📊 Memoria del Análisis Exploratorio de Datos 📊

ÍNDICE

1. 📌 Introducción
2. 📌 Descripción del Proyecto
3. 📌 Fuentes de Datos
4. 📌 Técnicas Utilizadas
5. 📌 Exploración de Datos Descriptiva
6. 📌 Análisis Bivariado
7. 📌 Visualización de Datos
8. 📌 Resultados y Conclusiones
9. 📌 Recomendaciones
10. 📌 Referencias

📌 Introducción

En esta memoria se documenta el proceso y los resultados del Análisis Exploratorio de Datos (EDA, por sus siglas en inglés) realizado en el proyecto Optimizando la Eficiencia en Transacciones Portuarias: Un Enfoque Basado en Análisis de Datos. El EDA es una etapa crucial en el proceso de análisis de datos, que permite comprender mejor el conjunto de datos, identificar patrones, tendencias y anomalías, y orientar el enfoque del análisis posterior.

📌 Descripción del Proyecto

En base al histórico proporcionado por Xnova Internacional sobre todas las transacciones portuarias en USA, se pretende analizar los retrasos de las mercancías y encontrar patrones que puedan generar diferentes hipótesis para aplicar soluciones a dichos problemas y mejorar la eficiencia.

📌 Fuentes de Datos

Las fuentes de datos incluyen:

• Datos proporcionados por Xnova Internacional en un archivo .csv con todas las transacciones.
• Información extraída de la web SeaRates para obtener las coordenadas y los puertos de USA mediante web scraping y regex.
• Gráficas del precio del petróleo desde el 2020 hasta el 2024 extraídas de TradingView.
• Consideración del Año Nuevo Chino, que comienza a inicios de febrero y conlleva un mes de vacaciones, afectando significativamente las transacciones portuarias.

📌 Técnicas Utilizadas

• Lenguajes y Bibliotecas: Python, Pandas, Numpy, Regex
• Web Scraping: BeautifulSoup
• Visualización de Datos: Matplotlib, Seaborn, Pyplot, Folium
• Dashboard: Looker Studio

📌 Exploración de Datos Descriptiva

• Resumen estadístico de las variables clave. Las variables más relevantes para el análisis han sido: loading_port, unloading_port, weight, estimate_arrival_date y complete_date. Con las dos últimas, se creó una nueva variable delay_time para representar el tiempo total de retrasos en cada transacción.
• Visualización de distribuciones de datos mediante histogramas y gráficos de densidad.
• Identificación y manejo de valores atípicos y datos faltantes.

📌 Análisis Bivariado

• Relación entre columnas para el análisis:
  • delay_time/weight
  • loading_port/delay_time
  • shipper_name/delay_time
  • consignee_name/delay_time

📌 Visualización de Datos

• Uso de gráficos de dispersión y barras para representar diferentes aspectos de los datos.
• Mapas para visualizar datos geoespaciales o categóricos.

📌 Resultados y Conclusiones

Resultados:

Tras el cruce de datos y el análisis del mercado, se encontraron los siguientes resultados:

• USA tiene dificultades para recibir mercancía portuaria en el oeste del país debido a la infraestructura insuficiente de los puertos de Long Beach y Los Ángeles para abarcar el mercado asiático.
• El precio del petróleo influye directamente en los retrasos de la mercancía.
• Se observaron complicaciones con los contenedores más pesados.
• La mayoría de las recepciones se realizan justo en el día 30 antes de que pase un mes.
• El Año Nuevo Chino, que comienza a inicios de febrero y conlleva un mes de vacaciones, también afecta significativamente las transacciones portuarias.

Conclusiones, Limitaciones y Desafíos:

• El precio del petróleo es complejo de predecir, pero se pueden identificar tendencias basadas en la época del año, carga de la mercancía y precio del petróleo.
• La geopolítica es difícil de predecir, pero afecta significativamente al mercado.

📌 Recomendaciones

• Es importante manejar adecuadamente los datos para que sean más relevantes y permitan realizar predicciones o análisis precisos.
• Añadir datos climáticos podría mejorar el análisis.
• Realizar un seguimiento del precio del petróleo.
• Generar rutas alternativas a los puertos en base a predicciones de retraso.

📌 Referencias

• Datos proporcionados por Xnova Internacional.
• Recopilación de coordenadas: SeaRates
• Datos del precio del petróleo: TradingView