Analyse Global Superstore (2016) — Business Intelligence & Dashboard

Contexte & objectif

Ce projet a été réalisé en autonomie dans le cadre de la formation à Audencia. Le jeu de données Global Superstore (2016) contient des informations commerciales (ventes, commandes, clients, produits, régions) — idéal pour construire des tableaux de bord décisionnels et identifier des leviers d'optimisation métier.

Objectif : transformer les données brutes en un dashboard opérationnel permettant de suivre les ventes, la rentabilité par catégorie et segment, et d'identifier les zones géographiques et produits à prioriser.

Données & méthodologie

• Source : dataset Global Superstore (2016), disponible publiquement et fréquemment utilisé pour des exercices BI.
• Volume : milliers d'enregistrements couvrant ventes, catégories, segments et zones géographiques.

Étapes réalisées :

1. Nettoyage : suppression des doublons, gestion des valeurs manquantes, normalisation des champs dates et géographiques.
2. Enrichissement : calcul de marges, taux de rentabilité, et création d'indicateurs composites (profitabilité par segment / région).
3. Agrégations : ventes & profit par année, segment, catégorie et marché.
4. Visualisation : construction d'un dashboard interactif sous Tableau avec filtres, KPIs en en-tête et vues comparatives.

Exemples d'outils : Python (pandas) pour la préparation, SQL pour les jointures/agrégations, Tableau pour la visualisation.

Dashboard Tableau

Le dashboard public que j'ai construit synthétise les indicateurs clés (ventes, profit, quantité vendue, coût de livraison) et propose des vues par catégorie, segment et marché.

Accéder au dashboard interactif : Voir le dashboard

Résultats clés

Le dashboard public (lien ci‑dessus) met en évidence plusieurs enseignements opérationnels directement exploitables :

• Meilleures catégories : Office Supplies et Technology ressortent comme les plus performantes en terme de ventes et de profitabilité sur la période analysée. Furniture apparaît aussi comme catégorie structurante selon certains filtres temporels.
• Segment le plus volumineux : le segment Consumer concentre une large part du chiffre d'affaires, en particulier sur les marchés Asie et Europe (filtre "Market"). Cela oriente prioritairement les efforts commerciaux et logistiques.
• Tendance temporelle : le profit affiche une croissance régulière entre 2012 et 2015, ce qui valide certaines décisions commerciales passées mais invite à analyser les facteurs (prix, promotions, coût livraison) derrière cette progression.
• Mode de livraison : la livraison Standard ressort comme la plus rentable (profit par commande supérieur), alors que certains modes express présentent un coût de livraison élevé qui grève la marge.
• KPIs opérationnels : le dashboard rassemble des indicateurs clés en en‑tête (ventes totales, profit, quantité vendue, coût de livraison) permettant un suivi rapide. Les cartes et scatter plots permettent d'isoler catégories/segments marchés à forte contribution et ceux à fort potentiel d'amélioration.

Ces constats sont directement vérifiables en utilisant les filtres intégrés (Année, Segment, Market, Category) et en naviguant entre les vues du dashboard.

Recommandations

Sur la base des résultats du dashboard, je propose les recommandations opérationnelles suivantes, classées par priorité :

P0 — Actions immédiates

• Renforcer l'offre et le ré-approvisionnement pour Office Supplies et Technology sur les marchés à forte demande (Asie, Europe), en priorisant les segments Consumer identifiés comme volumineux.
• Revoir la politique de livraison : basculer une partie des commandes compatibles vers le mode Standard lorsque le service client et les SLA le permettent, afin d'améliorer la marge unitaire.

P1 — Actions tactiques

• Ajuster les mécaniques promotionnelles : réduire les promotions sur produits à faible marge mais fort volume, et concentrer les remises ciblées sur les articles à forte valeur ajoutée ou sur marchés stratégiques.
• Segmenter les campagnes marketing par combinaison (Market × Category × Segment) : créer des playbooks dédiés pour Consumer‑Asia / Consumer‑Europe.

P2 — Actions analytiques & long terme

• Mettre en place des alertes Tableau (ou workflows automatisés) sur les KPIs critiques : baisse de profit mensuelle, coût livraison moyen, et part de ventes par catégorie.
• Construire des modèles simples de prédiction de rupture de stock et d'optimisation de redistribution (réapprovisionnement basé sur historique et tendance 2012‑2015). Tester via A/B des fréquences de redistribution.
• Réaliser une analyse des coûts logistiques par mode de livraison pour recalibrer les prix ou couvrir les frais par frais additionnels / upsell.

Ces recommandations sont conçues pour être actionnables via le dashboard : chaque décision peut être appuyée par une vue filtrée et export CSV pour exécution opérationnelle.

Conclusion

Ce projet illustre la chaîne complète BI : données brutes → préparation → visualisation → recommandations opérationnelles. Le dashboard est conçu pour être réutilisable et déployable chez des équipes commerciales qui ont besoin d'un reporting dynamique.

Prendre contact

Projet réalisé en autonomie dans le cadre d'un Mastère Spécialisé — Audencia