Análisis de impacto de retrasos en satisfacción del cliente

Descripción del proyecto

Este proyecto es un análisis end-to-end sobre el impacto de los tiempos de entrega en la satisfacción del cliente, utilizando datos reales de Olist (e-commerce brasileño). El flujo de trabajo abarca desde la ingesta y limpieza de datos con Python (Pandas) hasta la creación de un dashboard interactivo en Looker Studio para la toma de decisiones operativas.

Pregunta de negocio

El panel y el análisis buscan responder la siguiente interrogante crítica para la operación:

"¿Cómo impactan los retrasos en la entrega en la satisfacción del cliente (Net Prometer Score (NPS)/Review Score) y cuáles son las regiones geográficas que presentan mayores fricciones logísticas?"

---

Dashboard interactivo

El resultado final de este análisis se presenta en el siguiente tablero de control:

🔗 Ver Dashboard en Looker Studio

---

Conclusiones del análisis

El análisis de 96,470 órdenes permitió responder la interrogante central del proyecto con los siguientes hallazgos:

1. Impacto en satisfacción: ¿Cómo impactan los retrasos? El retraso cuesta 2 estrellas de reputación. Los clientes no penalizan ligeramente; castigan severamente. El puntaje promedio cae de 4.29 (clientes puntuales) a 2.27 (clientes con retraso), una reducción de 2.02 puntos que destruye el Net Promoter Score (NPS) de la compañía.

2. Foco Geográfico: ¿Cuáles son las regiones con mayores problemas? El "Nordeste" es la región crítica a intervenir. Mientras el Sur opera con eficiencia (solo 5.9% de retrasos), el Nordeste presenta fallas estructurales graves con una tasa de retraso del 12.72% (el doble que el promedio nacional). La estrategia logística debe priorizar esta zona, ya que es donde se pierden más clientes por insatisfacción.

3. Comportamiento del cliente: Insight de negocio: Se descubrió una polarización extrema en las calificaciones. El 78.4% de las reviews son positivas (4-5 estrellas), pero ante un fallo, la calificación se desploma directamente a 1 estrella (9.7% de los casos), sin pasar por puntos medios. Esto indica que la operación no tiene margen de error: cumplir la promesa de entrega es el único driver real de fidelización.

4. Estacionalidad: Insight Operativo: El sistema colapsa en Marzo y Noviembre. Los problemas logísticos no son constantes sino estacionales. Se detectaron picos de retraso superiores al 13% en Marzo y Noviembre (posiblemente Black Friday), sugiriendo que la infraestructura actual no es escalable ante picos de demanda, por lo que se requieren refuerzos específicos en esas fechas.

---

Decisiones de diseño del panel

Para asegurar que el dashboard fuera accionable, se tomaron las siguientes decisiones de diseño y UX:

1. Narrativa visual: Se utilizó un layout en F, estructurando la lectura desde los KPIs macro (superior izquierda) hacia el detalle de impacto (centro) y finalmente la distribución geográfica (derecha/abajo), facilitando el escaneo rápido para la toma de decisiones.
2. Semáforo de colores: Se implementó una paleta de colores consistente (#2DCC98 para "A Tiempo" y #FF6B6B para "Con retraso") en todos los gráficos. Esto permite al usuario identificar problemas visualmente de manera rápida sin leer etiquetas.
3. Selección de gráficos:
   • Mapa de burbujas: Se eligió un mapa de burbujas en vez de un mapa geográfico para evitar sesgos referentes al tamaño de dichas áreas geográficas. Esto permite visualizar volumen de ventas (tamaño) y satisfacción (color) independientemente del tamaño físico del estado.
   • Gráfico de barras: Se diseñó específicamente para contrastar el Review Score promedio en pedidos puntuales (4.29) vs. retrasados (2.27), cuantificando el costo del problema.
4. Métricas de negocio (KPIs): Se priorizó la "Tasa de cumplimiento de entregas" (On-time delivery) como métrica principal de eficiencia logística.

---

Fuentes de datos

Se utilizaron tres datasets relacionales del Brazilian E-Commerce Public Dataset by Olist:

• olist_orders_dataset.csv: Base transaccional (Fechas estimadas vs. reales).
• olist_order_reviews_dataset.csv: Feedback del cliente (Scores 1-5).
• olist_customers_dataset.csv: Dimensiones geográficas.

---

Procesamiento y limpieza de datos (ETL)

El procesamiento de datos se ejecutó en Python, utilizando métodos vectorizados de Pandas para asegurar eficiencia y reproducibilidad. El proceso detallado se encuentra en el notebook 1.0-data-loading-and-cleaning.ipynb.

Transformaciones realizadas

1. Extracción y limpieza:

   • Ingesta de archivos CSV (pd.read_csv) y conversión estricta de variables temporales (pd.to_datetime con errors='coerce').
   • Filtrado de consistencia lógica para eliminar fechas de entrega anteriores a la compra y manejo de valores nulos críticos (dropna).

2. Integración de datos:

   • Consolidación del modelo de datos mediante pd.merge() (Left Joins), unificando las dimensiones de Órdenes, Reviews y Clientes.
   • Eliminación de duplicados de reseñas (drop_duplicates) conservando la calificación más reciente por orden.

3. Feature Engineering:

   • Cálculo aritmético de fechas (dt.days) para generar las métricas dias_retraso y dias_reales_entrega.
   • Segmentación de la severidad del retraso utilizando pd.cut() para crear categorías (Muy temprano, A tiempo, Retraso leve, Retraso moderado, Retraso severo).
   • Enriquecimiento geográfico mapeando siglas de estados a macrorregiones (map con diccionarios).

4. Carga (output):

   • Exportación del dataset procesado (to_csv) optimizado para la ingestión directa en Looker Studio.

---

Estructura del repositorio

ecommerce-shipping-delay-analysis/
├── data/
│ ├── raw/                                  # Datasets originales (CSV)
│ │ ├── olist_orders_dataset.csv            # Información de órdenes y fechas de entrega
│ │ ├── olist_order_reviews_dataset.csv     # Calificaciones de satisfacción del cliente
│ │ └── olist_customers_dataset.csv         # Información geográfica de clientes
│ └── processed/                            # Datos limpios y procesados
│   └── visualizations/                     # Visualizaciones generadas durante el EDA
│     ├── analisis_geografico_regiones.png
│     ├── dashboard_preview.png
│     ├── distribucion_retrasos.png
│     ├── distribucion_satisfaccion.png
│     ├── matriz_correlacion.png
│     └── relacion_retraso_satisfaccion.png
├── docs/  
│ └── eda_conclusions.md                    # Conclusiones del análisis exploratorio
├── notebooks/  
│ ├── 1.0-data-loading-and-cleaning.ipynb   # Preparación de datos
│ └── 2.0-eda.ipynb                         # Análisis exploratorio
├── requirements.txt                        # Dependencias de Python
└── README.md

---

Cómo ejecutar este proyecto localmente

1. Clonar el repositorio

git clone https://github.com/anibalrojosan/ecommerce-shipping-delay-analysis
cd ecommerce-shipping-delay-analysis

2. Descargar datasets

Descarga el dataset completo desde Kaggle y descomprime el archivo ZIP. Luego copia los siguientes archivos CSV a data/raw/:

• olist_orders_dataset.csv
• olist_order_reviews_dataset.csv
• olist_customers_dataset.csv

3. Configurar el entorno

# Crear entorno virtual
python -m venv venv

# Activar entorno
# En Windows:
venv\Scripts\activate
# En Mac/Linux:
source venv/bin/activate

# Instalar dependencias
pip install -r requirements.txt

4. Ejecutar notebooks

jupyter lab notebooks/

Ejecuta en orden:

• 1.0-data-loading-and-cleaning.ipynb: Genera el archivo df_delivery_analysis.csv
• 2.0-eda.ipynb: Genera las visualizacione exploratorias

---

Autor

Aníbal Rojo Sandoval

LinkedIn