Walmart + Target
Análisis de precios retail
Análisis de precios y exploración de datos con Python
Proyecto de análisis de datos en dos frentes. Por un lado, series de precios diarios y mensuales de Walmart y Target (estabilidad, volatilidad y ratios). Por otro, exploración de un catálogo de libros (precio vs rating, histogramas y boxplots). Todo con scripts, notebook y gráficos listos para presentar hallazgos.
En este proyecto
Abrí cada bloque: qué se hizo, cómo se hizo, qué se encontró y las evidencias visuales.
Análisis de datos con Python sobre dos ejes: series de precios de Walmart vs Target y un dataset de libros. El trabajo combina scripts/notebook, visualizaciones y una presentación de hallazgos para entender volatilidad, ratios y patrones de precio.
Walmart y Target como objetos del análisis comparativo.
Walmart — contexto de marca
Target — contexto de marca
Se analizan precios diarios y mensuales de ambas cadenas. Walmart muestra un comportamiento más estable/creciente en el período; Target presenta caídas más pronunciadas en tramos del análisis. Los ratios ayudan a ver cuándo Target pierde valor relativo frente a Walmart.
Evolución diaria y mensual de Walmart y Target.
Comparación relativa entre ambas cadenas y dispersión de precios.
Síntesis visual de hallazgos del análisis de precios.
Slide de análisis de precios (presentación)
Hallazgos de series de precios
Sobre el CSV de libros se exploran distribuciones de precio, relación con el rating y conteos por estrellas. Incluye histogramas, boxplots y comparaciones entre extremos de valoración.
Visualización del EDA sobre el dataset de libros.
Visualización del EDA sobre el dataset de libros.
Visualización del EDA sobre el dataset de libros.
Visualización del EDA sobre el dataset de libros.
Visualización del EDA sobre el dataset de libros.
Visualización del EDA sobre el dataset de libros.
Visualización del EDA sobre el dataset de libros.
El análisis se implementa con notebook Jupyter y scripts Python (precios WMT/TGT y libros), alimentados por CSV. Los datasets están adjuntos en esta misma página (sección Datasets) para reproducir el pipeline: cargar → transformar → visualizar → presentar.