Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 186 vistas

    Evidencia 2 - Reporte Tecnico

    Cargado por

    Amairani Aguilar
    El resumen analiza un reporte técnico de análisis de datos realizado con la librería Pandas en Python. En primer lugar, se importaron datos desde un archivo CSV a un DataFrame. Luego, se calculó la rentabilidad por sucursal mediante los ingresos y gastos totales, identificando cuáles generan mayores ingresos y costos. También se analizó la variabilidad de ventas y gastos a través de desviaciones estándar, y las tendencias temporales mediante series temporales. Finalmente, se compararon ingresos y gastos para entender mejor la

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Evidencia 2 - Reporte Tecnico

    Cargado por

    Amairani Aguilar
    186 vistas26 páginas
    El resumen analiza un reporte técnico de análisis de datos realizado con la librería Pandas en Python. En primer lugar, se importaron datos desde un archivo CSV a un DataFrame. Luego, se calculó la rentabilidad por sucursal mediante los ingresos y gastos totales, identificando cuáles generan mayores ingresos y costos. También se analizó la variabilidad de ventas y gastos a través de desviaciones estándar, y las tendencias temporales mediante series temporales. Finalmente, se compararon ingresos y gastos para entender mejor la

    Descripción original:

    REPORTE TECNICO DE ANALISIS DE DATOS CON PANDAS

    Título original

    EVIDENCIA 2_ REPORTE TECNICO

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El resumen analiza un reporte técnico de análisis de datos realizado con la librería Pandas en Python. En primer lugar, se importaron datos desde un archivo CSV a un DataFrame. Luego, se calculó la rentabilidad por sucursal mediante los ingresos y gastos totales, identificando cuáles generan mayores ingresos y costos. También se analizó la variabilidad de ventas y gastos a través de desviaciones estándar, y las tendencias temporales mediante series temporales. Finalmente, se compararon ingresos y gastos para entender mejor la

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    186 vistas26 páginas

    Evidencia 2 - Reporte Tecnico

    Cargado por

    Amairani Aguilar
    El resumen analiza un reporte técnico de análisis de datos realizado con la librería Pandas en Python. En primer lugar, se importaron datos desde un archivo CSV a un DataFrame. Luego, se calculó la rentabilidad por sucursal mediante los ingresos y gastos totales, identificando cuáles generan mayores ingresos y costos. También se analizó la variabilidad de ventas y gastos a través de desviaciones estándar, y las tendencias temporales mediante series temporales. Finalmente, se compararon ingresos y gastos para entender mejor la

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 26

    ACTIVIDAD 2.

    ANALISIS DE DATOS
    Reporte técnico de análisis de datos con pandas.
    Lic. Administración

    Semestre: 6 Grupo: FD
    Maestro: Rodríguez Ramírez Imelda Lizette

    Integrantes de equipo 4 :

    Aguilar Avendaño Brayan Marcelo 1999861


    Aguilar Martínez Amairani Analia 1643556
    Briones Ramírez Alberto Alejandro 2084025
    Briseño Salazar Dayana Marisol 2003724
    Franco Sandoval Ingrid Michelle 2000187
    Olivares José Eduardo 2026319
    Orocio Ruiz Mauricio Yair 1946086
    Rivera Martínez María Isabel 1979553
    Tobías Limón Reyna Melissa 1996465

    Firma:

    Ciudad Universitaria, 10 de marzo del 2024


    Índice
    Introducción ............................................................................................................. 3

    Conjunto 1 bis ......................................................................................................... 4

    Conjunto 2 ............................................................................................................. 14

    Conclusión grupal.................................................................................................. 22

    Conclusiones individuales ..................................................................................... 23

    Aguilar Avendaño Brayan Marcelo 1999861 ..................................................... 23

    Aguilar Martínez Amairani Analia 1643556 ....................................................... 23

    Briseño Salazar Dayana Marisol 2003724 ........................................................ 24

    Franco Sandoval Ingrid Michelle 2000187 ........................................................ 24

    Olivares Jose Eduardo 2026319 ....................................................................... 24

    Orocio Ruiz Mauricio Yair 1946086................................................................... 24

    Rivera Martínez María Isabel 1979553 ............................................................. 25

    Tobías Limón Reyna Melissa 1996465 ............................................................. 25

    Bibliografías........................................................................................................... 26

    2
    Introducción

    En el transcurso de esta investigación, nos sumergimos en un análisis minucioso


    que ha revelado aspectos esenciales de la operación financiera de cada sucursal.
    En síntesis, nuestro enfoque se inicia con la importación de datos desde un
    archivo CSV, una tarea simplificada y optimizada gracias a la eficiente librería
    Pandas en Python, que nos permite gestionar grandes conjuntos de información
    de manera automatizada.
    La evaluación de la rentabilidad por sucursal ha sido el punto de partida, donde
    hemos calculado con precisión tanto los ingresos como los gastos totales. La
    determinación de la rentabilidad, obtenida al restar los gastos de los ingresos, nos
    ha proporcionado una visión clara sobre qué tiendas generan mayores ingresos y
    cuáles enfrentan costos más elevados, estableciendo así una base sólida para la
    toma de decisiones estratégicas.
    En nuestra búsqueda por comprender la variabilidad en ventas y costos
    operativos, hemos recurrido a medidas estadísticas como la desviación estándar.
    Este análisis estadístico nos ha permitido identificar patrones y posibles desafíos
    en la gestión, brindando insights valiosos sobre la consistencia de los resultados
    de cada sucursal.
    La exploración de la tendencia temporal de las ventas y costos operativos se ha
    llevado a cabo mediante un análisis de series temporales. Esta herramienta nos
    ha permitido visualizar cambios a lo largo del tiempo, identificar patrones
    estacionales y entender cómo se comportan las operaciones de cada tienda en
    diferentes momentos del año.
    El análisis de la diferencia entre ingresos y gastos ha sido un componente esencial
    para comprender la rentabilidad de cada sucursal de manera más detallada. Al
    identificar áreas donde estas disparidades son más significativas, hemos señalado
    posibles oportunidades para optimizar costos o aumentar ingresos.
    Este estudio, impulsado por la programación eficiente con Pandas, no solo
    proporciona una comprensión profunda de la situación financiera y operativa de
    cada sucursal, sino que también sienta las bases para la toma de decisiones
    estratégicas. La automatización de los cálculos ha permitido analizar los datos de
    manera sistemática y eficiente, allanando el camino para asignar recursos de
    manera más efectiva, identificar áreas de mejora en la gestión y ajustar estrategias
    comerciales para maximizar la rentabilidad global del negocio.

    3
    Conjunto 1 bis
    5
    6
    7
    8
    9
    10
    11
    12
    13
    Conjunto 2

    14
    15
    16
    17
    18
    19
    20
    21
    Conclusión grupal
    En resumen y como conclusión respecto a esta evidencia correspondiente,
    podemos decir que, para abordar los puntos mencionados, primero importamos el
    archivo CSV y lo cargamos en un DataFrame utilizando la biblioteca Pandas en
    Python.
    Para determinar la rentabilidad por sucursal calculamos los ingresos y los gastos
    totales para cada sucursal, y luego determinamos la rentabilidad restando los
    gastos de los ingresos. Esto permitió identificar qué tiendas generan más ingresos
    y cuáles tienen los gastos más altos. En cuanto a la variabilidad en ventas y
    costos operativos utilizamos medidas estadísticas como la desviación estándar
    para evaluar la variabilidad en las ventas y los gastos de cada tienda. Una alta
    desviación estándar indicaría una mayor variabilidad y posiblemente problemas
    potenciales en la gestión. Respecto al punto llamado tendencia temporal de las
    ventas y costos operativos realizamos un análisis de series temporales para
    visualizar cómo han cambiado las ventas y los gastos a lo largo del tiempo. Esto
    ayudó a identificar patrones estacionales y a entender cómo se han comportado
    las operaciones de cada tienda en diferentes momentos del año. En cuanto a la
    diferencia entre ingresos y gastos calculamos la diferencia entre los ingresos y los
    gastos para cada sucursal, lo que permitió entender la rentabilidad de cada tienda
    de manera más detallada. También identificamos las áreas donde la diferencia es
    más significativa, lo que podría indicar oportunidades para reducir costos o
    aumentar ventas.
    Básicamente lo anterior es un breve análisis de lo que realizamos como trabajo en
    esta evidencia y el cómo lo determinamos, es de suma utilidad la programación a
    través de la librería de pandas ya que nos permite analizar los datos de cualquier
    empresa de manera automatizada sin necesidad de realizar los cálculos a mano.
    Con estos análisis, pudimos obtener una comprensión profunda de la situación
    financiera y operativa de cada sucursal. Esto proporciona información valiosa para
    tomar decisiones estratégicas, como asignar recursos de manera más eficiente,
    identificar áreas de mejora en la gestión y ajustar las estrategias comerciales para
    maximizar la rentabilidad global del negocio.
    Para concluir el análisis de datos realizado proporciona una visión completa de la
    rentabilidad, la variabilidad, las tendencias temporales y las diferencias entre
    ingresos y gastos de cada sucursal, lo que es fundamental para la toma de
    decisiones informadas y el éxito del proyecto.
    Conclusiones individuales
    Aguilar Avendaño Brayan Marcelo 1999861

    El análisis de datos realizado en este trabajo de aprendizaje ha sido fascinante,


    destacando la utilidad de la programación aplicada a la administración. Es notable
    cómo la escritura de código contribuye al desarrollo de la lógica de programación.
    La biblioteca Pandas se ha revelado como una herramienta invaluable para el
    análisis de datos, simplificando tareas complejas con solo unas pocas líneas de
    código. Además, la inclusión de funciones como bucles (loops) y condicionales (if
    else) habría aumentado aún más la automatización del proceso. La versatilidad y
    facilidad de uso de Python hacen que trabajar con este lenguaje sea un placer, y
    el interés en explorar otros lenguajes.

    Aguilar Martínez Amairani Analia 1643556

    Después de todo lo visto con anterioridad llego a la conclusión de lo interesante y


    útil que es la librería panda porque facilita la manipulación y el análisis de datos de
    manera eficiente. Permite cargar, limpiar y transformar conjuntos de datos de
    manera sencilla, lo que es fundamental para tareas como la exploración de datos,
    la preparación de datos para análisis estadísticos y la visualización de datos.
    Además, nos permitió obtener rápidamente estadísticas clave sobre ingresos y
    gastos las cuales nos proporcionó una visión general y útil de la situación
    financiera.

    Briones Ramírez Alberto Alejandro 2084025

    El análisis de datos es una tarea fundamental en el ámbito de la ciencia de datos y


    la toma de decisiones empresariales. En este reporte técnico, hemos explorado el
    poder y la versatilidad de la biblioteca de Python Pandas para llevar a cabo
    análisis de datos eficientes y efectivos. El reporte técnico de análisis de datos con
    Pandas ha demostrado que esta biblioteca es una herramienta indispensable para
    cualquier persona involucrada en el análisis de datos. Su facilidad de uso,
    velocidad y flexibilidad hacen de Pandas una opción ideal para manipular y
    analizar datos de manera eficiente, lo que permite a los analistas y científicos de
    datos extraer información valiosa y tomar decisiones fundamentadas en datos.

    23
    Briseño Salazar Dayana Marisol 2003724

    Al elaborar esta segunda evidencia pude poner en práctica lo aprendido en clase,


    checando las formas de trabajar con la librería de pandas y conocer los distintos
    códigos para sacar variables de un excel, viendo si tuvo utilidades, ingresos y
    gastos, entre más cosas, utilizando funciones como el máximo, variabilidad,
    mínimo, y demás que pandas tiene para poder utilizarlo. Gracias al ejemplo que
    nos mostró la profesora pudimos elaborar el conjunto 2 de manera más fácil y
    rápida, ya que como lo estuvimos elaborando en clase, fue más ágil la elaboración
    de esta evidencia.

    Franco Sandoval Ingrid Michelle 2000187

    En lo personal se me hace muy interesante el hecho de poner cualquier dato en


    este programa pues yo antes pensaba que solamente eran códigos y no
    información como tal y más sacar datos estadísticos para ya al finalizar formarse
    un análisis por lo que me gustaría aprender más sobre esta herramienta para ya
    llevarla a cabo de una mejor manera.

    Olivares Jose Eduardo 2026319

    Respecto a esta correspondiente evidencia 2, de esta determinada materia, puedo


    decir o concluir que es muy interesante la programación aplicada a la
    administración, y sobre todo el escribir código desarrolla aún más la lógica de
    programación, es de suma utilidad la librería pandas para el análisis de datos, ya
    que nos permite hacer todo de manera automatizada con tan solo hacer código, y
    si hubieras agregado funciones como loops o for loops (bucles) donde se cumplen
    condiciones hubiera sido aún más automatizado, o condiciones como if else, etc.,
    para saber que se cumple o no y como deba reaccionar el programa, es muy útil
    Python y me gusta trabajar con él ya que es muy sencillo, espero en el futuro
    seguir aprendiendo más de este lenguaje, y estoy abierto o a aprender JavaScript,
    css y c++ ya que se me hacen interesantes.

    Orocio Ruiz Mauricio Yair 1946086

    Como conclusión puedo decir de esta evidencia y esta etapa dentro de la unidad
    de aprendizaje de análisis de datos me fue de gran ayuda, ya que pusimos en
    práctica el uso de las plataformas como Pandas, con ejemplos que nuestra
    profesora nos mostró en la clase, esto fue fundamental para la elaboración de
    manera asertiva de esta evidencia. . Gracias a la practica en las sesiones de clase
    pude aprender al utilizar códigos de manera a nuestra conveniencia, ya que

    24
    sacamos puntos máximos, mínimos, variabilidad, etc. También considero que esto
    nos será de gran ayuda en un futuro que ejerzamos nuestra carrera, ya que la
    plataforma nos da la eficacia y rapidez que probablemente necesitemos cuando
    ejerzamos como Administradores.

    Rivera Martínez María Isabel 1979553

    En esta evidencia trabajamos nuevamente con una serie de datos, como en las
    actividades anteriores, debo admitir que me gustó mucho realizar este código ya
    que me salió a la primera (no como en las actividades pasadas que los códigos no
    corrían a la primera) en esta evidencia estuvimos trabajando con los ingresos y los
    gastos de una tienda en un lapso de tiempo, donde estuvimos creando códigos
    que nos ayudaran a encontrar las tiendas que tenían más gastos e ingresos y a
    observar los cambios que han tenido los ingresos y gastos en periodos
    determinados de tiempo.

    Tobías Limón Reyna Melissa 1996465

    En la realización de esta evidencia de aprendizaje lo que realizamos fue analizar


    los datos con pandas los cuales se nos brindaron con anterioridad y de esta se
    obtuvieron la rentabilidad, como por ejemplo la tienda que tiene más ingresos, la
    que gasto más, de igual forma los ingresos y gastos de las tiendas todo con la
    serie de pandas, que esto nos facilita de igual forma obtener los mejores
    resultados.

    25
    Bibliografías
    Conjunto1 bis https://colab.research.google.com/drive/1LexRo4GizUA-
    UdSz5Fm24Tg2-tlTANi5?usp=sharing

    Conjunto 2 https://colab.research.google.com/drive/13DRcmwTEmjNHS1ynwctF-
    ULDoAS5be14?usp=sharing

    26

    También podría gustarte