El trabajo parte de 20.827 filas con errores y termina con un recorrido completo: los
datos quedan limpios, protegidos, explorados, contrastados y presentados en un cuadro de mando.
El hallazgo: 16 ventas fuera de las reglas del catálogo
Lo que destacaba en los datos eran 16 ventas con cantidades fuera de rango y, en 12,
precios fuera de catálogo, por 798.360 €. Todo indica que son errores de registro, aunque falta confirmarlo. Si se dan por buenas, inflan la
facturación de los meses en que caen y contribuyeron a que la primera versión encontrara un «mes estrella»
que no se sostenía. Por eso se separan antes de agregar.
Lo que muestra este trabajo
Preparar bien los datos y reconocer cuándo no permiten concluir nada aporta más que un
cuadro de mando lleno de «hallazgos». Sin las anomalías, ningún mes supera al azar, ninguna provincia destaca en satisfacción, la satisfacción no
acompaña a las ventas y los clientes no se pueden segmentar. Cada una de esas conclusiones se comprobó con
estadística y se explica en su página.
Siguientes pasos posibles
Con datos reales
El mismo proceso permitiría separar los patrones que se sostienen de los que produce el azar. El método no cambia, solo la calidad de los datos de entrada.
Previsión de ventas
Con un histórico fiable, un modelo de previsión validado sobre periodos pasados podría proyectar las ventas y detectar cambios de tendencia.
Instrumentación
Recoger la satisfacción ligada a venta, canal y producto abriría preguntas causales que hoy no se pueden responder.
Automatización
El proceso puede ejecutarse automáticamente con cada nueva carga de datos, marcar las ventas que incumplan las reglas y avisar solo cuando un cambio supere la variación normal.
El resumen en una frase
De datos en bruto a decisiones, con un método que se puede revisar, repetir y defender.