Retail
Inteligente
& AI Forecasting

# ═══════════════════════════════════════════════════════════
# FASE 7 — Clasificación de Alta/Baja Demanda
# Modelo: Regresión Logística  |  Accuracy: ~71%
# ═══════════════════════════════════════════════════════════

import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.metrics       import accuracy_score

# ─── Cargar datos ────────────────────────────────────────
df = pd.read_csv(r"retail_store_inventory.csv")
df.columns = df.columns.str.strip()

# ─── Variable objetivo (target) ─────────────────────────
# 1 = Alta demanda  (Units Sold > promedio)
# 0 = Baja demanda  (Units Sold ≤ promedio)
promedio_ventas      = df['Units Sold'].mean()        # 136.46
df['alta_demanda'] = (df['Units Sold'] > promedio_ventas).astype(int)

# ─── Features (6 variables predictoras) ─────────────────
X = df[['Price',
         'Units Ordered',
         'Inventory Level',
         'Discount',
         'Holiday/Promotion',
         'Competitor Pricing']]
y = df['alta_demanda']

# ─── Entrenamiento ───────────────────────────────────────
model = LogisticRegression(max_iter=1000)
model.fit(X, y)

# ─── Predicciones y evaluación ───────────────────────────
predicciones = model.predict(X)
accuracy     = accuracy_score(y, predicciones)

print(f"Accuracy:           {accuracy:.2%}")   # → ~71%
print(f"Total de registros: {len(df)}")
print(f"Promedio de ventas: {promedio_ventas:.2f}")

# Resultado: 71% de accuracy. Variables más relevantes:
# Inventory Level y Units Ordered.
# El modelo es útil para apoyar decisiones operativas en retail.

# ═══════════════════════════════════════════════════════════
# FASE 3 — EDA (Exploratory Data Analysis)
# Librerías: Pandas, NumPy, Matplotlib, Seaborn
# ═══════════════════════════════════════════════════════════

import pandas as pd
import numpy  as np
import matplotlib.pyplot as plt
import seaborn as sns

# ─── 1. Carga y exploración inicial ─────────────────────
df = pd.read_csv("retail_store_inventory.csv")
print("Shape:", df.shape)       # (73100, 15)
print(df.describe(include="all"))
print(df.isnull().sum())

# ─── 2. Normalización de columnas ───────────────────────
df["Category"] = df["Category"].astype("category")
df["Region"]   = df["Region"].astype("category")
cat_cols = df.select_dtypes(include=["object"]).columns
df[cat_cols] = df[cat_cols].apply(lambda c: c.astype("string").str.strip().str.lower())

# ─── 3. Frecuencia por categoría ────────────────────────
cat_counts = df['Category'].value_counts()
plt.figure(figsize=(10, 6))
sns.barplot(x=cat_counts.index, y=cat_counts.values)
plt.title("Frecuencia de productos por categoría")
plt.show()

# ─── 4. Densidad Precio vs Unidades Vendidas ────────────
plt.hexbin(df['Price'], df['Units Sold'], gridsize=50, cmap='Blues')
plt.colorbar()
plt.title("Densidad: Precio vs Unidades Vendidas")
plt.show()

# ─── 5. Mapa de calor: Región × Clima ───────────────────
pivot = (df.groupby(["Region", "Weather Condition"])
           .size().reset_index(name="conteo")
           .pivot(index="Region", columns="Weather Condition", values="conteo")
           .fillna(0))
sns.heatmap(pivot, annot=True, fmt=".0f", cmap="Blues")
plt.title("Transacciones por Región y Clima")
plt.show()

# ─── 6. Matriz de correlación numérica ──────────────────
df_num = df.select_dtypes(include=["number"])
sns.heatmap(df_num.corr(), annot=True, fmt=".2f", cmap="coolwarm")
plt.title("Matriz de Correlación")
plt.show()

-- ═══════════════════════════════════════════════════════
-- FASE 2 — Data Warehouse · Esquema Estrella
-- Base de datos: RetailDW  |  Motor: SQL Server
-- ═══════════════════════════════════════════════════════

CREATE DATABASE RetailDW;
USE RetailDW;

-- ─── Dimensión Tiempo ────────────────────────────────
CREATE TABLE dim_tiempo (
    id_tiempo   INT IDENTITY(1,1) PRIMARY KEY,
    fecha       DATE NOT NULL,
    anio        INT,
    mes         INT,
    dia         INT,
    seasonality VARCHAR(20),
    holiday     BIT
);

-- ─── Dimensión Tienda ────────────────────────────────
CREATE TABLE dim_tienda (
    id_tienda   INT IDENTITY(1,1) PRIMARY KEY,
    store_id    VARCHAR(10) NOT NULL,
    region      VARCHAR(50)
);

-- ─── Dimensión Producto ──────────────────────────────
CREATE TABLE dim_producto (
    id_producto INT IDENTITY(1,1) PRIMARY KEY,
    product_id  VARCHAR(10) NOT NULL,
    category    VARCHAR(50)
);

-- ─── Dimensión Clima ─────────────────────────────────
CREATE TABLE dim_clima (
    id_clima          INT IDENTITY(1,1) PRIMARY KEY,
    weather_condition VARCHAR(30)
);

-- ─── Tabla de Hechos (Fact Table) ────────────────────
CREATE TABLE fact_ventas_inventario (
    fk_tiempo           INT            NOT NULL,
    fk_tienda           INT            NOT NULL,
    fk_producto         INT            NOT NULL,
    fk_clima            INT            NOT NULL,
    units_sold          INT,
    units_ordered       INT,
    inventory_level     INT,
    demand_forecast     DECIMAL(10,2),
    price               DECIMAL(10,2),
    discount            DECIMAL(5,2),
    competitor_pricing  DECIMAL(10,2),

    PRIMARY KEY (fk_tiempo, fk_tienda, fk_producto, fk_clima),
    FOREIGN KEY (fk_tiempo)   REFERENCES dim_tiempo(id_tiempo),
    FOREIGN KEY (fk_tienda)   REFERENCES dim_tienda(id_tienda),
    FOREIGN KEY (fk_producto) REFERENCES dim_producto(id_producto),
    FOREIGN KEY (fk_clima)    REFERENCES dim_clima(id_clima)
);

-- ─── Carga masiva desde CSV ──────────────────────────
BULK INSERT staging_retail
FROM 'C:\csv retail\retail_store_inventory.csv'
WITH (FIRSTROW=2, FIELDTERMINATOR=',', ROWTERMINATOR='\n', TABLOCK);