# Fuentes y licencias de los archivos de práctica

Fecha de descarga de los datos públicos: 2026-11-11. La licencia se leyó en la página de la fuente ese mismo día.

## Cómo abrir estos archivos

- Los CSV usan punto y coma como separador y coma como decimal. En Excel en español se abren con doble clic. En Google Sheets: Archivo > Importar.
- Todos los CSV están en UTF-8 con BOM (para que los acentos se vean bien) y con fin de línea CRLF.
- Los códigos de pedido, cliente, producto y vendedor son texto de 32 caracteres: no los conviertas a número.
- Guía de cada columna y cifras de referencia: `DICCIONARIO-DATOS.md`.
- Si al abrir con doble clic ves todo en una sola columna (pasa con configuración regional de México, Perú u otros países que usan punto decimal), abrí Excel y usá Datos > Desde texto/CSV, y elegí punto y coma como separador.
- Los archivos `.md` y `.txt` se abren con cualquier editor de texto.

## Qué es real y qué es ficticio

Varanda es una marca ficticia creada para el curso. Los pedidos, productos, pagos y reseñas de los cinco archivos `pedidos-varanda.csv`, `clientes-varanda.csv`, `productos-varanda.csv`, `resenas-varanda.csv` y `vendedores-varanda.csv` son datos reales y anonimizados que publicó Olist. Todo lo demás (el equipo, las ausencias, el presupuesto, los correos, las notas, las propuestas, los documentos y los PDF) está escrito para el curso. Ningún dato real pertenece a una empresa llamada Varanda. Si existe un negocio real con ese nombre, no tiene relación con el curso.

---

## Datos reales: Brazilian E-Commerce Public Dataset by Olist

- **Título:** Brazilian E-Commerce Public Dataset by Olist
- **Autor:** Olist (https://www.kaggle.com/organizations/olistbr)
- **Página:** https://www.kaggle.com/datasets/olistbr/brazilian-ecommerce
- **Licencia, tal como la muestra la página del conjunto de datos el 2026-11-11:** «CC BY-NC-SA 4.0», con enlace a https://creativecommons.org/licenses/by-nc-sa/4.0/ (Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional; texto legal: https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode).
- **Fecha de descarga:** 2026-11-11. Última modificación que informa la página: 2021-10-01.
- **Archivo descargado:** `archive.zip` desde el enlace público de descarga de Kaggle (https://www.kaggle.com/api/v1/datasets/download/olistbr/brazilian-ecommerce), 44.717.580 bytes, SHA-256 `967e41e04fc306fe604e2a693f488995a8b41e5047418f8a5c8e4abd6deca784`. Contiene nueve CSV (pedidos, artículos, pagos, reseñas, clientes, productos, vendedores, geolocalización y traducción de categorías), con 99.441 pedidos, 112.650 artículos y compras entre 2016 y 2018.

**Estos archivos se comparten bajo CC BY-NC-SA 4.0: `pedidos-varanda.csv`, `clientes-varanda.csv`, `productos-varanda.csv`, `resenas-varanda.csv` y `vendedores-varanda.csv`. No pueden usarse con fines comerciales y toda obra derivada debe compartirse con la misma licencia.** Más detalle en `LICENCIA-DATOS.md`.

Atribución: Olist, «Brazilian E-Commerce Public Dataset by Olist», https://www.kaggle.com/datasets/olistbr/brazilian-ecommerce, CC BY-NC-SA 4.0. Los archivos fueron modificados como se indica abajo. Olist no patrocina ni avala este curso.

### Elección del trimestre

Se eligió el cuarto trimestre de 2017 (1 de octubre al 31 de diciembre) porque tiene volumen suficiente (20.295 artículos vendidos, entre 20.000 y 35.000), datos completos (las entregas se registraron hasta mediados de 2018) y un pico claro de ventas en la Black Friday del 24 de noviembre. Artículos vendidos por mes de compra en todo el conjunto original:

| Mes | Artículos vendidos |
| --- | --- |
| 2016-09 | 6 |
| 2016-10 | 363 |
| 2016-12 | 1 |
| 2017-01 | 955 |
| 2017-02 | 1.951 |
| 2017-03 | 3.000 |
| 2017-04 | 2.684 |
| 2017-05 | 4.136 |
| 2017-06 | 3.583 |
| 2017-07 | 4.519 |
| 2017-08 | 4.910 |
| 2017-09 | 4.831 |
| 2017-10 | 5.322 |
| 2017-11 | 8.665 |
| 2017-12 | 6.308 |
| 2018-01 | 8.208 |
| 2018-02 | 7.672 |
| 2018-03 | 8.217 |
| 2018-04 | 7.975 |
| 2018-05 | 7.925 |
| 2018-06 | 7.078 |
| 2018-07 | 7.092 |
| 2018-08 | 7.248 |
| 2018-09 | 1 |

El primer trimestre de 2018 también tenía volumen (24.097 artículos), pero sin un pico que sirva para los ejercicios.

### Qué se cambió en cada archivo

**Cambios comunes:** recorte a las compras del trimestre; encabezados traducidos al español; fechas reescritas como `AAAA-MM-DD` o `AAAA-MM-DD HH:MM`; importes con coma decimal; formato Excel en español (`;`, CRLF, UTF-8 con BOM). No se limpiaron datos ni se inventaron valores. No se publica la tabla de geolocalización ni ningún código postal.

- **`pedidos-varanda.csv`** (20.295 filas). Se unieron seis tablas del origen: pedidos, artículos, clientes, productos, vendedores y pagos. Una fila por artículo. Estado del pedido traducido al español (delivered a entregado, shipped a enviado, canceled a cancelado, invoiced a facturado, processing a en_proceso). Tipo de pago traducido (credit_card a tarjeta_credito, boleto a boleto, voucher a voucher, debit_card a tarjeta_debito). Categoría del producto traducida al español. El cliente se identifica con el código único (`customer_unique_id`) y no con el código por pedido. Si un pedido tiene varios pagos, se usa el de mayor importe y `cantidad_pagos` los cuenta. Se agregaron dos columnas calculadas desde la tabla de reseñas (`nota_resena`, `resena_con_texto`, con la última reseña de cada pedido). Se descartaron las columnas de fechas intermedias (aprobación y entrega al transportista), las de longitud de nombre y descripción del producto y los códigos postales.
- **`clientes-varanda.csv`** (17.311 filas). Una fila por cliente; ciudad y estado de su primera compra del trimestre; pedidos válidos y gasto total (precio más flete, sin cancelados) calculados dentro del trimestre. No hay nombres: el origen no los tiene.
- **`productos-varanda.csv`** (8.617 filas). Productos del archivo 1, con peso, medidas y fotos como en el origen. Categoría en español: traducción propia a partir de la categoría original (portugués) y de la tabla de traducción al inglés del conjunto; las dos categorías que la tabla no incluye se tradujeron directamente. Se conserva la categoría original.
- **`vendedores-varanda.csv`** (1.265 filas). Vendedores del archivo 1; artículos y total vendido en el trimestre, sin pedidos cancelados.
- **`resenas-varanda.csv`** (3.000 filas). Reseñas de los pedidos del archivo 1. En el trimestre hay 17.599 reseñas: 7.209 con título o comentario y 10.390 solo con nota. Se tomó una muestra aleatoria de 1.500 con texto y 1.500 sin texto, estratificada por puntaje, con semilla fija 20171111. Los comentarios se tradujeron al español neutro latinoamericano (traducción propia, fiel al original), y se conserva el original en portugués. Antes de traducir se buscaron datos personales (nombres o firmas, teléfonos, correos, direcciones, códigos de pedido) y se reemplazaron por `[dato personal omitido]` en ambas columnas; dos menciones de salud de clientas (una condición y una medicación) se reemplazaron por `[dato de salud omitido]`. En total son 17 reemplazos por columna: 15 apariciones de `[dato personal omitido]` y 2 de `[dato de salud omitido]`. Se quitaron emojis y saltos de línea.

---

## Archivos ficticios

Escritos para el curso. Son inventados; las cifras que citan salen de los archivos reales de arriba. Como esas cifras están derivadas de datos de Olist, estos archivos también se comparten bajo CC BY-NC-SA 4.0 y no pueden usarse con fines comerciales.

- `personal-varanda.csv` y `ausencias-varanda.csv`: equipo de unas 45 personas y sus ausencias del trimestre. Solo códigos, sin nombres. Las ausencias están diseñadas con un patrón (se concentran en atención al cliente durante las semanas pico).
- `presupuesto-varanda.csv`: presupuesto anual 2017 por área y mes. Los ingresos de octubre a diciembre se calculan con las ventas reales de `pedidos-varanda.csv`.
- `contexto-varanda.md`, `sistema-de-diseno-varanda.md`, `correos-de-prueba.md`, `notas-reunion.txt`, `reunion-vendedor-nuevo.txt`, `propuesta-ganadora-A.md`, `propuesta-ganadora-B.md`, `notas-investigacion.md`, `informe-ejecutivo-final.md`.
- `informe-trimestral-varanda.pdf`, `condiciones-para-vendedores.pdf`, `propuesta-operador-logistico.pdf`, `politica-de-atencion-varanda.pdf` y `reclamo-cliente-varanda.pdf`. El reclamo es un mensaje ficticio de un cliente identificado solo por su código; los códigos de cliente y de pedido, las fechas y los importes que cita son los reales de `pedidos-varanda.csv`.
- `tienda-varanda.html`: copia de la tienda de Varanda, para la lección del sistema de diseño.
- `varanda-logo-horizontal.svg`: logo de Varanda, para los documentos con la marca. Es una copia del que está en el kit publicado de la marca ficticia.
- `DICCIONARIO-DATOS.md` y esta guía.

Los nombres de personas y empresas que aparecen en los correos, propuestas y notas son inventados. Cualquier parecido con personas o empresas reales es casualidad.
