Reporte de ventas en RMarkdown

El reporte generado con RMarkdown estará ubicado aquí al inicio pero el script utilizado para generarlo estará al final, después de los pasos para la creación y limpieza del dataset.

Reporte de ventas.html

Herramientas que estaré trabajando con éste proyecto: LibreOffice & R.

Este dataset será creado desde cero con datos generados aleatoriamente con la herramienta Mockaroo.
Primero se asignan las variables con las que trabajaremos.

id	INTEGER	El identificador de cada registro
producto	CHARACTER	El código con el que será representado cada producto
precio	NUMERIC	El precio unitario del producto
categoria	CHARACTER	La categoría a la que pertenece el producto
cantidad	NUMERIC	La cantidad de productos que se vendieron en un movimiento
venta	NUMERIC	El monto de venta que se efectuó
vendedor	CHARACTER	El nombre del vendedor que hizo la venta
cliente	CHARACTER	El nombre del cliente que hizo la compra
genero	CHARACTER	El género del cliente
edad	NUMERIC	La edad del cliente
direccioncliente	CHARACTER	La dirección en la que vive el comprador
ciudadtienda	CHARACTER	La ciudad en la que está ubicada la tienda
fecha	DATETIME	La fecha en que se realizó el movimiento en la tienda

Establecer los registros a trabajar con éste modelo. Iniciamos con 2000 registros en la columna ID.
Generar 8 categorías para trabajar y colocarlos aleatoriamente por los registros mediante números que luego se cambiarán por los nombres gracias a fórmulas condicionales.
Desde aquí importaremos el dataset con los pocos datos situados para hacer el resto del trabajo en el software R.
El siguiente código es para generar en el dataset los identificativos de las ciudades para las tiendas y luego cambiar los números por los respectivos nombres.

AlmacenInventario <- mutate(AlmacenInventario,
	location_shop = sample(1:6, 2000, replace = TRUE))
#Establecer IDs aleatorias en el campo ubicación de tienda

AlmacenInventario <- mutate(AlmacenInventario,
	location_shop = ifelse(location_shop == 1, 'Peoria', ifelse(
	location_shop == 2, 'Charleston', ifelse(
	location_shop == 3, 'El Paso', ifelse(
	location_shop == 4, 'Midland', ifelse(
	location_shop == 5, 'Baltimore', ifelse(
	location_shop == 6, 'Boise', NA)))))))
#Cambiar los IDs por los nombres de las ciudades correspondientes

Seguido, colocar los números de los vendedores de las tiendas con los siguientes estándares: 3 vendedores por tienda, sin rotación y completamente al azar; dejando la posibilidad de que algún vendedor o tienda no tenga ninguna venta.

AlmacenInventario <- mutate(AlmacenInventario,
	salesman_name = ifelse(
	location_shop == 'Peoria', sample(1:3, 298, replace = TRUE), ifelse(
	location_shop == 'Charleston', sample(4:6, 334, replace = TRUE), ifelse(
	location_shop == 'El Paso', sample(7:9, 366, replace = TRUE), ifelse(
	location_shop == 'Midland', sample(10:12, 351, replace = TRUE), ifelse(
	location_shop == 'Baltimore', sample(13:15, 341, replace = TRUE), ifelse(
	location_shop == 'Boise', sample(16:18, 310, replace = TRUE), NA
	)))))))
#Asignar IDs de vendedores agrupados a 3 vendedores por tienda

AlmacenInventario <- mutate(AlmacenInventario,
	salesman_name = ifelse(
	salesman_name == 1, 'Ingelbert Boliver', ifelse(
	salesman_name == 2, 'Goddard Twiddy', ifelse(
	salesman_name == 3, 'Oran Eustis', ifelse(
	salesman_name == 4, 'Boyce Krikorian', ifelse(
	salesman_name == 5, 'Gorden Woolis', ifelse(
	salesman_name == 6, 'Bank Chataignier', ifelse(
	salesman_name == 7, 'Theressa Orbine', ifelse(
	salesman_name == 8, 'Em Oxtaby', ifelse(
	salesman_name == 9, 'Chris Andreone', ifelse(
	salesman_name == 10, 'Emlynne Filipson', ifelse(
	salesman_name == 11, 'Nanine Sandercock', ifelse(
	salesman_name == 12, 'Gerek Musterd', ifelse(
	salesman_name == 13, 'Jeannette Willavoys', ifelse(
	salesman_name == 14, 'Antonetta Tindall', ifelse(
	salesman_name == 15, 'Cullin Shorte', ifelse(
	salesman_name == 16, 'Mireille Stott', ifelse(
	salesman_name == 17, 'Kellina Sayward', ifelse(
	salesman_name == 18, 'Marlowe Cheshir', NA
	)))))))))))))))))))
#Cambiar las IDs de los nombres de vendedores por sus nombres

Siguiente, colocar los datos de clientes empezando por su localidad, al igual que en el código anterior se generarán valores aleatorios siguiendo que cada ciudad donde están las tiendas está al alcance de 6 direcciones cada una sin expandirse una a la otra, contando 36 direcciones.
Sin embargo, se debe averiguar primero el número de registros en total para contar cuántas muestras se deben generar para cada tienda asignada.

address <- AlmacenInventario %>% count(AlmacenInventario$location_shop)
#Con ésto se visualizan las ciudades y cuantos registros tienen para asignarlos

AlmacenInventario <- mutate(AlmacenInventario,
	location_customer = ifelse(
	location_shop == 'Peoria', sample(1:6, 298, replace = TRUE), ifelse(
	location_shop == 'Charleston', sample(7:12, 334, replace = TRUE), ifelse(
	location_shop == 'El Paso', sample(13:18, 366, replace = TRUE), ifelse(
	location_shop == 'Midland', sample(19:24, 351, replace = TRUE), ifelse(
	location_shop == 'Baltimore', sample(25:30, 341, replace = TRUE), ifelse(
	location_shop == 'Boise', sample(31:36, 310, replace = TRUE), NA
	)))))))
#Asignar IDs a la localidad de los clientes conectados a la ubicación cercana de las tiendas