BottleNeck — tableau de bord

Contexte et demande

BottleNeck, e-commerçant spécialisé dans le vin, a fiabilisé ses données et veut maintenant les rendre exploitables par ses équipes métier. Le projet : un tableau de bord Power BI de pilotage couvrant la performance commerciale, les stocks, l'évolution des prix d'achat, les promotions et la gamme sans alcool. Source : la base SQLite de l'entreprise, un an d'activité.

Démarche

Une approche orientée décision plutôt que description : chaque page traduit les données en signaux métier utilisables au quotidien. Le modèle est structuré autour du SKU et de clés mensuelles, avec une table calendrier, une table de paramètres et des mesures DAX rangées par thème. Point d'orgue : la page de recommandations, qui agrège les signaux stock, prix et promotion en un score de priorité par produit, en quatre niveaux : Urgent, Important, À traiter, À surveiller.

• Le contexte de filtre DAX : chaque mesure doit s'évaluer au bon niveau sans influencer les autres. → usage explicite de CALCULATE, ALL, ALLSELECTED, REMOVEFILTERS et TREATAS selon les cas.
• Un score de priorité qui ne soit pas une boîte noire et reste défendable à l'oral. → score décomposé en statut métier lisible et score d'impact, avec une normalisation logarithmique documentée.
• Lire le stock sans se faire piéger par la saisonnalité. → coefficient saisonnier par SKU ; couverture à 3 mois et stock restant estimé comme indicateurs principaux.

Livrables

• Tableau de bord Power BI de 8 pages, plus une page d'infobulle
• Documentation technique des mesures DAX : définition, variables, logique métier, limites
• Présentation en 9 points avec préparation aux questions

Résultats

• DAX avancé organisé par blocs : SUMX, CALCULATE, TREATAS, SWITCH(TRUE()), RANKX, LOG, DATESINPERIOD, DATEADD
• Un score de priorité produit explicable
• Stock lu avec sa saisonnalité : couverture à 3 mois, 11 statuts
• Promotions analysées en entier : hausse des volumes, ROI brut estimé, érosion du taux de marque
• Documentation rédigée pendant le projet, pas après

Ce que j'en retiens

Ce que j'ai aimé

Ce projet était la suite directe du travail de fiabilisation : l'immersion est plus agréable quand on connaît déjà le contexte métier. Passer de la fiabilisation des données à leur exploitation en tableau de bord, c'est voir le cycle complet d'un projet data.

Si je le refaisais

J'aborderais certaines visualisations autrement, avec des visuels non natifs pour rendre certaines étapes plus explicites. Avec des règles métier bien définies et des axes d'urgence paramétrables, ce tableau de bord pourrait vraiment être mis en production.