Proyecto Análisis SuperStore

Este proyecto demuestra un flujo completo de ingeniería de datos, desde la limpieza con Python, el modelado y automatización en SQL Server, hasta la visualización estratégica en Power BI. Diseñado para transformar datos transaccionales en insights accionables.

Tecnologías Utilizadas

• Lenguajes: Python (Pandas para ETL), T-SQL (Programación de Base de Datos).
• Base de Datos: SQL Server (Esquema en Estrella).
• Visualización: Power BI (Diseño UX/UI).

Estructura del Proyecto

• data/: dataset original (Superstore.csv) y dataset limpio (SuperStore_Limpio.xlsx).
• python_scripts/: limpieza y estandarización de datos con Pandas.
• sql_scripts/: creación de tablas, migración ETL, programación de objetos (SP y triggers) y vistas para el reporte.
• reporte_powerBI/: archivo .pbix y plantillas de diseño del dashboard.
• captura_pantalla/: capturas del dashboard.

Logros Técnicos

1. Modelado y Programación SQL

• Triggers de Auditoría: Implementación de disparadores para el rastro de cambios en el catálogo de productos.
• Stored Procedures con ACID: Procesos de migración robustos con manejo de transacciones y control de errores (Try-Catch).
• Capa de Vistas: Vistas centralizadas con lógica de negocio para optimizar la conexión con Power BI.

2. Dashboard de Inteligencia de Negocios

El reporte interactivo se divide en tres áreas clave:

• Segmentación: Identificación de clientes Premium y análisis de valor.
• Logística: Monitoreo de eficiencia operativa y tiempos de envío.
• Rentabilidad: Análisis geoespacial y estacionalidad de ventas.

Visualización del Dashboard

Autor

Rafael Roncal Saravia: LinkedIn · GitHub