Описание проекта

В проекте анализируется публичный датасет бразильского маркетплейса Olist.
Данные содержат информацию о заказах, покупателях, продавцах, товарах, оплатах, доставке и отзывах.

Основной фокус анализа - клиентский опыт после оформления заказа:

• насколько часто покупатели получают заказы с задержкой;
• как задержка доставки связана с оценкой заказа;
• какие категории товаров чаще получают плохие отзывы;
• отличаются ли регионы по качеству доставки;
• влияет ли стоимость доставки на удовлетворённость клиента;
• кто стоит за плохим опытом: категория целиком или отдельные продавцы;
• на каком этапе копится задержка: на стороне продавца (до передачи перевозчику) или в транспортировке.

---

Проверяемые гипотезы

В проекте проверяются несколько гипотез:

1. Заказы с задержкой доставки чаще получают плохие отзывы.
2. Средняя оценка заказов с задержкой ниже, чем у заказов без задержки.
3. Чем выше доля стоимости доставки в заказе, тем ниже оценка.
4. Категории товаров различаются по доле плохих отзывов.
5. Регионы покупателей различаются по доле задержанных заказов.
6. Внутри одной категории продавцы различаются по доле плохих отзывов (проверка для каждой категории - в seller_within_category_tests.csv, фокусная категория попадает в hypothesis_tests.csv).
7. Поздняя передача товара перевозчику (зона ответственности продавца) связана с плохим отзывом.
8. Вероятность плохого отзыва растёт с длительностью задержки.

Результаты проверок сохраняются в виде таблиц в reports/tables/.

---

Запуск

Установите зависимости:

make install

Загрузите датасет с Kaggle в data/raw/:

make data

Команда скачивает датасет Brazilian E-Commerce Public Dataset by Olist и копирует нужные CSV-файлы в папку data/raw/.

Если CSV-файлы уже есть в data/raw/, можно сразу запустить пайплайн:

make all

---

Streamlit-дашборд

После выполнения пайплайна можно открыть интерактивный дашборд:

make dashboard