Dashboard de analítica comercial para retail: 150 tiendas, 5 canales y 5 eventos anuales. Modelo dimensional con esquema en estrella, con medidas DAX (YoY, MTD/YTD, participación por canal) y Power Query optimizado. Se puede configurar con actualizaciones automáticas diaria, sin intervención manual.
Solución de integración de datos en Python que consume la API del Banco Central, la cruza con registros de ventas del sistema transaccional y genera un dataset consolidado con indicadores macroeconómicos y métricas comerciales alineadas por fecha. Los datos se normalizan, se validan y se cargan automáticamente en una base de datos PostgreSQL. Arquitectura ETL con control de errores, logging y ejecución programada sin intervención manual.
Los datos crudos no tienen estructura para responder preguntas de negocio. Diseñé el modelo estrella que los organiza: hechos separados de atributos, dimensiones reutilizables. El pipeline ETL en Python extrae, transforma y carga los datos directamente en PostgreSQL, desde donde quedan disponibles para su consumo por el dashboard de Power BI. Todo soportado en 5 tablas, 4 vistas, 2 stored procedures y 8 índices bien ubicados.
Cuando los datos que se muestran en un dashboard no son suficientes, un análisis exploratorio puede revelar patrones ocultos, tendencias y oportunidades de negocio. En esta sección te muestro 6 hallazgos clave que surgieron al analizar el dataset de ventas, con insights accionables para la toma de decisiones estratégicas en retail.
Black Friday lidera con +270% de uplift; CyberDay sigue con +248%. Ambos eventos superan ampliamente al resto del año. El equipo de compras debe prepararse para noviembre y junio con la misma prioridad.
Estacionalidad YoY Uplift por eventoLa regla clásica 80/20 dice que el 20% debería bastar. Aquí se necesita el 46%. No hay 2-3 productos "salvadores" que concentren todo el valor — menor riesgo de stockout crítico.
Pareto ABC Gestión de inventarioCorrelación prácticamente nula entre el tipo de cambio diario y las ventas. Los clientes de tecnología en Chile son inelásticos al dólar en el corto plazo: postergan, pero no cancelan.
Correlación Pearson Indicadores macro PricingSmartphones genera $4.64B (44.3% del total) pero con ~24% de margen bruto. Accesorios, con solo el 8.1% del ingreso, tiene ~38% de margen — casi el doble — y menor exposición al riesgo cambiario.
Análisis de categorías Margen brutoLas cohortes muestran una caída significativa entre la primera compra y el mes 1. Las cohortes más antiguas retienen mejor que las recientes, lo que sugiere que el canal de adquisición reciente trae clientes de menor calidad de vida.
Análisis de cohortes Retención CRMEl análisis de Market Basket identifica co-ocurrencia frecuente entre Smartphones y Accesorios. Accesorios tiene ~38% de margen vs ~24% de Smartphones: cada bundle vendido mejora el margen total del ticket de forma directa.
Market Basket Cross-selling A/B testingdata-analyst-portfolio · Python · PostgreSQL · Power BI