Los datos de un TPV suelen contener mucha más información de la que muestran sus informes estándar: productos, modificadores, horas, canales, consumo local, recogida y plataformas de reparto. El reto no es dibujar un gráfico; es transformar registros de venta en comparaciones que el negocio entienda.
Proyecto real anonimizado. Se creó un análisis en Python y Streamlit sobre ventas de hostelería. Los nombres de productos, canales y cifras de las imágenes son ficticios.
La limpieza cambió el resultado
El fichero incluía productos y modificadores. Si se sumaban sin distinguirlos, un extra podía aparecer como si fuera un plato vendido. También fue necesario convertir fechas, normalizar días de la semana y separar importes de cantidades.
La primera parte del proyecto se dedicó a construir funciones reutilizables para cargar, limpiar y agrupar. Sin esa base, cada visualización habría aplicado reglas distintas.
Productos vendidos no es lo mismo que ingresos
El top de unidades puede estar formado por artículos de bajo precio, mientras que la distribución de ingresos cuenta otra historia. El informe separó estas preguntas y calculó porcentajes sobre la magnitud correspondiente.
También se compararon productos generales con los más vendidos para llevar, consumir en el local o pedir por plataforma. Aparecieron diferencias entre canales que un ranking único habría ocultado.
Temporalidad: mes, día y hora
Se analizaron familias con comportamiento estacional y la distribución de ventas a lo largo de la semana y del día. El objetivo no era predecir automáticamente la demanda, sino identificar patrones que merecieran una revisión comercial u operativa.
Cuando una familia aumentaba en invierno y otra en verano, el informe mostraba la evolución porcentual para evitar que el tamaño total de la categoría impidiera comparar.
Un informe que explica lo que muestra
La aplicación no se limitó a encadenar gráficos. Cada apartado incluyó una explicación en lenguaje directo: qué se estaba comparando, qué elementos destacaban y qué límites tenía la lectura.
Este contexto es especialmente importante cuando el usuario no trabaja habitualmente con datos. Un gráfico sin una definición clara puede interpretarse de formas contradictorias.
Hasta dónde llegó el proyecto
Se construyeron análisis descriptivos de productos, canales y temporalidad, junto con una base para predicción. No se presenta como un sistema automático de compras ni como una previsión validada para producción.
Una predicción fiable requeriría evaluar periodos, promociones, cierres, cambios de carta y otras variables que no siempre aparecen en el TPV.
Qué aprendimos
- Los modificadores deben separarse antes de contar productos.
- Un top por unidades y un top por ingresos responden preguntas distintas.
- Los canales pueden tener catálogos y comportamientos propios.
- La explicación del gráfico forma parte del producto de datos.
Preguntas frecuentes
¿Sirve cualquier exportación de TPV?
Puede servir como punto de partida, pero hay que revisar columnas, anulaciones, impuestos, modificadores y consistencia histórica antes de comparar.
¿El informe predice las ventas futuras?
El análisis descriptivo ayuda a formular hipótesis. La predicción es una fase diferente y debe validarse contra periodos que el modelo no haya visto.
Si tu sistema exporta datos pero los informes no responden a tus preguntas, podemos preparar un primer análisis dentro de consultoría de datos.