Un buen primer dashboard empieza con datos limpios. Si los encabezados son consistentes y los tipos de valor están claros, el agente puede inferir mejores gráficos sin tantos cambios manuales.
Para este tutorial usaremos el dataset retail-analytics.csv , con ventas, clientes, campañas y clima para 2024 y 2025.
Columnas y filas de referencia
| year | month | month_number | country | channel | category | product | customer_segment | units_sold | revenue | profit | discount_pct | marketing_spend | website_visits | conversion_rate | avg_order_value | returns | customer_satisfaction | temperature | holiday_season | competitor_price_index |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2024 | January | 1 | USA | Ecommerce | Electronics | Wireless Headphones | Returning | 285 | 25294 | 9797 | 12 | 4733 | 62014 | 3.72 | 88.75 | 11 | 4.5 | 24 | 0 | 96 |
| 2024 | January | 1 | USA | Retail | Home | Kitchen Blender | New | 240 | 18286 | 6650 | 10 | 3155 | 23522 | 2.52 | 76.19 | 9 | 4.2 | 24 | 0 | 98 |
| 2024 | January | 1 | Canada | Ecommerce | Grocery | Organic Snack Box | Loyalty | 392 | 15686 | 5643 | 6 | 2930 | 50252 | 4.62 | 40.02 | 7 | 4.4 | 29 | 0 | 100 |
- `month_number` se usa para ordenar meses correctamente.
- `holiday_season` debe ser binaria: `0` o `1`.
- `discount_pct`, `conversion_rate`, `customer_satisfaction`, `temperature` y `competitor_price_index` deben tratarse como variables numericas.
- `country`, `channel`, `category`, `product`, `customer_segment` y `month` son categoricas.
- Elimina columnas que no quieras exponer.
- Corrige fechas, números y etiquetas repetidas.
- Define una columna principal para segmentar las vistas.