Supply-Chain-Analysis-KAGGLE

Este repositorio contiene un proyecto de análisis de datos enfocado en la cadena de suministros de una empresa ficticia. El objetivo es comprender mejor las interacciones entre diferentes variables de la cadena de suministros, como las rutas de envío, los modos de transporte, las tasas de defectos, y su impacto en los ingresos y costos.

Estructura del Repositorio

• data/: Directorio que contiene el conjunto de datos en formato CSV.
• notebooks/: Jupyter Notebooks con el análisis exploratorio de datos (EDA) y visualizaciones.
• scripts/: Códigos de Python para análisis estadísticos y generación de gráficos.
• images/: Imágenes y gráficos generados a partir del análisis.

Análisis Realizados

1. Análisis de Rutas

Se exploran las diferentes rutas de envío en términos de volumen de ventas, ingresos generados, costos asociados y beneficios netos.

2. Modos de Transporte

Se analizan los modos de transporte en relación con las rutas de envío y su efectividad, medido por las tasas de defectos de los productos.

3. Relación entre Tasas de Defectos, Modos de Transporte y Rutas

Se examina cómo las tasas de defectos varían con los diferentes modos de transporte y rutas de envío para identificar patrones y áreas de mejora.

Visualizaciones

Se incluyen varios tipos de visualizaciones para representar los datos y los resultados del análisis:

• Gráficos de barras agrupados
• Mapas de calor
• Box plots
• Gráficos de barras con doble eje Y

Cada visualización viene acompañada de una explicación de su relevancia y lo que se puede inferir de ella.

Herramientas Utilizadas

• Python: Lenguaje de programación principal para análisis y visualizaciones.
• Pandas: Biblioteca de Python para manipulación y análisis de datos.
• Matplotlib/Seaborn: Bibliotecas de Python para la creación de gráficos.
• Jupyter Notebook: Entorno interactivo para la ejecución de código Python y presentación de resultados.

Cómo Usar

Para ejecutar los análisis y generar los gráficos:

1. Clone el repositorio a su máquina local.
2. Asegúrese de que todas las dependencias estén instaladas utilizando pip install -r requirements.txt.
3. Ejecute los Jupyter Notebooks dentro de la carpeta notebooks/.

Contribuir

Las contribuciones son bienvenidas. Si desea contribuir, por favor haga un fork del repositorio y proponga sus cambios a través de un Pull Request.

Licencia

Este proyecto está bajo la Licencia MIT - vea el archivo LICENSE.md para detalles.

Contacto

Si tiene alguna pregunta o desea contactarse para discutir más sobre este proyecto, por favor abrir un issue en este repositorio.