ESCUELA SUPERIOR POLITÉCNICA DE

CHIMBORAZO
FACULTAD DE ADMINISTRACIÓN DE
EMPRESAS
CARRERA DE MERCADOTECNIA

SISTEMAS DE MARKETING Y GEOMARKETING

Trabajo Grupal
Quinto 1

Viviana Jurado
Alejandro Jaramillo
Lizbeth Malla
Joselyn Merino
Sandy Lescano

Ing. Josefo López

Jueves 15 de Mayo del 2023

1
 TRABAJO PRÁCTICO PARCIAL II

Introducción:

El presente informe narrativo proporciona un resumen sencillo de la información analizada de la

base de datos Clientes Ideales de la Empresa, con el fin de aplicar los conocimientos vistos en
clase sobre el programa Posit Cloud.

Esta base de datos se plantea el análisis detallado de los clientes ideales de una empresa, de
forma que esta pueda comprenderlos mejor para facilitar la modificación del producto de acuerdo
a las necesidades, comportamientos e inquietudes específicas de los diferentes tipos de clientes.

A través de este programa hemos aprendido a analizar datos utilizando códigos en un espacio
de trabajo de fácil manejo, el cual cuenta con diversas herramientas para cargar bases de datos,
explorarlos, visualizarlos y calcularlos.

De tal manera, que su aplicación a la base de datos anteriormente mencionada se ha realizado

para poner en práctica los conocimientos obtenidos a lo largo del parcial y así demostrar el
entendimiento que tenemos del programa.

Selección de Base de Datos:

Base de datos: https://www.kaggle.com/datasets/whenamancodes/customer-personality-analysis

2
Análisis: Después de la búsqueda de varias páginas para acceder a base de datos, pudimos
encontrar dicha página la cual nos proporcionó un Excel en formato csv para poder analizarla
posteriormente.

Cargar Base de Datos:

 Cargamos la base de datos elegida en Posit Cloud:

Análisis: Al ya tener cargada nuestra base de datos podemos realizar análisis en tiempo real y
obtener información actualizada sobre los datos cargados. Las consultas y los cálculos complejos
pueden ejecutarse de manera rápida y eficiente.

Exploración de Base de Datos:

 Al momento de explorar la base de datos nos pudimos percatar que varios de los
nombres de las variables contaban con guiones.

3
Códigos:

attach(MARKETING)

names(MARKETING)

 Cambiamos los nombres de las variables a nombres más sencillos, previamente

instalamos “sqldf” y “reshape” para poder realizar las consultas.

Códigos:

attach(MARKETING)

names(MARKETING)

MARKETING = rename (MARKETING, c(`Marital_Status`= "MaritalStatus"))

MARKETING = rename (MARKETING, c(`Z_Revenue`= "ZRevenue"))

MARKETING = rename (MARKETING, c(`Year_Birth`= "YearBirth"))

MARKETING = rename (MARKETING, c(`Dt_Customer`= "DtCustomer"))

MARKETING = rename (MARKETING, c(`Z_CostContact`= "ZCostContact"))

4
  La primera variable a analizar las personas que cuentan con un ingreso de más de
$5000

Códigos:

names(MARKETING)

sqldf("select Income

from MARKETING

where Income > 5000 ")

Resultados de la Consulta - Análisis:

Hay un total de 64 personas que cuentan con ingresos mayores a $5000. Esta información puede
ser relevante para diferentes propósitos, como la segmentación de clientes o la evaluación del
poder adquisitivo de un determinado grupo demográfico.

5
  Analizamos a las personas que cuentan con un ingreso de más de $5000 y además su
estado civil sea “Casado”

Códigos:

sqldf("select MaritalStatus, Income

from MARKETING

where Income > 5000 and MaritalStatus = 'Married'")

Resultados - Análisis:

El análisis muestra que hay 24 personas casadas con ingresos superiores a $5000, lo que ofrece
una segmentación demográfica específica y oportunidades para personalizar estrategias de
marketing y productos. Esta información puede ser valiosa para la toma de decisiones
estratégicas y la maximización del rendimiento en el mercado objetivo.

6
  Otra variable a analizar es todas las personas de estado civil “Soltero” que “Consuman
Pescado”

Código:

sqldf("select MntFishProducts, MaritalStatus

from MARKETING

where MaritalStatus = 'Single' and MntFishProducts")

Resultados - Análisis:

El análisis indica que hay un total de 16 personas que cumplen con dos criterios específicos:
son solteras y consumen pescado. Las personas solteras que consumen pescado forman un
grupo objetivo definido dentro de la base de datos. Esto significa que pueden representar un
mercado potencial interesante para productos o servicios relacionados con el consumo de
pescado.

7
  Analizamos a todas las personas que con estado civil “Casado” que tengan a 1
“Adolescente en Casa”

Código:

sqldf("select Teenhome, MaritalStatus

from MARKETING

where Teenhome = 1 and MaritalStatus = 'Married'")

Resultados - Análisis:

Según nuestra base de datos son 10 personas las cuales su estado civil sea “Casado” y tengan
a 1 “Adolescente en Casa”. La información sobre las personas casadas que tienen un adolescente
en casa puede ser utilizada para identificar oportunidades de desarrollo de productos o servicios
específicos para este grupo objetivo. Por ejemplo, se podrían crear productos educativos o
programas de apoyo para padres de adolescentes.

8
Visualización de Datos:

 Gráfica 1: Diagrama de Caja y Bigotes

Código:

boxplot(MARKETING$Income, MARKETING$Recency, MARKETING$MntFruits,

MARKETING$MntMeatProducts,

col = "purple", main = "Diagrama de Caja y Bigotes" )

 Gráfica 2: Barras

9
Código:

barplot(MARKETING$Recency,

main = "FRESCURA",

col = rainbow(length(MARKETING$Recency)))

 Gráfica 3: Diagrama de Puntos

Código:

plot(MARKETING$YearBirth, main = "Diagrama de Puntos de la Variable Año de

Nacimiento")

lines(MARKETING$YearBirth)

abline (h=mean(MARKETING$YearBirth), col = "pink")

10
  Gráfica 4: Diagrama de Pastel

Código:

Porcentajes<-table(MARKETING$Kidhome)/sum(table(MARKETING$Kidhome)) *100

pie(table(MARKETING$Kidhome),

main = "NIÑOS EN CASA",

col = c("pink", "yellow", "turquoise"),

labels = sprintf("%s %.1f%%",

table(MARKETING$Kidhome),

Porcentajes))

legend("topright", c("0 Niños", " 1 Niños", "2 Niños"),

cex = 0.8, fill = c("pink", "yellow", "turquoise"))

11
  Gráfica 5: Histograma

Código:

hist(MARKETING$NumDealsPurchases, col= "turquoise")

Análisis:

Gráfica 1: El diagrama de caja y bigote o conocido como boploxt muestra un resumen de datos
en medidas descriptivas, y este nos permite comparar distribuciones en este caso de los
ingresos, consumo de frutas, productos, etc.

Gráfica 2: En este grafico se interpretó Recency la cual es la frescura del último día de compras
del cliente, este reflejó en el histograma una variación de personas en relación a cuantos días
han pasado desde que adquirieron su último producto lo cual fue de 1 a 90 días
por última compra.

Gráfica 3: Este diagrama de puntos es muy útil para mostrar los datos de manera organizada en
este caso de la variable del "año de nacimiento", este gráfico usa varios puntos para trazar los
datos a lo largo de un eje ordinal.

Gráfica 4: El grafico de Pastel se realizó con la variable Kidhome la cual quiere decir cuántos
niños en casa hay por cliente, la cual nos reflejó como mayor porcentaje 41 58.6 los cuales son
0 niños en casa, el siguiente porcentaje de 28 40.0 reflejo que hay 1 niño en casa, y el menor
porcentaje con 1 1.4 que refleja que hay 2 niños por casa.

12
Gráfica 5: El histograma se da a evidenciar el número de tiendas de compra disponibles en la
cual se evidencia la frecuencia con la que recurren a la tienda y su disponibilidad de la misma.

Estadísticas Descriptivas:

 Promedio de variable “Frescura”

 Mediana de la Variable “Niños en Casa”

 Desviación Estándar de “Ganancias Z”

 Resumen de la variable “Ingresos”

Análisis:

Promedio: Se realizó el promedio del dato frescura del último día de compras del cliente el cual
nos reflejó un resultado de 43.67143.

Mediana: Considerando que La mediana es un valor que se encuentra a la mitad de los otros
valores, se escogió los datos de niños en casa la cual nos arrojó como resultado 0 niño en casa
por cada cliente.

Desviación Estándar: La desviación estándar mide la dispersión de una distribución de datos en

este caso de la variable de "Ganancias" entre más dispersa sea más es grande es su
desviación estándar

Resumen: En el resumen de la variable " ingresos" nos arrojó como resultado el Mínimo, Máximo,
El primero Qu, la Mediana, el significado, El tercero Qu y si existe algún dato
faltante en este caso NA, en nuestra base de datos se encontraron 5 datos faltantes.

13
Conclusión:

Al realizar el análisis de diversas variables en Posit Cloud de la base de datos Clientes Ideales
de la Empresa extraída de Kaggle, nos han proporcionado un mejor entendimiento del programa
el cual aplicamos a este proyecto.

La información obtenida del análisis de las variables nos permite optimizar nuestras estrategias
de marketing, mejorar la personalización de nuestras acciones, aumentar la retención de clientes
valiosos y descubrir oportunidades de crecimiento.

Porque al centrarnos en satisfacer las necesidades y preferencias de nuestros clientes ideales,

estamos en una posición sólida para fortalecer nuestra posición en el mercado y lograr un
crecimiento sostenible.

En síntesis, la aplicación de conocimientos del programa se llevó a cabo sin inconvenientes

permitiendo desenvolvernos al usar las herramientas que este nos proporciona con el objetivo de
facilitar el análisis e interpretación de una gran cantidad de datos.

14