Analizamos cerca de 100.000 pedidos del dataset público Olist para describir valor bruto, entregas, reseñas, pagos y recompra observada, sin atribuir causalidad a las asociaciones.
Datos reales · Olist (Kaggle)~100k pedidos · 2016–2018Interactivo en el navegador
El caso
Olist es un marketplace que conecta a pequeños y medianos comercios de Brasil con clientes de todo el país. Su conjunto de datos público reúne pedidos reales (anonimizados) entre 2016 y 2018: importes, productos, pagos, reseñas y tiempos de entrega.
El dataset reúne tablas de pedidos, productos, vendedores, pagos, reseñas y entregas. Al relacionarlas se pueden describir patrones y formular preguntas adicionales; las conclusiones siguen limitadas por las variables y el periodo disponibles.
El dataset en números
99.441
Pedidos
Sep 2016 – Oct 2018
R$ 15,8 M
Valor bruto de pedidos
Suma de precio + flete
96.096
Clientes únicos
En 27 estados
3.095
Vendedores
Pequeños y medianos comercios
4,09 ★
Reseña promedio
Sobre 5 estrellas
91,9%
Entregas a tiempo
Antes de la fecha estimada
Caso Olist
Dashboard interactivo
Explóralo aquí mismo: cambia entre las tres vistas, filtra por año o categoría (o haz clic en una barra de categoría) y pasa el cursor sobre los datos. Todo se calcula en vivo en tu navegador.
Valor bruto por mes
Valor bruto por categoría
Clic para filtrar
Valor bruto por estado
Top estados por valor bruto
Fuente: dataset público Brazilian E-Commerce Public Dataset by Olist (Kaggle), datos reales anonimizados de 2016–2018. Los KPIs, filtros y gráficos se calculan en vivo en tu navegador a partir de los datos agregados.
Lecturas descriptivas del dataset
Estas observaciones describen asociaciones en los datos. Para convertirlas en decisiones harían falta costos, cohortes, experimentos y contexto operativo adicional.
Los pedidos tardíos tienen una calificación promedio menor
La vista relaciona el estado de la entrega con la reseña registrada para cada pedido.
Los pedidos entregados antes de la fecha estimada promedian 4,29 ★; los clasificados como tardíos promedian 2,57 ★. Es una asociación descriptiva y no demuestra, por sí sola, que el retraso causó toda la diferencia.
Siguiente análisis posible: controlar por categoría, vendedor, distancia y transportista; luego evaluar si una intervención logística cambia la calificación.
La recompra observada es 3,1% con la definición del dataset
El 3,1% de los identificadores de cliente registra una segunda compra. La ventana temporal y la forma de identificar clientes pueden limitar esta medida.
Siguiente análisis posible: construir cohortes por fecha de primera compra y categoría antes de plantear una acción de retención.
El valor bruto se concentra en pocos estados
São Paulo y otros estados del sureste concentran gran parte del valor bruto observado. La distribución no indica, por sí sola, rentabilidad ni potencial de expansión.
Siguiente análisis posible: incorporar costos logísticos, vendedores activos y población atendida antes de comparar regiones.
El cliente paga en cuotas
Tres de cada cuatro pedidos se pagan con tarjeta de crédito y el promedio ronda las 3 cuotas. El patrón describe el medio de pago, pero no mide margen ni efecto promocional.
Siguiente análisis posible: cruzar cuotas con valor del pedido, cancelaciones y costo financiero si esas variables están disponibles.
Qué demuestra este caso
El ejercicio muestra cómo integrar pedidos, pagos, entregas y reseñas; definir medidas; y separar una asociación descriptiva de una conclusión causal.
