Instacart Market Basket Analysis

Tres millones de pedidos de supermercado reales, el estándar para practicar análisis de canasta de compra.

ÁreaRetail y E-commerce
DominioRetail
DificultadIntermedio
Tamaño~3 millones de pedidos · 200,000+ usuarios
Fuente oficial

¿Qué puedes lograr con este dataset?

  • Practicar reglas de asociación y análisis de canasta de compra a escala
  • Construir modelos de predicción de qué productos recomprará un usuario
  • Trabajar con datos relacionales de pedidos, productos y usuarios

Descripción

Publicado por Instacart para una competencia de Kaggle en 2017, este dataset anonimizado incluye más de 3 millones de pedidos de supermercado de más de 200,000 usuarios, con el orden de los productos dentro de cada pedido, ideal para minería de reglas de asociación y sistemas de recomendación.

Casos de uso

  • Minería de reglas de asociación (qué productos se compran juntos)
  • Sistemas de recomendación de re-compra de productos
  • Segmentación de usuarios por comportamiento de compra
  • Práctica de modelado relacional con múltiples tablas

Cómo cargarlo

Cómo cargarlopython
import pandas as pd

pedidos = pd.read_csv("order_products__prior.csv")
productos = pd.read_csv("products.csv")
top = pedidos["product_id"].value_counts().head(10)
print(productos.set_index("product_id").loc[top.index, "product_name"])

Ventajas y limitaciones

Ventajas

  • Datos reales y de gran volumen, ideales para practicar a escala
  • Estructura relacional realista (pedidos, productos, usuarios, departamentos)
  • Problema de negocio muy claro y con aplicación directa en retail

Limitaciones

  • Requiere unir múltiples tablas relacionalmente antes de poder analizar
  • El volumen de datos puede ser pesado para una laptop sin optimización

Datasets relacionados