Análisis Exploratorio de Marketing – TodoMktg

Descripción: Proyecto de análisis exploratorio aplicado a campañas de marketing con el objetivo de detectar patrones, optimizar decisiones y mejorar futuras estrategias comerciales.

---

Objetivos del Proyecto

• Explorar y comprender los datos de campañas de marketing.
• Detectar variables influyentes en la conversión.
• Automatizar tareas de limpieza y visualización mediante scripts modulares.
• Desarrollar un entorno base para futuros análisis predictivos o segmentación de clientes.

---

🗂 Estructura del Repositorio

marketing_analysis/
│
├── Data/
│   ├── marketing_campaign.csv             # Dataset original
│   ├── mktgeda_cleaning.csv               # Limpieza intermedia
│   ├── mktgeda_datos_limpios.csv          # Dataset final transformado
│   └── mktgeda_metricas.csv               # Métricas agregadas (edad, gasto medio, etc.)
│
├── Jupyters/
│   ├── columnas_categoricas_nulos.ipynb   # Análisis de valores nulos en variables categóricas
│   ├── columnas_numericas.ipynb           # Estadísticas y distribuciones de numéricas
│   ├── eda_preliminar.ipynb               # Notebook principal de análisis exploratorio
│   ├── limpieza.ipynb                     # Proceso completo de limpieza
│   └── marketing.ipynb                    # Notebook de exploración general
│
├── SRC/
│   ├── sp_eda.py                          # Funciones generales de EDA
│   ├── sp_limpieza.py                     # Funciones de limpieza de datos
│   ├── sp_nulos_num.py                    # Tratamiento de nulos en columnas numéricas
│   ├── sp_outliers.py                     # Identificación y tratamiento de outliers
│   └── sp_visual.py                       # Visualizaciones personalizadas
│
├── requirements.txt                       # Dependencias del proyecto
├── .gitignore                             # Exclusión de archivos innecesarios en Git
└── README.md                              # Este documento

---

Librerías y Herramientas

• Python 3.12.5
• Pandas, NumPy
• Seaborn, Matplotlib
• Jupyter Notebook

---

Cómo Ejecutar el Proyecto

Clona este repositorio:

git clone https://github.com/esanchezlaulhe1312/marketing_analysis.git
cd marketing_analysis

Contenido del Análisis

• Análisis de valores nulos y su tratamiento por tipo de variable.
• Detección de outliers mediante métodos gráficos y estadísticos.
• Generación de métricas clave: edad, gasto medio, frecuencia de compra...
• Visualizaciones multivariantes.
• Modularización del flujo de trabajo: funciones reutilizables para futuros datasets.

---

🛠 Scripts Destacados

Script	Funcionalidad
sp_eda.py	Funciones generales para análisis exploratorio.
sp_limpieza.py	Procesamiento de datos: nulos, formatos, estandarización.
sp_nulos_num.py	Detección y tratamiento de nulos en columnas numéricas.
sp_outliers.py	Identificación y gestión de outliers.
sp_visual.py	Visualizaciones automatizadas con Seaborn y Matplotlib.

---

Siguientes Pasos

• Aplicar algoritmos de clustering
• Crear dashboard
• Incorporar validación de modelos y comparación de métricas.

---

Autoría

GitHub: @esanchezlaulhe1312

---