Contexte & Problématique Métier

La startup e-commerce était confrontée à un manque de visibilité sur ses indicateurs de performance clés (KPI). Excel ne permettait ni une analyse fiable, ni une actualisation rapide. Objectif : créer un dashboard professionnel, dynamique et automatisé pour piloter l’activité en temps réel.

Objectifs Business

• Remplacer les fichiers Excel manuels par un outil automatisé
• Suivre les KPIs e-commerce en temps réel : CA, taux de conversion, panier moyen
• Faciliter la prise de décision marketing et stratégique

Jeu de Données & Simulation

• Source principale : Online Retail Dataset (541 909 transactions)
• Enrichissement : génération de clients récents avec Faker
• Fréquence : Ajout quotidien de commandes simulées

KPIs Métiers Suivis

• Chiffre d'affaires (CA)
• Taux de conversion
• Panier moyen
• Analyse des cohortes clients (fidèles vs nouveaux)
• Tunnel de conversion

Étapes de Réalisation

• Préparation des données : nettoyage, transformation, enrichissement via pandas
• Modélisation base PostgreSQL : table de faits + dimensions (produits, clients, temps, pays)
• Power BI : connexion directe à la base, création de visuels interactifs, DAX

Visualisations réalisées

• KPI Cards : CA, panier moyen, conversion
• Graphiques temporels : évolution journalière et mensuelle
• Heatmap des cohortes clients
• Funnel de conversion

Résultats & Impact

• Actualisation < 3s grâce à l’optimisation SQL + index PostgreSQL
• Visualisation partagée via Power BI Service et Tableau Public
• Gain en réactivité, visibilité et qualité de reporting

Stack utilisée

• ETL : Python, pandas, SQLAlchemy
• Base de données : PostgreSQL
• Visualisation : Power BI, DAX, Tableau Public