Delete src/notebooks/Test_3 (1) (2).qmd

src/notebooks/Test_3 (1) (2).qmd

@@ -1,237 +0,0 @@
----
-title: "Seguimiento Cifras Consumo Individual"
-author: "Equipo IDN - Cristhian Buitrago"
-format: 
-  revealjs:
-    self-contained: true
-    theme: simple
-    css: styles.css
-editor: visual
----
-
-## Proceso
-
-Actualmente el equipo de IDN - Gerencia de Soluciones - Subdirección Comercial consolida la información de Consumo Individual y Empresarial, ésto se realiza de acuerdo con la información que se tiene disponible en SAP4HANA.
-
-La recopilación de este proceso se realiza de forma mensual, mes vencido y con un plazo de entrega de los equipos BI de la caja de máximo el día 25 de cada mes.
-
-La metodología empleada para la recopilación de la información fue construida por el equipo BI.
-
-El presente reporte ilustra el seguimiento general de cifras de Consumo Individual por UES.
-
-
-```{r setup, include=FALSE}
-knitr::opts_chunk$set(echo = TRUE)
-
-source('./Setup.R')
-
-# **NIT: `r NIT` - `r nombreEmpresa`**
-
-```
-
-
-```{r cargue_bases, eval=TRUE, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
-
-Afiliados <- readRDS(file = './Consolidada Personas/Consol_Afiliados_MHE_2021_2024.rds')
-Empresas <- readRDS(file = './Consolidada Empresas/Consol_Empresas_MHE_2021_2024.rds')
-
-```
-
-```{r filtro_empresa,echo=FALSE}
-
-NIT <- "NIT8600073861"
-MES <- as.Date.character('2024-04-01')
-
-Data_Empresa <- Afiliados %>%
-  filter(id_empresa == NIT) %>%
-  mutate(Date = make_date(Year, Month, 1)) 
-
-```
-
-```{r variables_basicas,echo=FALSE}
-
-# Num.afiliados
-# Num.afiliados_cat_a
-# Num.afiliados_cat_b
-# Num.afiliados_cat_c
-# Num.afiliados_basico
-# Num.afiliados_medio
-# Num.afiliados_joven
-# Num.afiliados_alto
-# Salario_Promedio
-# RazonSocial
-
-RazonSocial <- unique(Data_Empresa$RazonSocial)
-NIT <- unique(Data_Empresa$id_empresa)
-
-## Variables auxiliares
-
-last_date <- max(Data_Empresa$Date)
-
-```
-
-```{r calculo_salarios, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
-
-library(scales)
-
-salario_promedio <- Data_Empresa %>%
-  filter(Date > last_date %m-% months(36)) %>%  # Filtrar los últimos 36 meses
-  group_by(Periodo = case_when(
-    Date > last_date %m-% months(12) ~ "Últimos 12 meses",
-    Date > last_date %m-% months(24) ~ "Últimos 24 meses",
-    TRUE ~ "Últimos 36 meses"
-  )) %>%
-  summarise(Salario_Promedio = mean(Salario), .groups = 'drop')
-
-# Formatear como valor monetario en millones
-Salario.Prom.12 <- dollar(salario_promedio$Salario_Promedio[salario_promedio$Periodo == "Últimos 12 meses"] / 1e6, accuracy = 0.01, suffix = "M")
-Salario.Prom.24 <- dollar(salario_promedio$Salario_Promedio[salario_promedio$Periodo == "Últimos 24 meses"] / 1e6, accuracy = 0.01, suffix = "M")
-Salario.Prom.36 <- dollar(salario_promedio$Salario_Promedio[salario_promedio$Periodo == "Últimos 36 meses"] / 1e6, accuracy = 0.01, suffix = "M")
-
-
-```
-
-```{r Salarios_Promedio_date, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
-
-Data_Empresa$Date <- as.Date(Data_Empresa$Date)
-
-Salario_Promedio_Fecha <- Data_Empresa %>%
-  group_by(Date) %>%
-  summarise(Promedio_Salarial = mean(Salario, na.rm = TRUE), .groups = 'drop') %>%
-  mutate(Promedio_Salarial_Formateado = dollar(Promedio_Salarial / 1e6, accuracy = 0.01, suffix = "M")) %>%
-  arrange(Date)
-
-# Verificar la estructura de los datos ordenados
-print(Salario_Promedio_Fecha)
-```
-
-```{r plot_salarios_mes, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}
-
-library(ggplot2)
-
-library(ggplot2)
-library(plotly)
-library(scales)
-
-# Crear el gráfico con ggplot
-ggplot_Salarios <- ggplot(Salario_Promedio_Fecha, aes(x = Date, y = Promedio_Salarial, group = 1)) +  # 'group = 1' fuerza a ggplot a considerar todo como un solo grupo
-  geom_line(color = "blue", size = 1) +
-  geom_point(color = "red", size = 2, aes(text = paste("Fecha:", format(Date, "%d-%m-%Y"), "<br>Salario Promedio:", Promedio_Salarial_Formateado))) +
-  labs(x = "Fecha", y = "Promedio Salarial (Millones $)", title = "Promedio Salarial por Fecha", subtitle = "Evolución del salario promedio a lo largo del tiempo") +
-  theme_minimal() +
-  theme(plot.title = element_text(hjust = 0.5))
-
-
-library(plotly)
-
-# Convertir ggplot a plotly
-Plot_Salarios_Interactive <- ggplotly(ggplot_Salarios, tooltip = "text")
-
-# Ajustar el formato de fecha en el eje x
-Plot_Salarios_Interactive <- Plot_Salarios_Interactive %>% 
-  layout(xaxis = list(tickformat = "%d-%m-%Y"))
-
-
-```
-
-
-```{r num.promedio_afiliados,echo=FALSE}
-
-# Contar afiliados únicos por mes y año
-Afiliados_Mes <- Data_Empresa %>%
-  group_by(Year, Month) %>%
-  summarise(Afiliados_Unicos = n_distinct(id_persona), .groups = 'drop')
-
-Afiliados_Promedio <- Data_Empresa %>%
-  filter(Date > last_date %m-% months(36)) %>%  # Filtrar los últimos 36 meses
-  group_by(Periodo = case_when(
-    Date > last_date %m-% months(12) ~ "Últimos 12 meses",
-    Date > last_date %m-% months(24) ~ "Últimos 24 meses",
-    TRUE ~ "Últimos 36 meses"
-  )) %>%
-  summarise(Afiliados_Promedio = mean(n_distinct(id_persona)), .groups = 'drop')
-
-Afiliados.Prom.12 <- Afiliados_Promedio$Afiliados_Promedio[Afiliados_Promedio$Periodo=='Últimos 12 meses']
-Afiliados.Prom.24 <- Afiliados_Promedio$Afiliados_Promedio[Afiliados_Promedio$Periodo=='Últimos 36 meses']
-Afiliados.Prom.36 <- Afiliados_Promedio$Afiliados_Promedio[Afiliados_Promedio$Periodo=='Últimos 36 meses']
-
-# Edad Promedio
-
-Edad_Promedio <- Data_Empresa %>%
-  filter(Date > last_date %m-% months(36)) %>%  # Filtrar los últimos 36 meses
-  group_by(Periodo = case_when(
-    Date > last_date %m-% months(1) ~ "Último Mes",
-    Date > last_date %m-% months(12) ~ "Últimos 12 meses",
-    Date > last_date %m-% months(24) ~ "Últimos 24 meses",
-    TRUE ~ "Últimos 36 meses"
-  )) %>%
-  summarise(Edad_Promedio = mean(Edad), .groups = 'drop')
-
-Edad.Prom.1 <- round(Edad_Promedio$Edad_Promedio[Edad_Promedio$Periodo == "Último Mes"],1)
-Edad.Prom.12 <- round(Edad_Promedio$Edad_Promedio[Edad_Promedio$Periodo == "Últimos 12 meses"],1)
-Edad.Prom.24 <- round(Edad_Promedio$Edad_Promedio[Edad_Promedio$Periodo == "Últimos 24 meses"],1)
-Edad.Prom.36 <- round(Edad_Promedio$Edad_Promedio[Edad_Promedio$Periodo == "Últimos 36 meses"],1)
-
-```
-
-```{r genero, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
-
-Genero_Distribucion <- Data_Empresa %>%
-  group_by(Date, Genero) %>%
-  summarise(Count = n_distinct(id_persona), .groups = 'drop') %>%
-  group_by(Date) %>%
-  mutate(Total = sum(Count),
-         Porcentaje = (Count / Total) * 100,
-         Porcentaje_Formateado = paste0(format(round(Porcentaje, 1), nsmall = 1), "%"),
-         Tooltip = paste(format(Date, "%d-%m-%Y"), "\nGénero: ", Genero, "\n", Porcentaje_Formateado, " (", Count, " personas)"))
-
-
-```
-
-```{r plot_genero, message=FALSE, warning=FALSE, include=FALSE, paged.print=TRUE}
-
-# Crear el gráfico con ggplot
-ggplot_Generos <- ggplot(Genero_Distribucion, aes(x = Date, y = Porcentaje, fill = Genero, text = Tooltip)) +
-  geom_bar(stat = "identity", position = "fill") +
-  scale_fill_brewer(palette = "Set1") +
-  labs(x = "Fecha", 
-       y = "Porcentaje", 
-       title = "Distribución Porcentual por Género", 
-       subtitle = "Distribución de género por fecha", 
-       fill = "Género") +
-  theme_minimal() +
-  theme(plot.title = element_text(hjust = 0.5))
-
-# Convertir ggplot a plotly con la configuración correcta de tooltips
-Plot_Generos_Interactive <- plotly::ggplotly(ggplot_Generos, tooltip = "text")
-
-# Ajustar formato de fecha en eje x y personalizar la presentación
-# Plot_Generos_Interactive <- Plot_Generos_Interactive %>% 
-#   layout(xaxis = list(tickformat = "%d-%m-%Y"))
-# 
-
-```
-
-# Datos básicos de la empresa
-
- - Razón Social: `r RazonSocial`
- - Empresa: `r NIT` 
- - Mes en estudio: `r MES`
- - Afiliados Promedio (12 meses): `r Afiliados.Prom.12`
- - Afiliados Promedio (24 meses): `r Afiliados.Prom.24`
- - Salario Promedio (12 meses): `r Salario.Prom.12`
- - Salario Promedio (24 meses): `r Salario.Prom.24`
- - Edad Promedio: `r Edad.Prom.1`
-
-# Promedio Salarial en el tiempo
-
-```{r show_plot_salarios, echo=FALSE, message=FALSE, warning=FALSE, paged.print=FALSE}
-
-# Visualizar el gráfico interactivo
-Plot_Salarios_Interactive
-
-
-```
-
-
-