La data au service d'une analyse du marché

Découvre le projet de Guillaume et son équipe qui grâce à une base de données sur les acteurs de la food delivery, a pu analyser les comportements de ces acteurs.

Mis à jour le
15/5/2024

Après avoir passé 6 semaines de formation au sein du bootcamp en présentiel en data à Paris, Guillaume, issu du batch 6, et son équipe ont pu passer à la pratique en réalisant un projet pour une entreprise au cours des deux dernières semaines de la formation.

Le projet de son équipe était d'établir s'il était profitable pour une entreprise de VTC de s'introduire dans le marché de la food delivery. Il raconte son expérience au sein du bootcamp et son projet final.

Peux tu te présenter toi et ton équipe ? Pourquoi cette volonté de te former à la data ?

L’équipe était composée de 4 personnes : Adilson, Kamel, Marc-Antoine et moi-même.

Marc-Antoine vient tout juste d’être diplômé en master de finance d’une école de commerce (sa remise de diplôme a eu lieu pendant la formation) et souhaitait se former en data pour compléter ses connaissances en data.

Kamel, est lui plus âgé, a été autoentrepreneur et souhaite retrouver plus de stabilité et de sécurité pour l’avenir. Il a choisi la data analyse et cette formation pour y parvenir.

Diplômé depuis 5 ans d’école de commerce et après des premières expériences dans le conseil en ressource humaine, Adilson a cette volonté de se réorienter vers la data analyse. Il souhaite acquérir plus de technique dans ce domaine qu'est la data.

Enfin, je suis issu d'une école de commerce. Après une expérience dans la vente, j'ai décidé de me réorienter vers la data analyse et cette formation pour pouvoir allier à la fois business et data.

Sur quoi et avec qui travaillais-tu ?

Avec l’équipe on devait travailler pour une entreprise de VTC et la conseiller sur son entrée ou non sur le marché de la food delivery.

Peux-tu nous expliquer le but et le déroulement du projet ? Quels outils avez-vous utilisés ?

Le projet s'est déroulé en trois étapes :

  • Une première étape de retraitement et d’enrichissement de la donnée sur Python. Le but était d'avoir des éléments bien calibrés entre les tables et plus intéressants à analyser.
  • Une deuxième étape sur Tableau afin de transformer ces tables en graphiques intelligibles et analysables.
  • Une dernière étape d'analyse pour mettre des mots sur nos graphiques et ressortir les éléments les plus intéressants de nos analyses.

Pourquoi l’avoir choisi ?

On a choisi ce projet car il nous permettait de partir d’un set de données clean qui comportait beaucoup d’analyses. Pas besoin de passer des jours à cleaner la donnée. On a pu se lancer très vite sur l’analyse.

Comment vous-êtes-vous organisés ?

C’était important pour nous que tout le monde puisse toucher à toutes les étapes du projet, et comprenne l’ensemble du processus du traitement de la donnée et de l’analyse. On est encore là pour apprendre.

Nous avons donc commencé à explorer le dataset individuellement pour bien le comprendre, l'imaginer et déterminer quel type d’information l’on pouvait en tirer.

Ensuite, chacun a pu soulever des points d’exploration et d’analyse et en fonction de l’intérêt porté par chacun avec ces points, nous nous sommes répartis les axes d’analyse. Nous avons veillé à ce qu’il y ait toujours une cohérence et un fil rouge entre les différents axes pour avoir une analyse la plus globale possible et pas plusieurs petites analyses indépendantes qui auraient été peu pertinentes.

Quelles ont été les difficultés à surmonter lors du projet ?

Il n’y a pas eu de difficulté particulière, mais quelques frustrations néanmoins. Notre dataset ne nous permettait pas de faire des analyses précises sur les évolutions de comportements des segments de population alors que cela nous intéressait tous.

Le fait de ne pas avoir de données sur certains aspects du business nous a aussi beaucoup limité. S’il faut soulever quelques difficultés pour certains d’entre nous, il était aussi plus délicat de bien interpréter les données ou alors de bien replacer l’information dans le contexte général. Nous avons parfois manqué de recul face au flux de données à assimiler et au nombre de segment d'information à décortiquer durant plusieurs heures

Qu’est-ce que tu as aimé dans ce projet et qu’est-ce que tu en retires ?

La première chose qui m'a étonnée, c’est de me rendre compte que j’étais capable de tout réaliser avec ce que j'avais appris durant ces deux mois de formation. Moi qui n’avais jamais écrit la moindre ligne de code deux mois plus tôt, je me sentais très à l’aise dans les différents processus qui permettaient de transformer cette base de données brute en quelque chose d’intelligible. Gros progrès donc grosse satisfaction !!

Ensuite, j’ai beaucoup appris sur un milieu que je connaissais peu et dont je suis client (Vive les Uber Eats !) . Pour bien comprendre la base de données, j’ai dû effectuer des recherches en parallèle, mais c’est bien grâce à ces deux canaux d’information que j'ai appris dans le temps. C’est fou le nombre d’informations que l’on peut trouver dans 3 petites tables !!



Venez assister au workshop sur "Comment créer un dashboard Excel interactif & pertinent" en live le mardi 11 juin à 18h30
Rejoignez-nous le 11 juin à 18h30 pour un workshop exclusif dédié à l'utilisation d'Excel : pour optimiser vos data analyses et enfin comprendre comment créer un dashboard intéractif et pertinent
Je m'inscris à l'évènement
Faites un premier pas dans la data avec le cours gratuit Power BI

Comprendre l'importance du dashboarding avec Power BI, comment connecter des bases de données pour mieux les visualiser et créer vos premières visualisations.

Je fais le premier pas
Faites un premier pas dans la data avec le cours gratuit sur le Modern Data Stack

Comprendre l'infrastructure moderne utilisée par un data analyst (Modern Data Stack), les rôles des outils utilisés et les tendances du marché en matière

Je fais le premier pas
Faites un premier pas dans la data avec le cours gratuit sur la culture data

Comprendre les termes techniques de l'analyse de données, les métiers associés (Data Analyst, Data Engineer, etc.) et leur utilisation en entreprise par un Data Analyst.

Je fais le premier pas
Faites un premier pas dans la data avec le cours gratuit SQL

Comprendre l'importance de SQL par rapport à un tableur pour le stockage des données, l'utilité des clés primaires et secondaires, et écrire les premières requêtes SQL SELECT FROM WHERE.

Je fais le premier pas
Faites un premier pas dans la data avec le cours gratuit sur le web scraping avec Python

Comprendre l'objectif du web scraping, l'architecture d'une page web et mettre en pratique avec les packages Requests et BeautifulSoup pour extraire des données à partir du web.

Je fais le premier pas
Faites un premier pas dans la data avec nos cours gratuits
Démarrer

Nos derniers articles sur

La culture de la data

Dans cet article nous vous donnons 4 concurrents à ChatGPT à connaître en 2024 pour son analyse de données et sa propre veille techno !
Vous débutez sur Excel et ne savez pas quelle formule utiliser dans une situation donnée ? Pas de soucis ! On vous dit tout dans cet article !
Difficulté :