Español:
Este proyecto corresponde al Sprint 9 del Bootcamp de Data Analysis en TripleTen.
El objetivo fue aplicar métricas de negocio y análisis exploratorio de datos para responder a preguntas estratégicas en un contexto realista.
English:
This project corresponds to Sprint 9 of the Data Analysis Bootcamp at TripleTen.
The goal was to apply business metrics and exploratory data analysis to answer strategic questions in a realistic context.
- Calcular métricas clave como LTV, CAC, ROMI y tasa de retención.
- Analizar comportamiento de usuarios y cohorts.
- Detectar anomalías y tendencias en datos de negocio.
- Comunicar hallazgos mediante visualizaciones.
- Python (Pandas, NumPy, Matplotlib, Seaborn)
- Jupyter Notebook
Español:
- Identificación de cohorts con mayor retención de clientes.
- Detección de periodos con caída en la conversión.
- Cálculo de ROI y métricas que ayudan a la toma de decisiones estratégicas.
English:
- Identified cohorts with higher customer retention.
- Detected periods with drops in conversion rates.
- Calculated ROI and metrics supporting strategic decision-making.
Español:
- ✅ Buen uso de métricas de negocio y visualizaciones.
⚠️ Se sugirió mejorar la claridad en algunos gráficos.- ✔️ Se aplicaron correcciones en el notebook final.
English:
- ✅ Good use of business metrics and visualizations.
⚠️ Suggested improving clarity in some plots.- ✔️ Corrections applied in the final notebook.
✍️ Autor / Author: Lai Yi Peña Ching