Visualisez des données avec Excel
Mission Excel dans un scénario sportif fictif (Les Pionniers) : analyser les données NBA saison 2024-25 pour identifier les profils de joueurs et les archétypes exploitables dans un contexte de scouting. Premier projet technique de la formation.
Analyse en entonnoir : saison complète (30 équipes) vers sélection d’une équipe exemple (Minnesota Timberwolves, WIN% 59,76%, NetRtg +5) vers analyse interne des joueurs vers classement des meilleurs scoreurs NBA vers heatmap d’archétypes. Construction progressive par TCD thématiques. Normalisation systématique par 36 minutes pour comparer équitablement les joueurs. Choix de TS% plutôt que eFG% pour inclure les lancers francs.
- Rapport d’analyse PDF complémentaire : TCD thématiques, graphiques combinés barres/courbes, heatmap d’archétypes, formules de normalisation
- Rapport d’analyse Excel : TCD, heatmap 5 archétypes, formules de normalisation (fichier non disponible au téléchargement)
- Présentation 15 slides : WIN%/NetRtg par équipe, analyse rebond, création/défense, classement scoreurs, archétypes
- Double KPI WIN% + NetRtg : WIN% mesure le résultat, NetRtg mesure la régularité indépendamment du rythme de jeu
- Normalisation /36 minutes avec formule correcte : 36 x stat / (Min x GP)
- Heatmap avec barèmes personnalisés par KPI
- 5 archétypes définis avec leurs KPI prioritaires (Playmaker, Scoring guard, Slasher, Rim protector, Stretch-4)
Problème : Méconnaissance totale du basket et de ses KPIs.
Résolution : Cours accéléré auprès de GPT et recherches via sites spécialisés pour comprendre les métriques clés avant de construire quoi que ce soit.
Problème : Stats individuelles = totaux toutes équipes confondues pour les joueurs transférés.
Résolution : Mention explicite de cette limite dans le rapport avec note méthodologique sur le traitement retenu.
Problème : Seuils automatiques Excel lissent les valeurs.
Résolution : Définition manuelle de 5 paliers par KPI avec justification NBA (ex. TS% élite 62%, NetRtg exceptionnel +8).
Techniques
- Excel TCD, champs calculés, graphiques combinés
- Mise en forme conditionnelle personnalisée
- Normalisation des données /36 minutes
- Data Visualisation et accessibilité
Soft skills
- Analyse en entonnoir macro vers micro
- Posture de neutralité sur les résultats
- Adaptation des visuels pour public non-expert
J’ai aimé découvrir un univers que je ne connaissais absolument pas. C’est précisément ce type de projet qui me convient : être placé face à un domaine inconnu et devoir le comprendre suffisamment pour produire une analyse cohérente. Ma curiosité naturelle a été un vrai moteur ici.
Je ferais évoluer l’outil en passant d’Excel à Power BI ou un dashboard Streamlit en Python, en ajoutant une couche statistique plus poussée. Il aurait fallu pour cela des données plus granulaires, des stats par match plutôt que par saison, pour affiner vraiment les profils de joueurs.