Dashboard de rendimiento de ventas de café

Problema

Una cadena de cafeterías en Nueva York necesitaba una forma clara de monitorear su desempeño comercial, comparar resultados entre tiendas y categorías, y anticipar ventas futuras a partir de datos históricos. La información transaccional existía, pero requería limpieza, modelado y visualización para convertirse en indicadores accionables.

Metodología

Se procesaron datos transaccionales de ventas con Python para limpiar, agregar y preparar métricas clave como ventas totales, ticket promedio y número de tickets. Después, se construyeron modelos de series temporales con Prophet para generar forecasts de ventas y se almacenaron los resultados en PostgreSQL mediante Supabase, creando vistas para unir ventas reales y predicciones. Finalmente, se diseñó un dashboard interactivo en Looker Studio con vistas ejecutivas, comparativos por tienda, análisis de productos y métricas de precisión como MAPE.

Resultados

El proyecto entrega una visualización clara del desempeño actual y del forecast futuro de ventas, permitiendo comparar tiendas como Astoria, Hell’s Kitchen y Lower Manhattan. El dashboard facilita la lectura de tendencias, la evaluación de precisión del modelo y el análisis del comportamiento de clientes mediante ticket promedio, detalle de productos y tablas exportables.