Challenge Data Science: Análisis de Alura Store

📜 Descripción del Proyecto

Este proyecto es la solución al primer Challenge de Data Science de Alura Latam. El objetivo es analizar los datos de ventas, rendimiento y reseñas de las 4 tiendas de la cadena "Alura Store" para identificar la tienda menos eficiente y presentar una recomendación de venta al propietario, el Sr. Juan.

🎯 Objetivo del Análisis

El análisis se centra en las siguientes métricas clave para cada una de las cuatro tiendas:

• Ingresos Totales
• Ventas por Categoría de Producto
• Valoración Media de los Clientes
• Productos Más y Menos Vendidos
• Costo Promedio de Envío

🛠️ Herramientas Utilizadas

• Lenguaje: Python
• Bibliotecas: Pandas para la manipulación de datos, Matplotlib y Seaborn para la visualización.
• Entorno: Google Colab

📈 Conclusiones Clave

El análisis reveló que la Tienda 4 es la de más bajo rendimiento en múltiples áreas:

1. Menores Ingresos: Genera significativamente menos ingresos que las demás.
2. Peor Calificación: Tiene la calificación promedio más baja, indicando insatisfacción del cliente.
3. Altos Costos Relativos: Su costo de envío promedio es elevado en relación con su bajo volumen de ventas.

Recomendación Final: Se recomienda al Sr. Juan vender la Tienda 4 para optimizar sus operaciones y financiar su nuevo emprendimiento.

🚀 Cómo Ejecutar

1. Clona este repositorio.
2. Abre el notebook Challenge Alura Store.ipynb en un entorno como Google Colab o Jupyter.
3. Asegúrate de que la carpeta datasets esté en el mismo directorio.
4. Ejecuta las celdas en orden.