Dans ce premier chapitre, vous constituerez un jeu de données pour analyser les ventes et les dépenses. Vous combinerez plusieurs fichiers, filtrerez les données invalides et créerez des indicateurs pour les clients et les commandes. À l’aide d’une auto-jointure sur les données de ventes, vous apprendrez à créer une matrice de corrélation.
Servez-vous de la matrice de corrélation pour déterminer les produits fréquemment achetés ensemble.


Analyser des données e‑commerce dans Tableau

Créer une source de données sur les ventes produits

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

Exploration des données

Ensuite, vous créerez des indicateurs pour les produits et les clients les plus rentables. Vous normaliserez les noms de lieux et construirez une carte des ventes par État, avant d’explorer les indicateurs de coûts d’expédition. Pour terminer, vous réaliserez une analyse de type what‑if afin d’afficher l’impact de l’envoi de quantités plus élevées sur les coûts d’expédition.

Analyse e-commerce

Ajouter une correspondance État–Région

Distance d’expédition

Exercice : ventes par État

Valeur vie client par État

Mesures pour l’analyse « what‑if »

Coûts d’expédition par produit

Analyse de scénarios (What‑if)

Dans le dernier chapitre, vous construirez plusieurs tableaux de bord et les présenterez sous la forme d’une histoire cohérente. Vous mettrez en avant les attributs produits et clients qui offriront le meilleur ROI pour la campagne d’upsell/cross-sell. Enfin, vous recommanderez des actions concrètes pour réduire les frais d’expédition.

Créer un récit cohérent

Chiffre d’affaires par lieu et meilleurs vendeurs

Indicateurs clés en Big Angry Numbers (BANs)

Créer un résumé exécutif

Treemap du pourcentage de profit

Exercice : pourcentage de profit

Tableau de bord des opportunités de croissance

Tableau de bord des coûts d’expédition

Présentez votre story

Récapitulatif

Visualiser votre analyse

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

Indicateurs clés en Big Angry Numbers (BANs)

Étude de cas : analyse e-commerce dans Tableau

Instructions

Exercice interactif pratique