Actividad No. 1. Explorando un Dataset de Ventas con IA

Objetivo del ejercicio: Aprender a usar ChatGPT/Gemini para analizar un archivo de ventas, descubriendo patrones y generando estadísticas y tablas como si fueran un “Excel inteligente”, sin programar.

Archivo a usar: dataset_ventas.csv
Columnas: id, producto, categoria, region, fecha, ventas

📝 Instrucciones paso a paso

1) Reconocer la estructura

• Acción: Sube el archivo dataset_ventas.csv al chat de la IA.

Prompt sugerido:
Revisa el archivo dataset_ventas.csv. 

Dime: número de filas y columnas, lista de columnas, tipo de dato de cada columna, 

primeras 5 filas y si hay valores nulos o duplicados.

• Resultado esperado: Descripción clara de la estructura y calidad inicial de los datos.

2) Preparar la variable de fecha

• Acción: Pide que la columna fecha se reconozca como fecha.

Prompt sugerido:
Convierte la columna 'fecha' a tipo fecha (AAAA-MM-DD). 

Agrega dos columnas nuevas: 'year' y 'mes'. 

Indica cuántas fechas inválidas hay.

• Resultado esperado: Columna de fecha corregida y dos nuevas variables (anio, mes).

3) Estadística descriptiva de ventas

• Acción: Obtén medidas básicas de la columna ventas.

Prompt sugerido:
Dame un resumen descriptivo de la columna 'ventas': 

mínimo, máximo, media, mediana, Q1, Q3, desviación estándar, 

percentiles 5% y 95%, sesgo y curtosis. 

Explica si los datos parecen simétricos o si hay valores extremos.

• Resultado esperado: Tabla de estadísticos + interpretación de la distribución.

4) Ranking por categoría, región y producto

• Acción: Pide tablas de agregados.

Prompt sugerido:
Calcula las ventas totales, promedio y conteo por 'categoria', por 'region' y por 'producto'. 

Ordénalas de mayor a menor por ventas totales e indícame el Top 3 en cada caso.

• Resultado esperado: Tres rankings con los mejores grupos en ventas.

5) Evolución temporal

• Acción: Analiza ventas por mes.

Prompt sugerido:
Agrupa las ventas por 'mes' y muéstrame la tabla cronológica. 

Describe si hay picos, caídas o una tendencia clara.

• Resultado esperado: Tabla de ventas mensuales con un comentario sobre la tendencia.

6) Outliers con IQR

• Acción: Pide detección de valores extremos.

Prompt sugerido:
Detecta outliers en la columna 'ventas' usando el método IQR. 

Dame Q1, Q3, el IQR, límites inferior y superior, 

y las filas consideradas outliers. 

Explica si parecen errores o ventas extraordinarias.

• Resultado esperado: Tabla con outliers y explicación de su relevancia.

7) Cruce categoría × región

• Acción: Solicita tabla tipo pivot.

Prompt sugerido:
Haz una tabla con 'categoria' en filas, 'region' en columnas y la suma de 'ventas' en los valores. 

Señala qué combinación es la más fuerte y cuál la más débil.

• Resultado esperado: Matriz categoría×región con oportunidades detectadas.

8) Reflexión final

• Acción: Contesta estas preguntas en un párrafo cada una:

• ¿Qué categoría o región es la más fuerte?

• ¿Dónde hay oportunidad de crecer?

• ¿Cómo ayudó la IA a hacer el análisis más rápido?

• ¿Qué limitaciones viste frente a Excel u otra herramienta?

📌 Entregable esperado del estudiante

1. Resumen de la estructura del dataset.

2. Estadísticos descriptivos de ventas con interpretación.

3. Ranking Top 3 por categoría, región y producto.

4. Tabla de ventas mensuales con tendencia.

5. Tabla de outliers con reflexión.

6. Pivot categoría×región con conclusiones.

7. Reflexión final de 5–8 líneas.