Analysez des données de marché pour identifier une opportunité business
Mission d’analyse de marché pour UOI Games, qui souhaite lancer son premier jeu vidéo AAA. Trois fichiers de données : catalogue de jeux 2022 avec notes joueurs, historique de ventes 1980-2016, ventes de consoles 2022. Objectif : identifier un segment de marché porteur, recommander un concept de jeu AAA avec son écosystème et produire une prévision grossière des ventes.
Approche en entonnoir : cadrage marché avec sources externes récentes, audit et nettoyage des fichiers fournis, questionnaire terrain pour valider les hypothèses consommateurs, PESTEL (environnement externe), SWOT (synthèse stratégique du projet), recommandations. Choix clé : le SWOT porte sur le projet de premier AAA et non sur UOI Games en tant qu’entreprise.
- Notebook Python export PDF : audit des 3 fichiers, nettoyage, analyse exploratoire, tests statistiques, visualisations
- Questionnaire et synthèse : préférences joueurs, biais d’échantillon documentés
- Analyse stratégique : PESTEL marché jeux vidéo + SWOT projet premier AAA
- Rapport court HTML : recommandation segment cible, genre, plateforme, modèle économique, prévision 3 scénarios
- Présentation finale template UOI Games
- Périmètre d’analyse raisonné : SWOT centré sur l’opportunité projet
- Distinction corrélation / causalité appliquée systématiquement
- Questionnaire conçu pour tester des hypothèses, pas pour valider un choix déjà fait
- Prévision grossière en 3 scénarios avec hypothèses explicites et benchmark sur jeux comparables
Problème : Données historiques de ventes s’arrêtant en 2016, insuffisantes pour recommander un AAA 2026-2030.
Résolution : Enrichissement avec sources externes récentes documentées — historique utilisé uniquement pour les tendances structurelles de long terme.
Problème : SWOT d’une entreprise dont on ne connaît ni le budget ni les équipes ni les technologies.
Résolution : Redéfinition du périmètre : SWOT du projet de premier AAA avec distinction explicite faits/déductions/hypothèses à valider.
Problème : Justifier une prévision de ventes pour un jeu qui n’existe pas encore sans tomber dans la fausse précision.
Résolution : 3 scénarios avec hypothèses explicites par scénario, benchmark sur jeux comparables, limites documentées.
Techniques
- Python : pandas, numpy, matplotlib, seaborn, scipy.stats
- Tests statistiques : Pearson, Spearman, Mann-Whitney, Kruskal-Wallis
- Analyse stratégique : SWOT, PESTEL
- Prévision commerciale par scénarios et benchmarking
Soft skills
- Rigueur méthodologique : distinguer fait / déduction / hypothèse
- Posture de consultant : recommander sans surinterpréter
- Sourcage : chaque donnée externe citée avec source et date
Ce projet me parlait beaucoup. Comme beaucoup de personnes des années 90, j’ai grandi avec les avancées du jeu vidéo et je le suis encore via une veille naturelle. La partie de recherche, de prise d’information et de découverte de nouveaux datasets a été particulièrement plaisante.
J’aurais préparé les données via les notebooks pour les différents tests statistiques, et une fois bien nettoyés et structurés, mis en place un fichier Excel ou SQLite pour produire des visuels plus percutants sur Power BI.