1. Faro

Nivel 2 · ¿Ahorrar para ello, o pedir prestado y pagar?

La solicitud

De Laura Bennett, Directora de Finanzas

“Dos preguntas para la reunión de planificación. Si apartamos el 5% de los ingresos de un mes promedio de 2025 cada mes, en una cuenta que paga 4% anual, ¿cuánto tenemos después de tres años? Y para el préstamo de las estanterías: si pagamos $1,500 al mes en lugar del mínimo, ¿cuántos pagos hacen falta hasta que se acabe?”

Tu objetivo

Asigna a result un diccionario: "monthly_saving", el 5% de los ingresos mensuales promedio completados en 2025 (redondeado a 2: es la cantidad que se transfiere), "fv", en qué se convierte ese ahorro tras 36 depósitos mensuales al 4% anual capitalizado mensualmente (depósitos al final de cada mes, redondeado a 2), y "months", el número de pagos mensuales de $1,500 que hacen falta para pagar $48,000 al 7.5% anual, redondeado hacia arriba a un número entero.

  • Usa el DataFrame orderspendiente
  • Usa el DataFrame order_itemspendiente
  • Guarda un dict en resultpendiente

Tu código

Python

Cargando el editor…

    ResultadoVista previa de orders · presiona Ejecutar para ver el tuyo
    Vista previa de orders
    order_idcustomer_idorder_datestatuschannel
    10011252023-01-01 20:51:19completedweb
    10021562023-01-02 07:58:46completedweb
    1003222023-01-02 10:25:27completedmarketplace
    1004482023-01-02 11:21:51completedmarketplace

    Mote revisa tu resultado

    Presiona Ejecutar. Cada fila que cumple el objetivo se vuelve una luciérnaga en tu linterna.

    DataFrames

    Cargados como DataFrames de pandas, junto con pd y np.

    orders12,000 filas · 7 columnas
    • order_idinteger
    • customer_idinteger
    • order_datetimestamp
    • statusvarchar
    • channelvarchar
    • shipping_feedecimal
    • coupon_codevarchar
    Primeras 5 filas de orders
    order_idcustomer_idorder_datestatuschannelshipping_feecoupon_code
    10011252023-01-01 20:51:19completedweb0.00NaN
    10021562023-01-02 07:58:46completedweb0.00NaN
    1003222023-01-02 10:25:27completedmarketplace4.99WELCOME10
    1004482023-01-02 11:21:51completedmarketplace4.99WELCOME10
    1005822023-01-02 11:43:36completedweb0.00WELCOME10
    order_items30,338 filas · 6 columnas
    • order_item_idinteger
    • order_idinteger
    • product_idinteger
    • quantityinteger
    • unit_pricedecimal
    • discount_pctdecimal
    Primeras 5 filas de order_items
    order_item_idorder_idproduct_idquantityunit_pricediscount_pct
    11001121931.990.00
    21001154311.990.00
    31002154411.990.00
    410021941149.000.00
    51002193219.990.00
    customers2,018 filas · 9 columnas
    • customer_idinteger
    • first_namevarchar
    • last_namevarchar
    • emailvarchar
    • cityvarchar
    • statevarchar
    • signup_datedate
    • segmentvarchar
    • referral_sourcevarchar
    Primeras 5 filas de customers
    customer_idfirst_namelast_nameemailcitystatesignup_datesegmentreferral_source
    1OwenHudsonowen.hudson@icloud.comSan FranciscoCA2022-06-02consumersearch
    2DouglasMendozadmendoza69@gmail.comAtlantaGA2022-06-02consumerNaN
    3HenryBrookshbrooks@lakesidecafe.comLos AngelesCA2022-06-04businessNaN
    4BrianGrahambgraham@bluecedarhomes.comSeattleWA2022-06-06businesspinterest
    5KyleJimenezkjimenez27@yahoo.comIndianapolisIN2022-06-07consumerNaN
    products120 filas · 8 columnas
    • product_idinteger
    • namevarchar
    • categoryvarchar
    • subcategoryvarchar
    • unit_pricedecimal
    • unit_costdecimal
    • launched_ondate
    • is_activeboolean
    Primeras 5 filas de products
    product_idnamecategorysubcategoryunit_priceunit_costlaunched_onis_active
    101Vale Velvet LoveseatFurnitureSofas1659.00NaN2023-09-11true
    102Alder Oak Coffee TableFurnitureTables919.00503.502024-05-16true
    103Orchard Rattan Dining ChairFurnitureChairs789.00429.872023-05-27true
    104Upland Oak BookcaseFurnitureStorage429.00214.702022-12-20true
    105Avery Leather Bed FrameFurnitureBeds449.00232.702021-08-31true
    returns1,673 filas · 5 columnas
    • return_idinteger
    • order_item_idinteger
    • returned_ondate
    • reasonvarchar
    • refund_amountdecimal
    Primeras 5 filas de returns
    return_idorder_item_idreturned_onreasonrefund_amount
    1142023-01-10damaged83.69
    2422023-01-10wrong_item19.99
    31052023-01-14wrong_item10.99
    4242023-01-16changed_mind26.99
    51262023-01-16late20.99
    employees60 filas · 8 columnas
    • employee_idinteger
    • first_namevarchar
    • last_namevarchar
    • departmentvarchar
    • titlevarchar
    • manager_idinteger
    • hire_datedate
    • salaryinteger
    Primeras 5 filas de employees
    employee_idfirst_namelast_namedepartmenttitlemanager_idhire_datesalary
    1CatherineHaleExecutiveChief Executive OfficerNaN2016-03-01285000
    2RobertKimExecutiveChief Operating Officer12017-01-09235000
    3MeganCollinsSalesHead of Sales12018-04-16172000
    4ChloeGutierrezSalesAccount Executive32020-01-2172000
    5FrankBellSalesAccount Executive32023-05-2173000
    web_sessions40,000 filas · 7 columnas
    • session_idinteger
    • customer_idinteger
    • started_attimestamp
    • devicevarchar
    • sourcevarchar
    • pages_viewedinteger
    • convertedboolean
    Primeras 5 filas de web_sessions
    session_idcustomer_idstarted_atdevicesourcepages_viewedconverted
    1NaN2023-01-01 23:02:24mobilepaid1false
    2182023-01-01 15:07:49desktoppaid1false
    3NaN2023-01-01 16:55:46desktopdirect7false
    4NaN2023-01-01 12:43:28mobileorganic3false
    5NaN2023-01-01 13:06:21mobilesocial2false
    marketing_spend3,276 filas · 3 columnas
    • spend_datedate
    • channelvarchar
    • amountdecimal
    Primeras 5 filas de marketing_spend
    spend_datechannelamount
    2023-01-01paid492.99
    2023-01-01email37.38
    2023-01-01social200.53
    2023-01-02paid709.13
    2023-01-02email64.13

    La lección

    Valor futuro: en qué se convierte un ahorro regular

    Si apartas la misma cantidad al final de cada mes y la cuenta paga una tasa mensual r, después de n meses tienes:

    fv = saving * ((1 + r) ** n - 1) / r

    Cada depósito gana interés durante los meses que está en la cuenta: el primero durante 35 meses, el último durante ninguno. La fórmula suma todo eso en un solo paso. En Excel es =FV(4%/12, 36, -9584.05); el depósito es negativo porque sale de tus manos, y el resultado vuelve positivo.

    Dimensionarlo con los números de la propia tienda

    Un plan de ahorro ligado a los ingresos debería usar ingresos reales. Los ingresos completados de Harbor & Pine en 2025 promediaron $191,680.90 al mes, desde $99,903 en febrero hasta unos $290,000 en noviembre y diciembre:

    monthly_revenue.mean()             # 191680.90
    round(0.05 * monthly_revenue.mean(), 2)   # 9584.05 a month

    La respuesta supone que 2025 es un año típico y que el 5% se transfiere todos los meses, incluso en un febrero flojo. Anota ambos supuestos; un responsable de finanzas te lo preguntará.

    Meses para pagar: NPER

    La pregunta inversa: dada una cuota, ¿cuántos meses dura un préstamo? Despeja n de la fórmula del préstamo:

    r = 0.075 / 12
    n = -math.log(1 - 48_000 * r / 1_500) / math.log(1 + r)    # 35.81
    math.ceil(n)                                                # 36 payments

    La respuesta rara vez es un número entero: 35.81 significa 35 pagos completos y un 36.º más pequeño. Repórtalo redondeado hacia arriba. =NPER(7.5%/12, -1500, 48000) de Excel da los mismos 35.81. Si la cuota es demasiado pequeña para cubrir siquiera el interés del primer mes ($48,000 × r = $300 aquí), el logaritmo no tiene respuesta: el préstamo nunca se pagaría.

    Errores comunes

    • Tasa anual, periodos mensuales. (1.04) ** 36 capitaliza el 4% treinta y seis veces y devuelve $743,706 en vez de $365,934.
    • Redondear los meses hacia abajo. 35 pagos de $1,500 dejan dinero pendiente; el préstamo necesita un 36.º.
    • Olvidar que existe el interés. 36 × $9,584.05 = $345,025.80 es lo que aportaste, no lo que tiene la cuenta.
    • Proyectar a partir de un buen mes. Usa un promedio de un año completo, para que el pico de fiestas no marque el plan.

    Elige qué puede ejecutarse en este sitio. Puedes cambiarlo cuando quieras desde "Configurar cookies", al pie de cada página.