SuperStore Project by Lewagon — Performance & Segmentation

Contexte & objectif

Ce projet a été réalisé dans le cadre de la formation Lewagon (Data Analytics), en parallèle du Mastère Spécialisé à Audencia. Il se distingue par sa focale sur la segmentation client avancée et l'optimisation de la rentabilité par profil, au‑delà de la simple analyse de ventes.

Objectif principal : construire un dashboard décisionnel permettant d'identifier et de cibler les segments client les plus rentables, d'optimiser les stratégies commerciales par segment, et d'alerter sur les dérives de performance.

Données & méthodologie

• Source : dataset SuperStore fourni par Lewagon, enrichi de variables contextuelles.
• Périmètre : ventes, clients, produits et régions sur plusieurs années.

Étapes clés :

1. Nettoyage : suppression doublons, gestion valeurs manquantes, détection outliers, normalisation des zones géographiques et catégories.
2. Enrichissement : calcul de métriques composites (Customer Lifetime Value, profitabilité par client, score de fidélité, taux de churn prédictif).
3. Segmentation : clustering ou arbres de décision pour identifier profils clients homogènes (ex. High-Value, Growth-Potential, At-Risk, Low-Value).
4. Visualisation : dashboard Tableau multi-onglets avec filtres cross-dimensions, comparaisons segment/performance, et alertes sur KPIs critiques.

Outils : Python (Pandas, Scikit-learn) pour analyses, SQL pour agrégations, Tableau pour restitution.

Dashboard Tableau

Vue Executive — KPIs Globaux

L'overview du dashboard affiche les indicateurs clés de performance :

Indicateurs visuels du dashboard

• Carte choroplèthe : visualise le profit ratio par état, avec une échelle de couleur permettant d’identifier rapidement les zones de forte ou faible rentabilité.
• Filtres interactifs : permettent d’affiner l’analyse par région, état ou catégorie de produit (Furniture, Office Supplies, Technology).
• Séries temporelles par segment client : affichent l’évolution des ventes mensuelles pour chaque segment (Consumer, Corporate, Home Office) sur plusieurs années.
• Séries temporelles par catégorie produit : illustrent les tendances de ventes pour Furniture, Office Supplies et Technology.
• Légende "Order Profitable?" : distingue visuellement les commandes rentables et non rentables, facilitant l’identification des commandes à risque.

Accéder au dashboard interactif complet : Voir le dashboard Tableau

Résultats clés

Les données révèlent plusieurs insights stratégiques :

1. Rentabilité Modérée Mais Disparate

• Marge globale : 12.47% de profit ratio — rentabilité correcte mais exposée au coût des réductions (15.62% moyenne).
• Disparités régionales : le profit ratio varie fortement par état (0.2169 à 0.3698 sur la carte), révélant que certaines géographies (Nord-Est, Iowa) sont 70% plus rentables que d'autres (Texas, Ouest côtier).
• Facteur réductions : l'impact des 15.62% de discount moyen est visible — des commandes volumineuses (même consommateurs premium) deviennent déficitaires quand les réductions dépassent certain seuil.

2. Segmentation Client — Forte Asymétrie

Les trois segments affichent des profils très différents :

→ Consumer domine en stabilité (60%+ du volume constant). Corporate représente opportunité (volatilité = potentiel croissance mal exploité). Home Office est sous-développé (segment presque inexistant).

3. Portefeuille Produits — Évolution Récente

Les trois catégories affichent des cycles temporels distincts :

• Furniture : stable depuis 2017, croissance progressive (~10–30k$/mois). Produit de base sans pics saisonniers majeurs.
• Office Supplies : très volatile (spikes 2018, 2020), suggère une sensibilité saisonnière ou promotions agressives. Ranges 10–30k$/mois.
• Technology : croissance significative fin 2020–2021, atteint 20–30k$/mois. Segment émergent tirant la croissance.

→ Technology est le driver de croissance récente. Office Supplies demande du pilotage (volatilité élevée). Furniture est stable mais offre peu de potentiel d'amélioration.

4. Impact des Réductions sur la Profitabilité

La légende "Order Profitable?" révèle que même les commandes de volume élevé deviennent déficitaires si les réductions sont excessives :

• La moyenne de 15.62% de discount → diminue la marge de 12.47% à ~9–10% net après analyse.
• Certains états / segments appliquent des réductions différentes → cela explique la variance profit ratio par géo.
• Les commandes "Unprofitable" existent dans tous les segments (visibles en bleu clair sur le dashboard).

5. Facteurs Clés de Profitabilité Identifiés

Sur la base de l'analyse :

1. Géographie : le profit ratio varie jusqu'à 70% selon état → optimisation prix/discount par région possible.
2. Segment : Consumer = stable, Corporate = volatilité/croissance, Home Office = opportunité d'expansion.
3. Catégorie : Technology monte (investir), Office Supplies volatile (normaliser), Furniture stable (optimiser la marge).
4. Discount Strategy : les réductions impactent la profitabilité disproportionnément → besoin d'encadrement par segment/région.
5. Temporalité : tendances 2017–2021 stables à croissance lente — peu de cyclicité saisonnière marquée (sauf Office Supplies).

Recommandations

À partir des insights du dashboard et des résultats identifiés, voici les recommandations opérationnelles structurées par priorité :

P0 — Actions de Protection Immédiate

1. Encadrer la stratégie de réductions

• La Profit ratio chute quand il y a discounts > 18–20%. Fixer un plafond des réductions par segment : ex. Consumer max 12%, Corporate max 15%, Home Office max 10%.
• Impact estimé : regain ~1–2 points de marge nette (de 12.47% → 13.5–14.5%).
• Mettre en place un système d’alertes : signaler automatiquement les commandes non rentables en temps réel afin de valider ou refuser leur approbation.

2. Stabiliser segment Consumer (ancrage critique)

• Consumer génère 60%+ du volume stable. Toute perte ici impacte le revenue globalement.
• Actions : améliorer la rétention (loyalty program, account management), surveiller churn via Customer Lifetime Value.
• Risque mitigé : tendance Consumer stable sur 2017–2021 → peu de churn apparent.

3. Optimiser la stratégie selon la région

• Dans les états de l’Ouest et du Sud (Texas, Oregon, Nevada), le profit ratio est faible (<22%). on recommande d’ajuster les prix localement ou de réduire les coûts opérationnels pour améliorer la rentabilité.
• Les états du Nord-Est et du Midwest (Maine, Iowa, Ohio) affichent un profit ratio élevé (>35%) — ces régions peuvent servir de modèle à suivre pour les autres.
• Objectif : réduire l’écart de profit ratio entre les régions à ±5 points, ce qui pourrait générer un gain de marge nette estimé à +0.6 à 1.2 points.

P1 — Actions de Croissance Ciblée

1. Développer le segment Corporate (fort potentiel mais instable)

• Le segment Corporate montre une forte volatilité (ventes entre 10k et 40k $/mois), avec des opportunités de croissance mal exploitées.
• Recommandations : structurer le processus de vente Corporate, proposer des contrats longue durée et des engagements de volume.
• Objectif : stabiliser la volatilité et augmenter le volume de ventes de 15 à 20 %.

2. Accélérer la croissance du segment Technology (produit en forte progression)

• Les ventes Technology augmentent nettement depuis fin 2020 (jusqu’à 30k $/mois).
• Recommandations : renforcer l’équipe commerciale dédiée, adapter la roadmap produit aux besoins du marché tech, ajuster les prix pour rester compétitif.
• Objectif : faire passer Technology de 20 % à 30 % du mix produit, soit une croissance de 50 % sur 2 ans.

3. Adapter la stratégie de prix selon la région et le segment

• Dans les régions à forte marge (Nord-Est), tester des prix premium.
• Dans les régions à faxible marge (Ouest), privilégier les volumes et les offres groupées avec des catégories rentables.
• Exemple : Consumer + Nord-Est = prix maximal ; Corporate + Ouest = stratégie volume.

P2 — Actions Analytiques & Automatisation

1. Prédire la rentabilité des commandes

• Mettre en place un modèle prédictif (Logistic Regression ou Random Forest) pour anticiper si une commande sera rentable ou non avant validation.
• Variables utilisées : taux de réduction, catégorie, segment, état, taille de la commande.
• Intégrer ce modèle au pipeline de pricing pour signaler les commandes à risque en temps réel.

2. Automatiser les alertes sur le dashboard

• Définir des alertes sur les KPIs critiques par segment/région : baisse de chiffre d’affaires sur 3 mois, profit ratio sous 10 %, réduction moyenne supérieure à 16 %.
• Dashboard mis à jour quotidiennement pour un suivi commercial réactif.
• Déclencher automatiquement les actions prioritaires (P0) si les seuils sont dépassés.

3. Tester les promotions par segment

• Mener des A/B tests sur des offres ciblées : par exemple, augmenter les prix pour les consommateurs du Nord-Est (profit élevé), proposer de nouvelles offres pour ceux de l’Ouest (profit faible).
• Mesurer le retour sur investissement par rapport à la situation de départ et ajuster chaque mois.

4. Enrichir les données pour une analyse plus fine

• Ajouter la marge produit par référence (actuellement non suivie).
• Calculer le coût d’acquisition client et la valeur vie client par segment.
• Intégrer un indice de saisonnalité par catégorie et région pour améliorer les prévisions.

Conclusion

Ce projet montre comment aller au‑delà d’une analyse BI classique en ajoutant une segmentation client avancée. Grâce au dashboard, chaque décision commerciale s’appuie sur des données précises par segment client. Cette approche centrée sur les segments, plutôt que sur les seules dimensions classiques (produit, région), permet de cibler plus efficacement les actions marketing et d’optimiser l’allocation des budgets.

Prendre contact

Projet réalisé en autonomie — Formation Lewagon & Audencia