c21-57-t-data-bi

Proyecto: Análisis de Carrito Abandonado

Objetivo: Analizar el comportamiento de los usuarios que abandonan el carrito de compras en un sitio web de e-commerce para identificar posibles razones y proponer estrategias de retención.

Streamlit web app:

Dataset:

Tabla de Contenidos

• Colaboradores y Stack del Proyecto
• Instalación y Ejecución
• Estructura del Proyecto
• Streamlit Web App Docs

Colaboradores

• Raphael Nicaise: Data Engineer & Project Manager
• Ruth Estefania Puyo: Data Analyst & BI Analyst
• Pamela Cardozo: Data Analyst
• Leando Matias Luna: ML Developer
• Yalideth Sánchez: Data Analyst

Stack Tech

Instalación y Ejecución

1. Clonar el repositorio

git clone https://github.com/No-Country-simulation/c21-57-t-data-bi

2. Crear un entorno virtual en la carpeta raiz del proyecto

pip install virtualenv                               

python -m venv venv

./venv/Scripts/activate

pip install -r requirements.txt

3. (Local) Ejecutar la aplicación Streamlit

• (Aunque la pagina este deployada en la nube, se puede ejecutar localmente)

streamlit run app.py

4. (Cloud) Ejecutar el ETL

• Crear cuenta en Prefect Cloud y crear un proyecto.
• Copiar el API Key y ejecutar el siguiente comando:

prefect cloud login -k <API_KEY>

• Ejecutar el flujo de trabajo:

py data_engineer/main.py

Estructura del Proyecto

c21-57-t-data-bi
    ├───/data
    │   ├───/bronze
    │   ├───/gold
    │   └───/silver
    ├───/data_analysts_bi
    ├───/data_engineer
    ├───/ml_developers
    ├──app.py
    └──requirements.txt

El proyecto se divide en 4 carpetas principales:

• /data: Data Lake con los datos en diferentes niveles de procesamiento. (Medallion Methodology):
  • 🔸/bronze: Datos en bruto.
  • 🔹/silver: Datos procesados y limpios.
  • 🌟/gold: Datos finales extras y/o de analisis.
• /data_analysts_bi: Contiene los notebooks de los analistas de datos y BI.
• /data_engineer: Contiene el flujo de trabajo del ETL.
• /ml_developers: Contiene los notebooks de los desarrolladores de ML.

Ademas, el proyecto cuenta con:

• Un archivo app.py que contiene la aplicación web de Streamlit
• Un archivo requirements.txt con las dependencias del proyecto.

Streamlit Web App Docs

En la aplicación web de Streamlit se pueden encontrar las siguientes secciones:

• Informacion: Donde se encuentra este mismo README.MD.
• Consultas: Seccion donde tenemos algunos filtros para consultar datos.
• Visualizaciones: Seccion donde se encuentran las visualizaciones de los datos.
• Resultados del Modelo: Seccion donde se encuentran los resultados del modelo de ML. Se encuentran tanto graficos, como un carrito simulado en el que podemos predecir si, el carrito va a ser concretado o cancelado.