Estudio de ventas de café ☕

Panel interactivo y análisis de datos para entender las ventas de una máquina de café (vending). El proyecto incluye:

• Una aplicación en Streamlit para explorar ventas por tiempo, producto y momento del día
• Cuadernos (notebooks) con EDA y preprocesamiento
• Documentación de datos y decisiones analíticas

Repositorio listo para ejecutar y presentar a negocio con un lenguaje claro, didáctico y a la vez riguroso.

Contenidos del repositorio

coffe-sales-study/
├─ app/                    # App Streamlit (panel interactivo)
├─ data/                   # Datos (CSV procesado)
├─ docs/                   # Documentación (EDA, dataset)
├─ notebooks/              # Cuadernos (EDA y preprocessing)
└─ README.md               # Este archivo

App: qué muestra y cómo usarla

La app ofrece cuatro secciones principales:

1. Explicación del dataset

• Qué columnas incluye el CSV procesado (ventas_cafe_f.csv)
• Qué transformaciones se aplicaron desde el dataset original
• Vista previa de datos

2. EDA (Análisis exploratorio)

• KPIs: ventas totales, ingresos, ticket medio
• Coffee Hour (pico horario), día de la semana, momento del día
• Top de productos y café preferido por mes/día

3. Conclusiones (enfoque vending)

• Hallazgos numéricos (picos horarios, productos estrella)
• Implicaciones operativas (stock, mantenimiento, pricing)
• Próximos pasos recomendados

4. Machine Learning (minimalista y práctico)

• Forecasting de demanda con promedio móvil y métricas (MAE/MAPE)
• Segmentación de productos (K-Means + PCA) con elipses y calidad (Silhouette)
• Detección de anomalías (IQR) con explicación accesible
• Análisis de combinaciones (correlaciones y similitudes entre cafés)

Ejecutar la app

Requisitos: Python 3.11+, virtualenv recomendado.

1. Instala dependencias:

pip install -r docs/requirements_pip.txt

2. Ejecuta la app desde la raíz del repo:

streamlit run app/main.py

3. Abre el navegador en la URL que indique Streamlit.

Datos: descripción y decisiones clave

Fuente principal: data/ventas_cafe_f.csv (CSV procesado). Ver detalles en docs/raw_dataset_info.md.

Resumen del dataset original (2024):

• 3,547 compras registradas, pagos con tarjeta, franja operativa 6:00–22:00
• Columnas originales: Hour_of_day, Money, Coffee_name, Time_of_Day, Weekday/Month_name, Date, Time, etc.

Transformaciones aplicadas (ver notebooks/preprocessing.ipynb y notebooks/eda.ipynb):

• Renombrado a español y tipado consistente: fecha, hora, precio
• Variable precio convertida de rupias pakistaníes a euros
• Derivadas temporales: hora_num, hora_cat (1..24), dia_semana, nombre_mes, momento_del_dia, año
• Orden lógico de categorías (Lunes..Domingo; Enero..Diciembre; 1..24)
• Normalización de nombres de café y arreglos de encoding cuando aplica
• Reindexación de categorías para evitar huecos en gráficos (visualización fiel)
• Validaciones de rango (horas y precios)

Principales hallazgos del EDA (ver docs/eda.md):

• Coffee Hour definida (picos claros a media mañana y media tarde)
• Top productos concentrando gran parte de las ventas
• Patrones semanales estables (días laborables vs fin de semana)
• Estacionalidad mensual con meses pico y valle
• Ticket medio estable con baja dispersión

Notebooks: guía rápida

• notebooks/preprocessing.ipynb: limpieza, tipado, derivadas temporales, estandarización de categorías y preparación de ventas_cafe_f.csv.
• notebooks/eda.ipynb: análisis exploratorio, KPIs, hallazgos y blueprint visual reutilizado en la app.

Consejo: ejecuta los notebooks para reproducir el pipeline y validar los supuestos.

Estructura técnica

• App Streamlit: app/main.py (secciones, filtros, métricas) y app/components/* (gráficos y KPIs)
• Utilidades: app/utils/data.py (carga/filtrado) y app/utils/colors.py (paleta y órdenes)
• Datos: data/ventas_cafe_f.csv
• Documentación: docs/eda.md y docs/raw_dataset_info.md

Preguntas frecuentes (FAQ)

• ¿Por qué hora_cat es 1..24 si la franja operativa es 6–22? Para mantener ejes consistentes y comparar periodos, aunque los datos reales se concentran en horas operativas.

• ¿Por qué se ven celdas en blanco en matrices de correlación/similitud? La diagonal (comparación consigo mismo) se oculta intencionadamente para centrar la lectura en relaciones útiles.

Licencia

MIT. Ver LICENSE.