OlistLab 📦📊

Proyecto de Ciencia de Datos aplicada utilizando el dataset público de Olist (e-commerce brasileño).

El objetivo es simular un entorno real de trabajo en Data Science, abordando problemas de negocio concretos mediante aprendizaje supervisado y no supervisado, utilizando scikit-learn y buenas prácticas de experimentación, validación e interpretación de resultados.

---

🎯 Objetivos del Proyecto

• Aplicar modelos de clasificación, regresión y clustering con scikit-learn.
• Resolver al menos 3 casos de negocio reales:
  • Predicción de deserción de clientes (churn)
  • Recomendación de productos
  • Estimación de tiempos de entrega
• Comparar múltiples modelos por problema y justificar la selección final.
• Generar visualizaciones e insights accionables.
• Documentar todo el proceso de forma clara y reproducible.

---

🧠 Casos de Uso Implementados

1️⃣ Predicción de Deserción de Clientes (Churn)

Objetivo: Identificar clientes con riesgo de abandonar la plataforma.

• Definición de variable objetivo churn
• Feature engineering:
  • Días desde la última compra
  • Frecuencia de compra
  • Gasto total
  • Puntajes de reseñas
• Modelos evaluados:
  • Regresión Logística
  • Árbol de Decisión
  • Random Forest
  • Gradient Boosting
  • SVM
  • k-NN
  • Naive Bayes
• Evaluación con métricas de clasificación y control de overfitting

---

2️⃣ Recomendación de Productos (Clustering)

Objetivo: Agrupar productos para sugerencias personalizadas.

• Uso de atributos como:
  • Categoría
  • Precio
  • Puntajes de reseñas
• Reducción de dimensionalidad con PCA
• Clustering con k-Means
• Análisis e interpretación de clusters obtenidos

---

3️⃣ Estimación de Tiempos de Entrega

Objetivo: Predecir la duración de entrega de pedidos y detectar riesgos de retraso.

• Variables consideradas:
  • Ubicación del cliente
  • Categoría del producto
  • Historial de entregas
• Modelos evaluados:
  • Regresión Lineal
  • Árbol de Decisión
  • Random Forest
  • Gradient Boosting
• Evaluación mediante métricas de regresión (MAE, RMSE)

---

🧪 Bitácora de Desarrollo

🔹 Día 0 — Inicialización del Proyecto

• Creación del repositorio OlistLab
• Configuración de Git y GitHub
• Definición de la estructura del proyecto
• Configuración de .gitignore y requirements.txt

---

🔹 Día 1 — Exploración y Análisis Inicial (EDA)

• Carga de los datasets principales de Olist
• Análisis exploratorio de pedidos, clientes y productos
• Identificación de valores nulos y tipos de datos
• Visualización de distribuciones y patrones iniciales

📓 Notebook:

• 01_exploracion.ipynb

---

🔹 Día 2 — Predicción de Deserción (Preprocesamiento)

• Definición de la variable objetivo churn
• Cálculo de la última compra por cliente
• Creación de la métrica days_since_last_purchase
• Feature engineering inicial
• Preprocesamiento de datos para modelos de Machine Learning

📓 Notebook:

• 02_churn_preprocessing.ipynb

---

🔹 Próximos Pasos

• Entrenamiento y comparación de modelos de clasificación para churn
• Implementación completa del sistema de recomendación mediante clustering
• Entrenamiento y evaluación de modelos de regresión para tiempos de entrega
• Análisis comparativo y conclusiones finales

---

🛠️ Tecnologías Utilizadas

• Python
• pandas, numpy
• matplotlib, seaborn
• scikit-learn
• Jupyter Notebook
• Git & GitHub

---

📌 Notas Finales

Este proyecto se desarrolla de forma incremental, con commits claros y documentados, simulando un flujo de trabajo real en ciencia de datos.

Se prioriza:

• Correcta validación de modelos
• Interpretación de resultados
• Control de overfitting
• Reproducibilidad del análisis

---

📎 Dataset: https://www.kaggle.com/datasets/olistbr/brazilian-ecommerce