README.md

metadata

title: Dashboard Cafeteria Unahur
emoji: ☕
colorFrom: gray
colorTo: blue
sdk: docker
app_port: 7860
pinned: false

☕ Dashboard de Operaciones - Cafetería UNAHUR

Este proyecto es una aplicación Full-Stack de Data Science diseñada para optimizar las operaciones de una cafetería universitaria. Transforma un análisis académico estático en un Dashboard Interactivo de Gestión.

La herramienta integra Business Intelligence, series temporales con IA (Prophet) y simuladores predictivos para la toma de decisiones basada en datos.

🚀 Funcionalidades Principales

La aplicación cuenta con 5 módulos estratégicos:

1. Business Intelligence (KPIs):

   • Tablero de control con ingresos y métricas de afluencia.
   • Análisis de Correlaciones: Mapa de calor (Heatmap) que valida la relación crítica entre Tiempos de Espera y Satisfacción del Cliente.
   • Filtros dinámicos por Sede.

2. Forecasting con IA (Prophet):

   • Modelo de aprendizaje automático (Meta Prophet) para la predicción de demanda.
   • Detección automática de estacionalidad académica (recesos vs. exámenes).
   • Proyección interactiva a 3 meses.

3. Simulador de Tiempos (Regresión Lineal):

   • Modelo predictivo ($Tiempo = -0.21 + 2.07 \times Cantidad$) para estimar demoras en cocina.
   • Calculadora de Riesgo: Alertas automáticas de satisfacción según el tiempo proyectado.

4. Laboratorio de Datos (Data Quality):

   • Módulo técnico de limpieza de datos.
   • Demostración de imputación con KNN (K-Nearest Neighbors) para recuperar información perdida de pedidos específicos.

5. Conclusiones Estratégicas:

   • Reporte ejecutivo automatizado con hallazgos de negocio y recomendaciones operativas.

🛠️ Tecnologías Utilizadas

• Core: Python 3.10+, Streamlit.
• Machine Learning: Prophet (Forecasting), Scikit-learn.
• Visualización: Plotly Express (Gráficos interactivos adaptados a Dark Mode).
• ETL & Análisis Previo: R / RStudio (Scripts disponibles en /r_scripts).

📂 Estructura del Proyecto

├── app.py              # Aplicación principal
├── requirements.txt    # Dependencias (incluye Prophet)
├── data/               # Datasets procesados (CSV)
├── r_scripts/          # ETL original y análisis exploratorio en R
└── README.md           # Documentación

📦 Instalación Local

1. Clonar el repositorio:

   git clone https://github.com/opablon/dashboard-cafeteria-unahur
   

2. Instalar dependencias:

   pip install -r requirements.txt
   

3. Ejecutar la aplicación:

   streamlit run app.py
   

---

Proyecto basado en trabajos académicos para la asignatura Fundamentos de Ciencias de Datos de la Tecnicatura Universitaria en IA (UNAHUR).