Données synthétiques. Analyse commerciale concrète.
Ce projet démontre comment transformer des données de ventes en tableau de bord interactif pour suivre la performance globale, analyser les canaux de vente et comparer la contribution des représentants.
Les équipes commerciales doivent souvent suivre plusieurs dimensions de performance en même temps :
| Enjeu commercial | Impact décisionnel |
|---|---|
| Manque de visibilité sur les ventes globales | Difficulté à identifier les principaux leviers de croissance |
| Analyse fragmentée par catégorie, canal et paiement | Décisions commerciales moins rapides |
| Suivi manuel des représentants | Comparaison limitée des performances individuelles |
| Faible lecture des tendances mensuelles | Difficulté à anticiper les périodes fortes et faibles |
Ce tableau de bord centralise les indicateurs clés, facilite l’analyse commerciale et permet de prioriser les actions à partir de données synthétiques structurées.
Analyse globale des ventes par mois, catégorie, canal de vente, mode de paiement et produit
Lecture en 10 secondes :
- La catégorie Compacte est la catégorie dominante avec 326,0 K$ de ventes
- Les ventes sont analysées par catégorie, mode de paiement, canal de vente, mois et année
- Le graphique mensuel met en évidence les variations de ventes au cours de l’année
- Les recommandations commerciales orientent l’utilisateur vers les principaux leviers d’action
Analyse comparative des ventes par représentant, zone commerciale, catégorie et mode de paiement
Lecture en 10 secondes :
- Les ventes sont comparées par représentant à l’aide de visuels dédiés
- La répartition par zone commerciale met en évidence la contribution de l’Europe et de l’Amérique du Nord
- Le suivi par catégorie permet d’identifier les familles de produits les plus performantes
- Le graphique empilé montre la répartition des ventes par mode de paiement et catégorie
- La mesure de ventes totales permet de suivre rapidement la performance commerciale globale
De la donnée synthétique à la décision commerciale — pipeline complet d’analyse des ventes
flowchart LR
A[Données synthétiques de ventes] --> B[Nettoyage et typage des données]
B --> C[Agrégation par catégorie]
C --> D[Modèle de données Power BI]
D --> E[Mesures DAX]
E --> F[Tableaux de bord interactifs]
F --> G[Analyse commerciale et recommandations]
- Transformation des types de données
- Agrégation des ventes par catégorie
- Création d’une table intermédiaire dédiée à l’analyse
- Préparation des données pour les mesures DAX
- Structuration des données pour faciliter l’analyse commerciale
Exemple de code M de Power Query utilisé pour générer une table avec les totaux par catégorie :
let
// Source de données
Source = Ventes,
// Transformation des types de données
TypesModifiés = Table.TransformColumnTypes(
Source,
{
{"Catégorie", type text},
{"Total", type number}
}
),
// Agrégation des ventes par catégorie
VentesParCategorie = Table.Group(
TypesModifiés,
{"Catégorie"},
{
{
"TotalVentes",
each List.Sum([Total]),
type number
}
}
)
in
VentesParCategorie
Le tableau de bord utilise des mesures DAX pour identifier dynamiquement la catégorie dominante.
Exemple de mesure DAX utilisée :
Nom Top 1 Catégorie =
VAR MontantMax =
MAX ( VentesParCategorie[TotalVentes] )
RETURN
CONCATENATEX (
FILTER (
VentesParCategorie,
VentesParCategorie[TotalVentes] = MontantMax
),
VentesParCategorie[Catégorie],
", "
)
Cette mesure permet d’afficher automatiquement la catégorie générant le plus grand montant de ventes, sans saisie manuelle.
- Deux onglets complémentaires : vue globale et analyse par représentant
- Filtres dynamiques par mois, année, catégorie, mode de paiement, canal de vente et représentant
- Cartes KPI pour les indicateurs clés
- Graphiques de répartition par canal, mode de paiement et catégorie
- Analyse temporelle des ventes mensuelles
- Visuels comparatifs pour les représentants commerciaux
- Bouton de réinitialisation des filtres pour faciliter la navigation
Cette page répond à la question :
Quels sont les principaux leviers de performance commerciale globale ?
Elle inclut :
- Catégorie dominante
- Ventes par mois
- Total des ventes par produit
- Répartition par mode de paiement
- Répartition par canal de vente
- Recommandations commerciales
Cette page répond à la question :
Quels représentants et quelles zones commerciales contribuent le plus aux ventes ?
Elle inclut :
- Ventes par représentant
- Répartition Europe / Amérique du Nord
- Ventes par catégorie
- Ventes totales
- Répartition par mode de paiement et catégorie
- Filtre dynamique par représentant
| Indicateur | Valeur |
|---|---|
| Catégorie dominante | Compacte |
| Ventes catégorie dominante | 326,0 K$ |
| Ventes totales | 685,3 K$ |
| Moyenne mensuelle | 57,1 K$ |
| Meilleure période mensuelle | Mars |
| Principal canal de vente | Par représentant |
| Projet | Données synthétiques |
À partir des visualisations, le rapport met en évidence plusieurs pistes d’action :
- Renforcer le canal des représentants, principal levier de croissance
- Optimiser la performance des catégories secondaires
- Encourager les modes de paiement à forte valeur
- Développer les zones à faible performance commerciale
- Suivre les variations mensuelles afin d’anticiper les périodes fortes et faibles
Ce projet ne se limite pas à un rapport visuel. Il démontre une approche complète de l’analyse commerciale :
- Vision exécutive : indicateurs clés visibles rapidement
- Analyse opérationnelle : comparaison par représentant et par zone commerciale
- Modélisation analytique : utilisation de Power Query et DAX pour créer des indicateurs dynamiques
- Storytelling commercial : chaque page répond à une question de gestion précise
- Expérience utilisateur : filtres, bouton de réinitialisation et navigation claire
Cette vue illustre l’organisation globale du projet, structurée autour du fichier Power BI, des données synthétiques, des captures d’écran et des actifs de documentation.
Organisation modulaire du projet Power BI — structure des données, fichiers analytiques et documentation.
# 1. Cloner le dépôt
git clone https://github.com/victorgvc-hes/powerbi-sales-performance-dashboard.git
# 2. Ouvrir le fichier dans Power BI Desktop
# File > Open > Analyse_Performance_Ventes.pbix
# 3. Si nécessaire, actualiser la source de données
# Home > Transform Data > Data Source SettingsPrérequis : Power BI Desktop gratuit
Victor Vergara
Professionnel des achats et des opérations | 15+ ans en chaîne d'approvisionnement Spécialisation : analytique avancée • Power BI • transformation numérique • amélioration opérationnelle
Ce projet fait partie d'un portefeuille de projets appliqués combinant expertise opérationnelle, analytique avancée et intelligence d’affaires.