TrabajoFinal_​JToloza_​MArquez

PARTE 1: Procesamiento de Datos DATA&TIME.

PARTE 2: Procesamiento In-Database.

PARTE 3: Procesamiento In-Database con un nodo DB Joiner.

TRABAJO FINAL: Aplicando métodos de optimización de flujos de trabajo.

PRESENTADO POR: Juan Diego Toloza y Miguel Arquez.

Octubre 2026 - Maestría en Ciencia de Datos.

En este bloque realizamos la conversión del campo Date a formato Date&Time, extracción de componentes temporales (Month, Quarter y Year), filtrado de registros desde 2019 y agregación trimestral de ventas por tipo de tienda.

En este bloque las operaciones de filtrado, agregación y ordenamiento se ejecutan directamente sobre la base de datos H2, reduciendo el movimiento de datos y mejorando la escalabilidad del flujo de trabajo.

En este bloque se identifican las tiendas con ventas acumuladas superiores a 6000 USD (Unidad económica supuesta) y posteriormente se recuperan únicamente las transacciones asociadas a dichas tiendas mediante un INNER JOIN.

Adicionalmente, se analizan las ventas y el comportamiento comercial mediante hallazgos clave: la participación por canal, las ventas por trimestre (sin importar el año) y el rendimiento de las tiendas.

INSIGHTS:

Parte I

Observaciones:

• Las ventas Onsite son consistentemente superiores a las Online durante todo el período.

  • La serie verde (Onsite Store) siempre supera a la azul (Online Store).

• Existe un crecimiento moderado entre 2019 y 2021, pero se presenta un salto muy significativo a partir de 2022/Q1.

  • Tanto las ventas Online como Onsite aumentan abruptamente en el primer trimestre de 2022.

• Después del pico alcanzado en 2022/Q1 y 2022/Q2, hay una disminución durante 2022/Q3.

  • No se mantiene un crecimiento continuo.

• 2022/Q4 presenta una recuperación parcial respecto al trimestre anterior.

Conclusión:

Las ventas de las tiendas físicas superan consistentemente a las de las tiendas en línea. Además, se observa una tendencia general de crecimiento entre 2019 y 2022, con un incremento especialmente marcado en 2022, seguido de una leve caída y posterior recuperación hacia el cierre del período analizado.

Parte II

Análisis:

Los resultados obtenidos mediante procesamiento In-Database son consistentes con los obtenidos en el procesamiento local de KNIME, demostrando que la ejecución de operaciones directamente en la base de datos permite mantener la misma calidad analítica mientras mejora la eficiencia y escalabilidad del flujo de trabajo.

Parte III

Análisis de tiendas con ventas superiores a 6000

Se identificaron las tiendas con ventas acumuladas superiores a 6000 unidades monetarias mediante una agregación por StoreID y un filtrado posterior sobre el total de ventas. Utilizando un INNER JOIN fue posible recuperar únicamente las transacciones asociadas a las tiendas de mayor desempeño.

Este enfoque permite focalizar el análisis en los establecimientos con mayor impacto comercial, facilitando la identificación de patrones de comportamiento, estrategias de fidelización y oportunidades de optimización operacional.

Análisis de Ventas y Comportamiento Comercial

• Participación por Canal: Se observa una mayor concentración de ingresos en el canal presencial (Onsite Store), el cual representa el 52,67% de las ventas totales, superando al canal digital (Online Store) que abarca el 47,33%.

• Comportamiento Cíclico: Al analizar la estacionalidad de las ventas, los trimestres Q1 y Q2 registran el mejor desempeño, mostrando una ligera tendencia a la baja en el Q3 antes de recuperarse en el Q4.

• Rendimiento por Tienda (Top 3): De acuerdo con el ranking general de tiendas, las tres sucursales con mayores ingresos son:

  1. Store_2369: 9.864,35

  2. Store_2413: 9.816,15

  3. Store_2356: 9.315,58