Esse repositório consiste de um desafio técnico. Foram fornecidos 5 arquivos csv contendo informações relevantes para a escolha de novas unidades de uma rede de laboratórios dos EUA. Os dados deveriam ser tratados, uma análise exploratória dos dados deveria ser realizada e a escolha de 3 locais para novas unidades da rede deveria ser justificada.
O dataset é composto pelos arquivos: test_data.csv , EconomicData_ZCTAs.csv , df_geocode.csv , DemographicData_ZCTAs.csv e transactional_data.csv .
test_data contém informações sobre os testes, como custo de aplicação e nome do teste.
df_geocode contém as informações geográficas sobre cada um dos laboratórios da rede.
EconomicData_ZCTAs contém as informações econômicas de cada zipcode (equivalente ao CEP) dos Estados Unidos.
DemographicData_ZCTAs contém as informações demográficas de cada zipcode dos EUA.
Por fim transactional_data contém as informações sobre mais de 2 milhões de transações realizadas pelas diversas unidades do laboratório. Esse é um arquivo de mais de 100mb e por isso não pode ser compartilhado no github. Para tal vou disponibilizar ele através desse link:
https://drive.google.com/drive/folders/1beZQEtr7E4V_hmOp2bV3_yGfWZlYQRhq?usp=sharing
Primeiramente foram necessários fazer varios tratamentos dos dados como: remover duplicados, colocar as colunas em snake case, colocar as variáveis com o tipo correto, procurar por valores vazios ou nulos, procurar por outliers ou valores absurdos, entre outros...
Após a realização dos tratamentos foram realizados os primeiros cálculos, como de idade dos consumidores, lucro de cada teste e lucro de cada unidade do laboratório.
O objetivo era de descobrir quais o parametros que eram mais determinantes para o lucro utilizando uma matriz de correlação e mapas de calor.
As colunas acima mencionadas foram acionadas ao dataframe df_geocode que continha as informações dos laboratórios, a esse novo df foi realizado um merge unindo a esse df as informações economicas e demograficas contidas em EconomicData_ZCTAs e DemographicData_ZCTAs.
Esse mapa de calor mostra uma relação forte entre lucro e população total.
Essa ideia é reforçada por esse mapa de dispersão de população total x lucro.
Foram realizados também a correlação entre lucro x diversas faixas hetárias. E também a correlação entre lucro x diversas faixas de renda.
Desses gráficos é possível ver que a renda ideal varia entre 25mil à 100mil
Da correlação relativa à demografia é possivel perceber que:
As faixas etárias que apresentaram melhores resultados para o lucro são as crianças até 14 anos e os adultos de 35 a 60 anos
Com isso tenho agora a segmentação do público alvo:
Pessoas nas faixas hetárias de 0 a 14 anos e de 35 a 60 anos, possuindo renda familiar variando de 25mil à 100mil.
Quanto maior a população melhor
O ideal é que a proporção de mulheres seja levemente maior
Com isso peguei as df que continham as informações demográficas e economicas. Deixei apenas as populações alvo e obtive um novo df contendo apenas os 30 melhores ZIPCODES de acordo com o critério economico e outro df apenas com os 30 melhores ZIPCODES demográficos.
Detalhe que eu tomei o cuidado de remover os locais que já possuem os laboratórios.
Cruzei os dois e obtive os 10 melhores ZIPCODES que atendiam ambos os critérios.
Nesse mapa acima de vermelho estão todas as unidades já existentes do laboratório. Enquanto que de azul estão as 10 candidatas.
A primeira coisa que podemos notar é que as 10 candidatas não estão em cidades que já possuem unidades do laboratório. Em seguida é possível notar que Nova York tem 4 candidatas e Houston possui 2. As outras cidades são Los Angeles, Chicago, Nashville e El Paso.
A cidade de Houston no Texas apresentou 2 pontos muito próximos um do outro, oque provavelmente significa que, escolhendo um endereço correto proximo da divisa desses dois zipcodes é possível que se venda testes de laboratório para ambos as populações.
O zipcode 77449 aprensentou os melhores dados para a demografia e renda familiar alvo dentre os 10 candidatos, e vai ser a 1 das minhas escolhas.
A primeira vista 11368 (O ponto mais a norte mostrado na imagem acima) apresenta os melhores números para a cidade, mas olhando o mapa da para ver que ele está mais afastado dos outros candidatos além disso a proporção de homens para mulheres não está ideal (uma vez que o ideal é que a população femina seja levemente superior).
Já o ponto 11385 (Retirando o ponto mais ao norte, é o ponto que fica no meio dos pontos restantes) apresenta os 2 melhores números para a cidade de NY e fica relativamente próximo dos pontos 11368 e 11208, oque pode significar uma capacidade de atrir os públicos desses bairros vizinhos que também apresentam bons números.
Por fim analisando os ultimos 4 zipcodes: 60629 (Chicago) apresenta a segunda maior população dentre as 4, tendo também o maior número de pessoas dentro da faixa etária desejada(representado por populacao_alvo_x). Porém, aprensentou o pior número entre os 4 de familias dentro da faixa de renda alvo (representado por populacao_alvo_y).
90250 (Los Angeles) apresenta números ruins tanto de população, renda familiar e de população dentro da faixa etária.
Por fim, sobraram 79936 (El Paso) e 37013 (Nashville) que apresentaram números sólidos tanto de renda familiar e faixa etária adequadas.
Minha escolha final será El Paso por apresentar maior população total, o fator que apresentou maior correlação com a varivél lucro, além disso ficou em 2 dentre os 4 tanto nos critérios econômicos como demográficos.
No final foram escolhidos Zipcodes com bom número de população que atendem tanto o critério econômico quanto o demográfico. Além disso são em estados que ainda não possuiam laboratórios da rede e que apresentaram multiplas opções de candidatos para serem escolhidos, evidenciando como essas eram opções fortes.
A utilização de um gráfico de correlação foi determinante para descobrir quais as principais variaveis que deveriam ser observadas para maximizar o lucro. Além disso, utilizar a visualização do mapa permitiu visualizar a proximidade dos pontos e evitar que dois pontos em uma mesma cidade fossem escolhidos. Mas ao mesmo tempo permitiu também perceber que mesmo estando no mesmo estado, El Paso e Houston estão bem distantes uma da outra, fazendo com que uma unidade não competisse com a outra.