En esta prueba se les entregará un dataset con 4 años de historia de venta de cierto tipo de bebida

individual, para un local ubicado en el litoral central, el que contiene las siguientes columnas:
● ds: abreviatura de datestamp, fecha del dato
● precio_ref: precio de referencia de la bebida ese día
● unidades_total: total de unidades de bebida vendidas ese día
● monto_total: monto total recaudado por estas bebidas ese día

El objetivo es generar un pronóstico de ventas diaria para el mes de Febrero 2022, para eso se
cuenta con información que va desde Enero 2017 a Enero 2022, la que está en el archivo
dataset_ts_ventas_train.csv, mientras que las ventas reales de Febrero 2022 se encuentran en el
archivo dataset_ts_ventas_test.csv. Sobre estos datos puede incorporar supuestos e información
adicional de dominio público para efectos de generar el pronóstico.

Responda de forma justificada las siguientes preguntas:

1. Realice un análisis descriptivo de las variables del dataset, comente si aparece algo
particular al revisar los datos.
2. ¿Tiene efecto el día de la semana en la venta?, ¿podemos afirmar que un día tiene la mayor
venta?, ¿hay un día de menor venta?, si es así, ¿qué días de la semana son?
3. ¿Tiene efecto la época del año en la venta?
4. ¿Tuvo efecto el inicio de la pandemia en la venta?, ¿cómo podemos incluir este tipo de
efectos en el pronóstico?
5. ¿Tiene efecto en la venta el precio?, ¿Cómo podríamos identificar los días en que existió una
promoción?, ¿estas promociones qué efecto tienen en las unidades vendidas y en el monto
total?
6. Genere con el método o librería que considere conveniente un pronóstico para la venta diaria
en Febrero 2022, ahora evalúe el MAPE de este pronóstico
7. En base al pronóstico diario ya generado, indíquenos un pronóstico de la venta del mes
completo, ¿qué nivel de error tiene respecto a la venta real completa de ese mes?
8. Comente posibles mejoras al modelo de pronóstico realizado y cómo se podría haber
reducido el nivel de error de este.