Caso 6 · 3 niveles
Productos de baja rotación en el catálogo
Merchandising quiere una lista corta de productos activos que casi no se venden. Plantea la pregunta, separa qué productos se pueden juzgar, ordénalos frente a su propia categoría y redacta la recomendación.
Todo catálogo acumula productos que casi nadie compra. Ocupan espacio de estantería en el almacén, espacios de foto en el sitio y la atención de un comprador. Una vez al año, Merchandising revisa la gama y le pide al analista una lista corta: ¿qué productos activos casi no se venden? Suena a ordenar por ventas, y justo así es como sale mal: un sofá siempre venderá menos unidades que una vela, y un producto lanzado en octubre no ha tenido tiempo de vender nada.
Este caso es el trabajo completo, tal como lo harías en la oficina:
- Plantear la pregunta: qué productos se pueden juzgar, en qué periodo, con qué medida, comparados con qué.
- Revisar los datos: separar los productos consolidados, nuevos y retirados, confirmar qué se vendió en el periodo y encontrar los productos sin costo.
- Analizar, en SQL, pandas o Excel, lo que prefieras: la parte de cada producto en los ingresos de su propia categoría, los tres más débiles de cada categoría y cuánto suman.
- Recomendar: elegir el párrafo que enviarías, con los números y las salvedades.
El caso está abierto desde el principio. Usa un LEFT JOIN, etiquetas CASE y funciones de ventana (o
merge, np.select y groupby con transform en pandas, o COUNTIF y una columna de proporción en
Excel); las lecciones recorren cada uno.
Niveles
- Plantea la pregunta de los productos de baja rotación
de Thomas Whitaker, Director de Merchandising
smart goal, problem framing, like for like, within group comparison
- Encuentra los productos de baja rotación
Resuélvelo en SQL, pandas o Excel
de Thomas Whitaker, Director de Merchandising
data validation, left join, case when, window functions, row number, percent of total
- Recomienda: ¿qué productos revisar?
de Thomas Whitaker, Director de Merchandising
recommendation, caveats, within group comparison, seasonality, data storytelling