Analyse Olist — Préparation & Intégration de données

119 143

Commandes totales

Variables analysées

Tables exportées

4.09 / 5

Note moyenne clients

Distribution des achats par mois

Nombre de commandes passées chaque mois — données Olist 2017-2018

Barres = nombre de commandes ·

Courbe de tendance

Source : sd2_data_olist_project.csv · Kaggle

Répartition des modes de paiement

Part de chaque type de paiement dans les 119 143 transactions

Montant moyen par transaction selon le mode de paiement

En dollars américains ($) — taux de conversion appliqué (1 R$ ≈ 0.20 $)

Carte de crédit

$32.66

Virement bancaire

$29.00

Carte de débit

$28.52

Bon d'achat

$13.14

Top 5 catégories les mieux notées par les clients

Note moyenne sur 5 — 1ère position en rouge, autres en bleu

Mode enfantine

5.00 ★

CD / DVD musique

4.64 ★

Livres d'intérêt

4.57 ★

Fleurs

4.51 ★

Arts

4.48 ★

Répartition des notes clients

Distribution des notes de satisfaction de 1 à 5 étoiles

5 étoiles ★★★★★

57.7%

4 étoiles ★★★★

19.3%

3 étoiles ★★★

8.1%

2 étoiles ★★

5.0%

1 étoile ★

11.5%

Pipeline de préparation des données

Étapes du traitement Python / Pandas sur le dataset Olist

Import CSV

sd2_data_olist_project.csv · 119 143 lignes · 40 colonnes · séparateur ;

Nettoyage

Suppression des doublons, valeurs nulles, conversion des colonnes de dates en datetime

Transformation

Calcul de delivery_delay (délai de livraison), purchase_month (mois d'achat), Total Amount (prix + frais)

Analyse exploratoire

Visualisations Matplotlib : notes clients, commandes par mois, délais par état, catégories populaires

Modélisation & Export

Décomposition en 7 tables CSV normalisées : orders, customers, products, sellers, payments, reviews, order_items

Préparation & Intégration de données — Olist