← 7 · Estadística descriptiva D6
La misma pregunta cambia de ganador según se mida por venta o por periodo
¿Qué provincia va primera en la lista?
1 El problema
La dirección pide la lista de provincias ordenada de la primera a la última. Para ordenarla hay que decidir antes qué se compara: el importe medio de cada venta, lo que factura la provincia en un mes o lo que factura en un año. Cada una de esas opciones es un nivel de agregación distinto.
Si el informe no dice qué nivel se ha usado, quien lo lee no puede saber que con otro nivel el orden de las provincias sería distinto.
2 Por qué engaña
Las tres agregaciones son correctas y responden a preguntas distintas. La media por venta mide cuánto deja cada operación. La facturación mensual o anual mide cuánto vende la provincia en total.
Si las tres se presentan con el mismo rótulo, «lo que factura la provincia», el lector no tiene forma de saber cuál se usó ni de que las otras darían otro orden.
3 El principio
4 La solución
Calcular los tres y ponerlos uno al lado del otro. Si coinciden, la respuesta no depende del nivel de agregación y se puede usar cualquiera. Si no coinciden, hay que indicar cuál se usa y por qué.
5 Qué pasa con estos datos
- 1. Islas Baleares
- 2. Teruel
- 3. Segovia
- 1. Santa Cruz de Tenerife
- 2. Girona
- 3. Lleida
- 1. Santa Cruz de Tenerife
- 2. Girona
- 3. Lleida
Gana Islas Baleares por venta y Santa Cruz de Tenerife por mes y por año.
Las dos últimas coinciden porque las dos suman todo lo que vende la provincia. La que cambia es la primera, que divide por el número de operaciones. Ahí está el denominador.
6 Para qué sirve
Antes de escribir el primer groupby de cualquier análisis. Dejar por escrito qué representa
cada fila del resultado evita discusiones posteriores sobre qué mide la cifra.
En un modelo de datos, el nivel de detalle de cada fila de la tabla de hechos se llama granularidad. Fijarlo mal obliga a rehacer el modelo entero cuando ya hay informes construidos sobre él.
El detalle técnico
Sobre las 18.877 ventas válidas de 2019 a 2025. Por venta es la media del importe. Por mes y por año son las sumas del periodo, promediadas después entre los periodos de cada provincia.
Ver las tres agregaciones
# Tres agregaciones de la MISMA columna, tres respuestas
por_venta = d.groupby("reg")["importe"].mean()
por_mes = d.groupby(["reg", mes])["importe"].sum().groupby("reg").mean()
por_anio = d.groupby(["reg", anio])["importe"].sum().groupby("reg").mean()
Fuente: atipicos_kpi.json, campo d6_nivel_agregacion.