Segmentación de clientes y predicción de abandono para bodega exportadora
Visión general
De qué trata este proyecto.
Segmenta clientes de una bodega exportadora, limpia datos, analiza cohortes y crea un modelo predictivo de abandono. Obtén un certificado verificable.
El escenario
La bodega factura 8 millones de euros anuales, con el 35% proveniente de venta directa online donde el ticket medio es 120€ y la recurrencia anual objetivo es 3 compras.
El Briefing
Lo que harás y lo que demostrarás.
¿Cómo segmentar la base de clientes online para anticipar quién abandonará y qué acciones de retención son rentables por perfil?
Earning criteria — what you'll demonstrate
- Aplicar técnicas de clustering no supervisado para descubrir segmentos de clientes con comportamientos de compra distintivos en datos reales de ecommerce
- Construir y evaluar modelos de clasificación para predicción de abandono con horizontes temporales largos en contextos de recurrencia estacional
- Diseñar métricas de negocio vinculadas a modelos predictivos, conectando precisión técnica con rentabilidad de acciones de marketing
- Comunicar hallazgos estadísticos a directivos de pyme (pequeña y mediana empresa) familiar mediante narrativas visuales y estimaciones de impacto
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Data Science for Business
Master · Data
Strong alignment
This challenge maps to Data Science for Business at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Customer Segmentation
Apply customer segmentation to solve real industry problems and demonstrate production-level capability.
- Churn Prediction
Apply churn prediction to solve real industry problems and demonstrate production-level capability.
- Cohort Analysis
Apply cohort analysis to solve real industry problems and demonstrate production-level capability.
- Clustering
Apply clustering to solve real industry problems and demonstrate production-level capability.
- Business Communication
Apply business communication to solve real industry problems and demonstrate production-level capability.
- Python Programming
Apply python programming to solve real industry problems and demonstrate production-level capability.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Analista de Datos de Marketing
El reto reproduce exactamente el trabajo de un analista de marketing centrado en datos: segmentación de base de clientes, predicción de comportamiento y traducción a campañas accionables. La experiencia con cohortes y CLV en ecommerce es directamente aplicable a cualquier negocio de suscripción o venta recurrente.
Este proyecto afina
- customer-segmentation
- churn-prediction
- cohort-analysis
Científico de Datos
La combinación de técnicas no supervisadas (clustering) con modelos supervisados de clasificación, junto con la necesidad de explicar resultados a no técnicos, constituye el núcleo del trabajo de un científico de datos en equipos de growth y retención.
Este proyecto afina
- clustering
- churn-prediction
- business-communication
Consultor de Ciencia de Datos
La estructura del reto —diagnóstico de datos, modelado, propuesta de acciones con estimación de impacto y presentación ejecutiva— replica el ciclo de un proyecto de consultoría analítica para pymes sin departamento de datos propio.
Este proyecto afina
- business-communication
- customer-segmentation
- cohort-analysis