df3, ellipse.type = "norm", pallete = "Set2", ggtheme = theme_minimal())+
ggtitle("")
```
## Columna 2
### ***Cluster Lineal***
```{r}
ggplot(df4_long, aes(as.factor(x=pregunta), y=Valor, group=cluster, colour=cluster))+
stat_summary(fun = mean, geom="pointrange", size=1)+
stat_summary(geom="line")+
geom_point(aes(shape=cluster))+
xlab("")+
ylab("")+
theme_minimal()+
ggtitle("")+
scale_color_manual(values = colores)
```
# ***Arboles de desicion***
## Columna 1
### ***¿Esta dispuesta/o a suscribirse al servicio Jumbo Prime?***
```{r}
fancyRpartPlot(dispuesto)
```
## Columna 2
### ***¿Por que no utiliza el servicio de Jumbo Prime?***
```{r}
fancyRpartPlot(utiliza)
```
