Proyecto de portafolio · Excel, Power BI · Beginner · 10 a 13 horas
Una página que un director de ventas puede leer en un minuto: ingresos, pedidos, valor promedio del pedido y dónde se movió cada uno. Construir y mantener paneles es una parte importante de muchos trabajos de analista, así que este proyecto se parece mucho al trabajo real.
¿Qué categorías de producto y regiones impulsaron los ingresos en 2017 y dónde cayó el valor promedio del pedido?
Convertida en un objetivo SMART, para que sepas cuándo terminaste y un evaluador vea que la acotaste como analista:
Datos públicos, gratis para descargar. Elige uno, lee su licencia en la página de origen y enlaza esa página en tu README en vez de subir los archivos.
Kaggle
Unos 100,000 pedidos de 2016 a 2018 en varios archivos CSV enlazados: pedidos, líneas de pedido, pagos, reseñas, clientes, vendedores y productos.
Los nombres de las categorías están en portugués; con los datos viene un archivo de traducción. Los pedidos tienen un estado, así que decide cuáles cuentan como ventas antes de sumar nada.
UCI Machine Learning Repository
Alrededor de un millón de líneas de factura de una tienda británica de regalos en línea, de diciembre de 2009 a diciembre de 2011, en un solo libro de Excel.
Los números de factura que empiezan por C son cancelaciones, y muchas líneas no tienen ID de cliente. Ambas cosas cambian tus totales.
Microsoft Learn
Una tabla pequeña y limpia de ventas y beneficio por segmento, país y producto, usada en los tutoriales de Power BI de Microsoft.
Sirve para aprender la herramienta en una tarde, pero es demasiado pequeña y ordenada para destacar por sí sola. Rehazla con Olist para la versión de portafolio. Los términos piden la atribución que aparece en la hoja Info del libro.
Cada paso enlaza a niveles de AnalystQuest que enseñan la habilidad con los datos de la tienda Harbor & Pine, para que la practiques antes de aplicarla al conjunto de datos real.
Escribe quién lee el panel y los tres a cinco números que necesita. Un director de ventas suele querer ingresos, pedidos, valor promedio del pedido y una medida de calidad como la tasa de cancelación.
Define cada uno en una frase. ¿Los ingresos incluyen el envío o no? ¿Qué estados de pedido cuentan? Pon la pregunta, el objetivo SMART y las definiciones al principio de tu README antes de abrir los datos.
Carga los archivos con Power Query (Obtener datos en Excel o Power BI) para que cada paso de limpieza quede registrado y se repita al actualizar. Define los tipos de columna, elimina los duplicados exactos, conserva los estados que tu definición cuenta y une las líneas con los pedidos para tener una fila por línea de pedido.
Guarda una lista de cada fila que descartas y por qué. Se convierte en la sección de límites del informe.
Calcula los ingresos y pedidos totales con una tabla dinámica o SUMIFS en Excel, o con medidas en Power BI. El valor promedio del pedido es el total de ingresos dividido entre el número de pedidos, no el promedio de los valores de las líneas.
Compara cada mes con el mismo mes del año anterior antes de llamar crecimiento a nada: la mayoría de los datos de comercio tienen un noviembre y un diciembre muy fuertes.
Tarjetas de KPI en la parte superior, una línea de ingresos mensuales, un gráfico de barras ordenado por categoría y un filtro por estado o mes. Las barras empiezan en cero, hay unidades en cada eje y se quita todo lo que el lector no usaría para actuar.
Tres a cinco hallazgos, cada uno en una frase con un número y lo que significa para el lector, y después una recomendación. Pon una captura del panel al principio del README: la mayoría de los revisores no descargarán un archivo .pbix o .xlsx para verlo.
El mismo proyecto, presentado de tres maneras. Los números entre corchetes son marcadores: reemplázalos por tus propios resultados.
GitHub
CV
Empieza con un verbo, incluye un número y nombra la herramienta. Cada número debe ser uno que puedas explicar en una entrevista.
Cópiala en tu README o en un documento y reemplaza cada corchete. Limita el resumen ejecutivo a lo que leería un gerente ocupado.
# [Título del proyecto]: panel de ventas de e-commerce
## Resumen ejecutivo
[Dos o tres frases: la respuesta a la pregunta, el número más importante, la recomendación.]
## Objetivo
¿Qué categorías y regiones impulsaron los ingresos en [año] y dónde cayó el valor promedio del pedido?
Audiencia: [director de ventas]. Decisión que respalda: [dónde enfocarse el próximo trimestre].
## Datos y límites
Fuente: [conjunto de datos, enlace, licencia]. Periodo: [fechas]. Filas después de limpiar: [n].
Eliminado: [n] pedidos cancelados, [n] filas duplicadas, [n] filas sin precio.
Límites: [p. ej. no hay gasto de marketing, así que no hay retorno de la inversión].
## Método
Definiciones de los KPI: Ingresos = [..]; Pedidos = [..]; AOV = Ingresos / Pedidos.
Herramientas: [Power Query para limpiar, medidas de Power BI / tablas dinámicas de Excel].
## Hallazgos
1. [Hallazgo con un número y una comparación.]
2. [..]
3. [..]
## Recomendaciones
[Una o dos acciones, cada una ligada a un hallazgo.]
## Próximos pasos
[Qué añadirías con más tiempo o datos.]Unas 10 a 13 horas para una primera versión, repartidas en una a tres semanas de tardes.
SQL, pandas · 12 a 16 horas
¿Vuelven a comprar los clientes primerizos? Cohortes mensuales y una cuadrícula de retención, construidas en SQL y verificadas en pandas.
Python, Statistics · 8 a 12 horas
Comprueba la asignación, estima el efecto con un intervalo de confianza y escribe una decisión sobre la que un gerente de producto pueda actuar.
SQL, Power BI, Excel · 14 a 20 horas
El informe que casi todo analista tiene a su cargo: SQL para los números, Power BI o Excel para la página, actualizado cada mes.