SÍNTESIS DEL ANÁLISIS

En este caso, he hecho un análisis de ShopyTime. Hablamos de una empresa de venta al por menor de alimentación con mercado físico y online. Veamos una síntesis del trabajo realizado:

Empezamos por un exhaustivo análisis del dataset en Excel, que he preparado para llevar a Power BI y Extraer, Limpiar y Transformar los datos con Power Query.

He creado las tablas de hechos y dimensiones necesarias a partir del dataset. También la correspondiente tabla Calendario para un mayor detalle de desglose en los datos. En la relación de tablas, he utilizado el modelo de estrella para poder así optimizar el análisis y rendimiento del modelo.

Una vez en Power BI, he trabajado las diferentes medidas que necesitaba en DAX y he creado un Dashboard de 4 páginas, interconectadas entre sí por un menú lateral. El dashboard es muy visual e intuitivo, disponiendo de diferentes tipos de filtro, así como de botones que llevan de una página a otra, y otro botón específico para borrar los filtros activos.

Resumen

ShopyTime es una empresa dedicada al comercio minorista que ha hecho varias campañas de marketing, pero no tenía claro el alcance y éxito de las mismas ni cómo optimizar las futuras campañas, ya que no había analizado los datos de las mismas. Tampoco había hecho un estudio de relación de productos y clientes objetivos, por lo que nos hemos puesto con ello, y le hemos ayudado a optimizar tanto las campañas como los productos según su perfil de clientes, por un lado en la tienda física, por otro en la tienda online, ya que son perfiles muy diferentes.

Debido al desconocimiento generalizado por parte de la empresa, en torno a los datos históricos, he hecho un análisis de ShopyTime detallado, utilizando el total de los datos recibidos y dividido en 4 partes:

Parte 1 – Datos Generales: En esta hoja del Dashboard, se han puesto insights generales referentes a la actividad de la empresa durante el intervalo de tiempo analizado, como el número de clientes, las ventas totales, gasto promedio por cliente y las visitas web, entre otros.

Parte 2 – Análisis de ShopyTime – Campañas: En este apartado, se han analizado las campañas de marketing realizadas. Aquí descubrimos qué campaña ha tenido mejores resultados, teniendo en cuenta el público objetivo. También los costes de cada una de ellas asociadas a los diferentes perfiles de clientes. Poniendo especial énfasis en los datos de ventas, las respuestas recibidas, el promedio de éxito de las campañas y su resultado positivo de las mismas.

Parte 3 – Análisis de Productos: Se ha hecho un análisis de los productos de mayor y menor éxito de ventas según el perfil de los clientes. Esto va a ayudar a realizar mejores segmentaciones en las futuras campañas, así como elegir productos interesantes para ampliar el catálogo de referencias disponibles.

Parte 4 – Análisis de ShopyTime de Clientes: Aquí analizamos el perfil de clientes, relacionando los que más gastan, así como los tipos de productos y otros datos demográficos para afinar el público objetivo según las previsiones de venta.

Trabajo realizado

Para obtener el dashboard con el resultado final, se ha hecho lo siguiente:

* Análisis previo de los datos en excel. Estudio de las diferentes variables y asignación de las mismas a las posibles diferentes tablas de hechos y dimensiones.

* Boceto de estructura en power point con los diferentes insights y posibles elementos gráficos a utilizar para cada una de las visualizaciones y para dar respuesta a las diferentes cuestiones acerca de los datos.

* Importación del dataset compuesto por una tabla de excel que contenía todos los datos a analizar a Power BI y concretamente a Power Query para preparar los datos.

* Comprobación de calidad de datos, tipos de datos, nulos…

* Transformación de variables, creación de nuevas variables…

* Creación de tablas de dimensiones, calendario y tabla de hechos a partir de los datos en bruto.

* Relación de tablas en modelo de estrella.

* Modelización de los datos con funciones DAX.

* Evaluación de insights y comprobación de que tenemos toda la información y medidas necesarias para crear la visualización.

* Creación del dashboard, basado en el boceto inicial, pero con algunos cambios que potencian la visualización de los datos.

Muestra en vídeo del Dashboard Finalizado.

Conclusiones:

Gracias al análisis de estos grandes conjuntos de datos, la empresa ha determinado varios puntos importantes.

- - Los clientes de la tienda física tienen un perfil muy diferente a los de la tienda online. Gracias a esto, van a poder optimizar el stock, así como eliminar referencias e introducir nuevas en ambos tipos de negocio, con lo que pueden disparar las ventas en cada uno de ellos.
- - El tipo de ofertas que atrae clientes a la tienda física, es diferente de las que atraen a compradores online. Por ello, se van a crear campañas diferentes para cada uno de los tipos de negocio, algo que, hasta el momento no se realizaba.
  - Gracias al análisis de clientes online, teniendo en cuenta su perfil económico y gustos, se ha determinado que pueden introducir nuevos productos premium con un mayor margen de beneficios, por lo que la proyección de ventas, aumentaría de forma considerable.