Punto de partida. Actividad «Análisis de datos e informe de decisiones», sesión 1 de 4. Abre los materiales enlazados y crea el registro de la unidad. La guía de arranque permite preparar las herramientas sin depender de otros módulos.
Se explica
10 minutos · contexto, explicación y ejemplo
Un dataset es un conjunto de datos organizado. Una fila no siempre equivale a un cliente o una factura: en Online Retail representa una línea de producto dentro de una factura. Entender esa unidad evita contar las líneas como si fueran pedidos distintos.
Un notebook combina texto explicativo, código y resultados en celdas. pandas permite leer y resumir tablas en Python. Empezaremos con un cuaderno preparado: ejecutaremos una celda, observaremos su salida y explicaremos su significado antes de pedir más análisis. Los datos históricos sirven para practicar; no describen las ventas actuales de la empresa.
Consultar ejemplos y conceptos de esta sesión
¿Qué contiene?
Las principales variables son:
| Variable | Significado |
|---|---|
InvoiceNo |
Número de factura |
StockCode |
Código del producto |
Description |
Nombre del producto |
Quantity |
Cantidad |
InvoiceDate |
Fecha y hora |
UnitPrice |
Precio por unidad |
CustomerID |
Identificador del cliente |
Country |
País |
Por ejemplo:
- InvoiceNo
- 536365
- Description
- WHITE HANGING HEART
- Quantity
- 6
- UnitPrice
- 2.55
- Country
- United Kingdom
Una columna que NO existe
Queremos analizar cuánto dinero genera cada operación.
El conjunto de datos, sin embargo, no incluye una columna Revenue.
Podemos calcularla:
Revenue = Quantity × UnitPrice
Este tipo de columna calculada aparece constantemente en análisis de datos.
La IA puede ayudarnos a crearla.
Antes conviene comprobar si todos los registros son utilizables de forma directa.
Un dato extraño no siempre es un error
Imaginemos:
Quantity = -10
Podríamos pensar:
Eso es imposible. Lo eliminamos.
Ese valor puede representar, no obstante, una devolución, una cancelación o un ajuste contable.
Los datos necesitan contexto.
En nuestro dataset, determinados números de factura permiten identificar cancelaciones.
Por tanto:
limpiar datos no significa borrar todo lo que parece extraño.
Significa comprender qué representa.
Se trabaja
45 minutos · trabajo guiado sobre la actividad
- Descarga el cuaderno de datos, extráelo y sigue su guia-datos.pdf. Abre
analisis.ipynbcon el entorno indicado y selecciona el intérprete de Python preparado. - Ejecuta las celdas iniciales en orden. La descarga conserva
Online Retail.xlsxy la carga muestra filas, columnas y primeras observaciones. Compara los nombres con el diccionario incluido. - Localiza dos filas con el mismo número de factura. Explica por qué no son necesariamente duplicadas: pueden corresponder a productos distintos.
- Ejecuta el bloque de calidad y registra ausencias, cantidades no positivas y cancelaciones. Todavía no borres registros. Elige una anomalía y explica qué hecho del negocio podría representar.
- Guarda el notebook y añade una nota con fuente, periodo y unidad de observación. Si una celda falla, revisa la ruta y el mensaje de error antes de cambiar el formato del dato.
Cierre
5 minutos · comprobar el resultado
Al terminar la sesión:
El cuaderno carga el Excel real y contiene una descripción interpretada de los datos. No se exige crear un CSV ni dominar previamente pandas.