Analyse de la
Satisfaction
Client :
Tendances,
Problèmes et
Encadré par :
Réalisé par:
Pr. MOUMENI Loubna
HAMZAOUI Anass
OUCHENE Anass
1. En fonction des données, voici les objectifs spécifiques qu’on souhaite
réaliser :
Tendances de satisfaction : Evolution des scores de satisfaction dans le temps
Problèmes récurrents : Causes principales d’insatisfaction des clients comme
livraison, produit ou service
Segmentation : En comparant la satisfaction par région, segment
(particulier/entreprise)
Impact des actions : Cela permet de mesurer l’efficacité des actions correctives
2. Collecte des Données :
Ces données représentent des enquêtes clients avec des informations sur l'ID client,
le nom, la ville, la date de l'enquête, le score, les commentaires, le segment
(Entreprise/Particulier) et d'autres informations. Les scores varient de 1 à 10, avec des
commentaires sur la qualité du service, les livraisons et l'emballage.
Données de satisfaction clients :
Données de livraison :
Données des commandes :
3. Préparation des Données :
Les étapes appliquées pour nettoyer et préparer les données incluent la promotion
des en-têtes, le remplacement de valeurs, la suppression de doublons, de colonnes et
de premières lignes :
Après ce traitement, les données sont nettoyées et prêtes pour l'analyse (données de
satisfaction) :
4. Modélisation des Données :
Voici un aperçu des tables de données disponibles après importation, montrant les
colonnes clés pour chaque table. Ces tables seront reliées via la colonne `Client_ID`
pour permettre une analyse approfondie :
Les mesures calculées en utilisant DAX :
Explication : Cette mesure calcule le score moyen de satisfaction pour chaque ville.
Explication : Cette mesure compte le nombre de commentaires négatifs (score < 5)
pour chaque segment (Entreprise/Particulier)
Explication : Cette mesure calcule le montant total des commandes pour chaque
client
Explication : Cette mesure calcule le délai moyen de livraison pour chaque ville
5. Création des visualisations :
6. Analyse et Interprétation :
1. Score Moyen de Satisfaction par Ville
Observations :
Paris : Affiche un score moyen élevé (proche de 10), ce qui indique une satisfaction
client élevée.
Marseille : Affiche un score moyen modéré (autour de 7), ce qui suggère une
satisfaction moyenne.
Lyon : Affiche un score moyen plus bas (autour de 3), ce qui indique une satisfaction
client plus faible.
Interprétation :
Les clients de Paris sont très satisfaits, ce qui pourrait être dû à un service client
efficace ou à des produits de haute qualité.
Les clients de Lyon sont moins satisfaits, ce qui pourrait indiquer des problèmes
récurrents (par exemple, retards de livraison, emballages endommagés).
2. Commentaires Négatifs par Segment
Observations :
Entreprise : Affiche plus de commentaires négatifs, notamment sur des problèmes de
livraison et de réactivité du service client.
Particulier : Affiche moins de commentaires négatifs, mais certains clients
mentionnent des problèmes d'emballage.
Interprétation :
Les clients Entreprise sont plus exigeants et signalent des problèmes liés à la
logistique et au service client.
Les clients Particulier sont globalement satisfaits, mais des améliorations pourraient
être apportées concernant l'emballage des produits.
3. Délai Moyen de Livraison par Ville
Observations :
Marseille : Affiche un délai moyen de livraison plus long (proche de 80 jours).
Lyon : Affiche un délai moyen modéré (autour de 40 jours).
Paris : Affiche un délai moyen plus court (autour de 20 jours).
Interprétation :
Les retards de livraison à Marseille pourraient expliquer la satisfaction client plus
faible dans cette ville.
Paris bénéficie de délais de livraison plus courts, ce qui contribue probablement à la
satisfaction élevée des clients.
4. Montant Total des Commandes par Client
Observations :
Certains clients (par exemple, Client_ID 40 et 50) ont des montants totaux très élevés
(proches de 800 €).
D'autres clients (par exemple, Client_ID 10 et 20) ont des montants totaux plus faibles
(autour de 200 €).
Interprétation :
Les clients à forte valeur (par exemple, Client_ID 40 et 50) sont des clients clés qui
contribuent significativement aux revenus.
Les clients à faible valeur (par exemple, Client_ID 10 et 20) pourraient être ciblés avec
des offres promotionnelles pour augmenter leurs dépenses.
Questions d'Examen :
1. Qu’est-ce que Power BI et quelles sont ses principales fonctionnalités ?
Power BI est un outil de Business Intelligence (BI) développé par Microsoft, utilisé pour
analyser et visualiser des données. Il permet de créer des rapports interactifs et
des tableaux de bord pour aider à la prise de décision. Ses principales
fonctionnalités incluent :
Collecte de données : Connexion à diverses sources de données (bases de
données, fichiers Excel, services cloud, etc.).
Transformation des données : Nettoyage et préparation des données via
l'éditeur de requêtes (Power Query).
Analyse des données : Utilisation de formules DAX (Data Analysis Expressions)
pour créer des mesures et des calculs personnalisés.
Visualisation des données : Création de graphiques, tableaux, cartes et autres
visualisations interactives.
Partage et collaboration : Partage de rapports et de tableaux de bord via le
service Power BI en ligne.
2. Comment connecter Power BI à différentes sources de données avec
exemples ?
Power BI permet de se connecter à une grande variété de sources de données,
notamment :
Bases de données relationnelles : SQL Server, MySQL, Oracle, etc.
Fichiers : Excel, CSV, XML, JSON.
Services cloud : Azure SQL Database, Salesforce, Google Analytics, etc.
Autres sources : SharePoint, Web API, etc.
Exemple : Pour se connecter à une base de données SQL Server, il suffit de
sélectionner "SQL Server" dans la liste des sources de données, puis de fournir les
informations de connexion (nom du serveur, base de données, etc).
3. Qu'est-ce que DAX et comment est-il utilisé dans Power BI ?
DAX (Data Analysis Expressions) est un langage de formule utilisé dans Power BI
pour créer des calculs personnalisés et des mesures. Il est similaire aux
formules Excel, mais plus puissant pour manipuler des données relationnelles.
Exemple d'utilisation :
Créer une mesure : Pour calculer le total des ventes, on peut utiliser la formule DAX
suivante : DAX Copy Total des Ventes = SUM(Table[Ventes])
Créer une colonne calculée : Pour calculer la marge bénéficiaire, on peut utiliser :
DAX Copy Marge = Table [Prix] - Table [Coût]
4. Description du processus de nettoyage et de transformation des
données dans Power BI :
Le processus de nettoyage et de transformation des données dans Power BI
se fait via Power Query, un outil intégré à Power BI. Les étapes incluent :
Extraction des données : Chargement des données depuis une source.
Nettoyage des données : Suppression des doublons, gestion des valeurs
manquantes, correction des erreurs de format.
Transformation des données : Agrégation, filtrage, fusion de tables, création de
colonnes calculées.
Chargement des données : Une fois les données nettoyées et transformées, elles
sont chargées dans le modèle de données de Power BI pour analyse.
5. Création des relations entre les tables dans Power PI
Dans Power BI, les relations entre les tables sont créées dans la vue "Modèle de
données". Pour créer une relation :
Sélectionnez les deux tables à relier.
Faites glisser la clé primaire d'une table vers la clé étrangère de l'autre table.
Power BI détecte automatiquement le type de relation (un-à-plusieurs,
plusieurs-à- plusieurs, etc.) et la crée.
Exemple : Si vous avez une table "Ventes" et une table "Produits", vous pouvez
relier les deux tables via l'ID du produit.
6. Types de visualisations dans Power BI et choix de la bonne visualisation
Power BI propose une large gamme de visualisations :
Graphiques en barres : Comparer des catégories.
Graphiques linéaires : Montrer des tendances dans le temps.
Diagrammes circulaires : Afficher des proportions.
Cartes : Visualiser des données géographiques.
Tableaux et matrices : Présenter des données tabulaires.
Graphiques en nuage de points : Montrer des corrélations.
Comment choisir :
Objectif : Utiliser un graphique linéaire pour les tendances, un graphique en
barres pour les comparaisons.
Public : Privilégier des visualisations simples pour un public non technique.
7. Exemple d'utilisation de Power BI pour résoudre un problème métier
Problème : Une entreprise de vente au détail souhaite optimiser ses stocks pour
réduire les coûts et éviter les ruptures.
Solution avec Power BI :
1. Collecter : Importer les données de ventes, stocks et commandes fournisseurs.
2. Analyser : Créer des mesures DAX pour calculer les niveaux de stock optimaux et
les délais de réapprovisionnement.
3. Visualiser : Créer un tableau de bord montrant les niveaux de stock en temps réel,
les produits les plus vendus et les prévisions de demande.
4. Décider : Ajuster les niveaux de stock pour réduire les coûts et éviter les ruptures.