In this first chapter, you’ll build a dataset for sales and expense analysis. You’ll combine multiple files, filter out invalid data, and create metrics for customers and orders. Using a self-join on sales data, learn to create a correlation matrix.
Use the correlation matrix to determine products that are frequently bought together.


Analyser des données e‑commerce dans Tableau

Créer une source de données sur les ventes produits

Classement selon le coût engagé

Exercice sur les coûts produit

Nettoyage des données

Créer des indicateurs calculés pour les clients

Créer des indicateurs de commande et d’expédition

Source de données pour l’analyse du panier

Standardiser les noms et valeurs des attributs

Visualisation du panier d’achats

Data Exploration

Next, you’ll create metrics for the most profitable products and customers. You’ll standardize location names and build a map of sales by state, before exploring the shipping cost metrics. Finally, you’ll build a what-if analysis to display the impact of shipping higher quantities on shipping costs.

Ecommerce analytics

Add state-region mapping

Shipping distance

Sales by state exercise

Customer lifetime value by state

Metrics for what-if analysis

Shipping costs by product

What-if analysis

Ecommerce Analytics

In the final chapter, you’ll build multiple dashboards and present them as a coherent story. You’ll display the product and customer attributes that will result in the highest ROI for the upsell/cross-sell campaign. To round off, you’ll recommend specific actions to reduce shipping expenses.

Creating a cohesive story

Revenue by location and top sellers

KPIs in Big Angry Numbers (BANs)

Build an executive summary

Profit percentage treemap

Profit percentage exercise

Growth opportunities dashboard

Shipping costs dashboard

Present your story

Wrap-up

Visualize Your Analysis

Workbooks and Datasources

Metadata sheet

Prêt à mettre vos compétences Tableau au service de problèmes métier concrets ? Pour les entreprises de e-commerce, augmenter les ventes et réduire les dépenses sont des priorités. Dans cette étude de cas Tableau, vous analyserez un jeu de données d’une entreprise fictive de ventes en ligne d’articles pour animaux appelée Munchy’s.
Vous analyserez le jeu de données de ventes pour identifier quels produits sont souvent achetés ensemble et en quelle quantité. Vous formulerez ensuite des recommandations d’upsell et de cross-sell en réalisant une analyse des paniers d’achat. Les frais d’expédition restent un poste de dépense important pour les détaillants en ligne. Vous envisagerez des stratégies comme l’envoi de quantités plus élevées d’un même produit pour réduire les coûts unitaires. Vous comprendrez où se trouvent les clients, ce qu’ils achètent, et vous ferez des recommandations à la direction pour l’implantation d’un nouvel entrepôt.
Vous répondrez à ces questions en créant des champs calculés et diverses visualisations dans Tableau, comme des graphiques à double axe, des tableaux de surbrillance et des cartes. Vous utiliserez des filtres et des paramètres pour rendre vos graphiques dynamiques, puis vous rassemblerez le tout dans une histoire afin de partager vos conclusions.

Êtes-vous prêt à mettre en pratique vos compétences Tableau pour résoudre des problèmes commerciaux concrets ? Pour les entreprises de commerce électronique, l'augmentation des ventes et la réduction des dépenses constituent des priorités absolues. Dans cette étude de cas Tableau, vous analyserez un ensemble de données provenant d'une entreprise fictive de vente en ligne d'articles pour animaux de compagnie appelée Munchy's.
<br><br>
<h2>Mettez en pratique vos compétences Tableau à l'aide d'une étude de cas concrète</h2>
Tout d'abord, vous analyserez l'ensemble des données relatives aux ventes afin de déterminer quels produits sont fréquemment achetés ensemble et en quelle quantité. Vous formulerez ensuite des recommandations de ventes incitatives et croisées en réalisant une analyse du panier de consommation.  
<br><br>
Ensuite, il est nécessaire de prendre en compte le fait que les frais d'expédition représentent toujours une dépense importante pour les détaillants en ligne. Vous travaillerez sur des stratégies telles que l'expédition d'une plus grande quantité d'un même produit afin de réduire les coûts unitaires. Il sera également nécessaire de déterminer où se trouvent les clients et ce qu'ils achètent afin de pouvoir faire des recommandations à la direction concernant l'emplacement d'un nouvel entrepôt.
<h2>Analysez les données et visualisez vos résultats</h2>
Au fur et à mesure que vous compilez vos résultats, vous créerez des champs calculés et diverses visualisations dans Tableau, telles que des graphiques à double axe, des tableaux de mise en évidence et des cartes. Enfin, vous utiliserez des filtres et des paramètres pour rendre vos graphiques dynamiques et combiner le tout dans un récit afin de partager vos recommandations.


Analyzing Data in Tableau

Dans le e-commerce, augmenter les ventes et réduire les coûts sont prioritaires. Étudiez les données d'une entreprise de fournitures pour animaux en ligne.

Étude de cas : analyse e-commerce dans Tableau

En e-commerce, augmentation des ventes et réduction des dépenses sont cruciales. Analysez les data d'une entreprise de produits pour animaux

Nettoyage des données

Instructions de l’exercice

Exercice interactif pratique