Resolver un problema real de abandono de carrito de compras requiere reunir habilidades de conexión de datos, transformación y visualización en una sola entrega. Este proyecto integra todo lo aprendido sobre entrevistas con stakeholders, diseño de tableros y uso estratégico de colores para construir un análisis completo de segmentación de clientes, comportamiento regional y proyección de tendencias.
¿Cómo se define el problema de abandono y quiénes son los stakeholders?
El cliente detecta que los usuarios ingresan a su página, agregan productos al carrito de compra y no culminan la transacción [0:17]. Además, necesita comprender la interacción mediante clics y el tiempo de permanencia durante la navegación.
Para dar respuesta se identifican tres stakeholders clave:
- Andrea Gutiérrez (gerencia y proyección): solicita analizar la segmentación de clientes, el comportamiento por región y una proyección futura del uso de la plataforma [1:00].
- Juan Hernández (administración de bases de datos): organiza las bases de datos, provee accesos y permisos de conexión [1:21].
- Samuel Torres (toma de decisiones): requiere un informe detallado con los resultados del análisis para corregir acciones a futuro [1:35].
Los requerimientos de Andrea se desglosan en tres niveles: primero, evaluar segmentos como clientes recurrentes, nuevos y ocasionales; segundo, identificar tendencias de productos y retención según la región geográfica; tercero, usar ese análisis histórico para proyectar el comportamiento futuro [2:30].
¿Cómo se extraen y transforman archivos JSON en Power BI?
En entornos profesionales la información no siempre viene en tablas de Excel. Es común recibir una URL de conexión y un access token que valida el acceso a la fuente de datos a través de APIs o endpoints [3:05]. Herramientas como Google Colab o Visual Studio Code permiten ejecutar notebooks con scripts de Python para realizar esa extracción. Incluso se recomienda apoyarse en inteligencia artificial para generar el script con un buen prompt [3:32].
Una vez descargados, los archivos llegan en formato JSON (JavaScript Object Notation). A diferencia de los archivos estructurados como Excel —organizados en columnas y filas—, los archivos JSON son datos semiestructurados que funcionan con pares de clave-valor y pueden contener colecciones y listas anidadas [4:10]. En el archivo de interacciones, por ejemplo, se encuentran campos como user ID, páginas visitadas, tiempo en la página en segundos, clics y fecha [4:35].
Para importarlos en Power BI se usa la opción Obtener datos, se selecciona el formato JSON y se indica la carpeta de origen [5:00]. Después viene la transformación:
- Verificar que User ID sea texto.
- Confirmar que segmento, tráfico y país sean texto.
- Extraer solo la fecha cuando el campo incluye fecha y hora, usando Transformar > Extraer > Extraer antes del limitador con un espacio como separador [5:40].
- Asignar la categoría de datos País o Región a la columna de país para que Power BI la reconozca como ubicación geográfica [6:25].
¿Qué visualizaciones responden a la segmentación de clientes?
El diseño del lienzo sigue un patrón de lectura tipo F, que guía la atención desde la parte superior hacia la parte vertical e incorpora información central [6:50].
¿Qué muestran las scorecards iniciales?
La primera scorecard presenta el recuento total de usuarios: doscientos usuarios interactúan con la página [7:10]. La segunda muestra el promedio de compra, calculado cambiando la agregación de suma a promedio: ochocientos cuarenta y cinco pesos en promedio por usuario [7:30].
¿Por qué elegir columnas agrupadas en lugar de líneas?
Inicialmente se prueba una gráfica de línea con meses en el eje X y segmentos en el eje Y, pero solo muestra el comportamiento global sin diferenciar segmentos. La solución es cambiar a una gráfica de columnas agrupadas, arrastrando segmentos al campo de leyendas para agrupar clientes frecuentes, ocasionales, recurrentes y nuevos en cada mes [8:30].
Para la tendencia de compras se mantiene una gráfica de línea con el ID de transacciones y la jerarquía de mes [9:00]. La relación entre segmentos y volumen de ventas se representa con una gráfica de dispersión, colocando el segmento en valores y las ventas en ambos ejes [9:20].
¿Cómo se filtra por segmento de forma dinámica?
Se agrega un filtro o slicer en la parte superior del lienzo. Al arrastrar el campo segmento y configurarlo como mosaico en lugar de lista vertical, el usuario puede seleccionar clientes frecuentes, ocasionales, recurrentes o nuevos y ver cómo todas las gráficas reaccionan de forma dinámica [9:45].
El tablero cumple con los requerimientos funcionales, pero el paso final es capturar la atención de los stakeholders aplicando técnicas de colores, jerarquía visual y tipografía que eleven la presentación. Comparte tu propio diseño y cuéntanos cómo resolviste la personalización de tu tablero.
