⬅️ Retour à l'accueil

🌟 Projet 1 : Analyse des données e-commerce de Olist

🧩 Contexte et objectifs

L’objectif de ce projet était d’analyser les données d’Olist, une plateforme e-commerce brésilienne, afin de répondre à des problématiques stratégiques : comportement client, performance produit, efficacité logistique et satisfaction.

📊 Données utilisées

Base de données relationnelle avec 9 tables (commandes, produits, clients, vendeurs, livraisons, avis…)
Données importées dans BigQuery
Format : CSV
Volume : ~100 000 lignes

🛠️ Compétences techniques mobilisées

SQL avancé (jointures, agrégations, window functions, subqueries, CASE, GROUP BY, HAVING)
Exploration et nettoyage des données
Analyse descriptive et calculs de KPIs : CLV, AOV, CAC, délais de livraison, taux de satisfaction
Présentation des résultats et recommandations stratégiques

🧮 Démarche analytique

Compréhension du contexte business et définition des questions clés
Exploration et nettoyage des données
Analyse ciblée sur :
- Comportement des clients : fréquence d’achat, panier moyen
- Performance produit : meilleures ventes, satisfaction
- Analyse géographique : régions les plus rentables
- Suivi des délais et de la satisfaction client

📊 Résultats / Insights clés

Les clients fidèles génèrent en moyenne 3 fois plus de chiffre d’affaires que les clients uniques
Les délais de livraison longs sont fortement corrélés aux avis négatifs
Les produits électroniques génèrent un bon chiffre d’affaires mais reçoivent des notes inférieures à la moyenne

💡 Recommandations

Mettre en place un programme de fidélité pour les clients à forte valeur
Cibler les vendeurs avec des délais longs pour améliorer la satisfaction
Mieux encadrer les descriptions des produits électroniques pour éviter les déceptions

🎓 Ce que j’ai appris

Structurer une analyse SQL autour d’objectifs business clairs
Identifier et présenter des insights pertinents de manière synthétique
Travailler en équipe et restituer oralement un projet data