Skip to content

Corderodedios182/DataChallenge

Repository files navigation

🧐 DataChallenge 🗺️ 🚚

Objetivo de este problema es determinar los factores que pueden llevar a los concesionarios a cumplir con los objetivos de satisfacción mínima.

Datos deIiveryDatasetChaIlenge.json incluye datos de 29,389 rutas de camiones, realizadas por 29,389 empleados con las siguientes variables :

Primeras 10 columnas

  • anonId: Identificador único de la ruta
  • birthdate: Fecha de nacimiento del empleado
  • routeDate: Día en que se realizó la ruta entre el 20/05/11 y el 20/05/22
  • region: Zona del mundo donde se ejecutó la ruta:
    • NA: North America
    • AMESA: Africa, Middle East and South Asia
    • APAC: Asia Pacific, Australia/New Zealand, and China
    • LATAM: Latin America
    • Europe
  • gender: Género autodeterminado del empleado {F-Female, M-Male, X-Non binary}
  • areaWealthLevel: Desarrollo de la zona económica, en comparación con el conjunto del país (Low, Mid or High)
  • areaPopulation: Población de la zona cubierta, en miles
  • badWeather: Malas condiciones meteorológicas en la zona, como precipitaciones o viento fuerte
  • weatheRestrictions: Afectaciones en la zona debido al clima
  • routeTotalDistance: Distancia de la ruta recorrida en kms

Segundo set de columnas

  • numberOfShops: Total Tiendas que cubrimos en la zona
  • marketShare: Porcentaje de cuota de mercado que la empresa tiene en la zona en sus categorías.
  • avgAreaBenefits: Beneficio económico semanal en la zona (en miles de $)
  • timeFromAvg: Tiempo empleado en la ruta, comparado con la media (negativo significaría que se tardó menos que la media
  • advertising: Inversión en material de punto de venta en las tiendas (de 0, que significa que no se invierte, a 3, que se invierte mucho)
  • emoloyeeLYScore: Calificando la puntuación del año pasado (de 1 a 5, siendo 5 la más alta). Los nuevos empleados tienen 3 por defecto.
  • employeeTenure: Tiempo que el empleado lleva en la empresa
    • 0: se han incorporado en los últimos 12 meses
    • 1: de 1 a 3 años
    • 2: de 3 a 10 años
    • 3: mas de 1O años
  • emploIoyeePrevComps: Número de empresas en las que el empleado trabajó anteriormente desarrollando la misma función (5 significa 3 o más).
  • success: El distribuidor ha distribuido al menos el valor esperado (1) o menos (0)

Python

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published