BottleNeck — qualité des données

Contexte et demande

BottleNeck, marchand de vin, gère ses données avec des outils artisanaux : trois exports séparés (ERP, site WordPress, table de liaison) dont les références produits ne correspondent pas d'un système à l'autre. La mission : rapprocher et fiabiliser ces sources, identifier les incohérences, produire une base exploitable et présenter les analyses au CODIR. C'est le projet fondateur des données BottleNeck, reprises ensuite dans Power BI.

Démarche

Deux phases : consolidation et contrôle qualité, puis analyses business. Principe directeur : ne jamais corriger arbitrairement une donnée incohérente. Chaque anomalie est identifiée, documentée, puis soit corrigée selon une règle fiable, soit transmise dans un fichier d'arbitrage pour décision métier.

• Références produits incompatibles entre l'ERP et le site web. → contrôle systématique des clés avant chaque jointure, audit des lignes non jointes pour quantifier les pertes.
• Décider quoi faire des incohérences sans connaître les règles métier. → aucune correction arbitraire : anomalie isolée, documentée, transmise dans le fichier d'arbitrage.
• Interpréter les prix aberrants dans le contexte du vin. → double lecture statistique (IQR, boîte à moustaches) et métier pour distinguer un prix atypique d'une erreur de saisie probable.

Livrables

• Notebook Python : chargement des 3 sources, audit, contrôles qualité, jointures, base consolidée, analyses CA, stock, marge et corrélations
• Présentation CODIR de 20 diapositives : méthode de fiabilisation, indicateurs, anomalies, recommandations ERP
• Fichier d'arbitrage des références nécessitant une décision métier

Résultats

• 8 catégories d'erreurs identifiées, séparées entre corrigibles et à arbitrer
• Analyse 20/80 : 59,44 % du CA généré par les meilleures références, sur un CA total de 139 734 €
• Fichier d'arbitrage livré comme outil de gouvernance
• Valeurs aberrantes de prix lues dans leur contexte

Ce que j'en retiens

Ce que j'ai aimé

Ayant géré le stock d'une boutique pendant près de 9 ans, certains process métier étaient immédiatement lisibles. C'était aussi ma première prise en main de Jupyter Notebook, que j'ai vraiment appréciée : je l'ai aussitôt utilisé pour explorer des théories sur mes projets personnels.

Si je le refaisais

Pas grand-chose à faire autrement, puisque le projet s'est poursuivi côté actionnabilité et dataviz avec le tableau de bord BottleNeck. Une étape intermédiaire avec des actions sur le CRM le rendrait plus réaliste.