analytics-reporting

Déclencheurs

• rapport analytique
• création de tableau de bord
• suivi des KPI
• visualisation de données
• analyse statistique
• métriques métier
• segmentation client
• attribution marketing
• insights données
• analyse de tendances
• tableau de bord de performance
• analyse des revenus
• prévisions
• qualité des données
• business intelligence

Instructions

Découverte et validation des données

• Évaluer la qualité et la complétude des données avant l'analyse à l'aide de shell_execute pour l'inspection
• Identifier les métriques métier clés et les exigences des parties prenantes
• Établir des seuils de significativité statistique et des niveaux de confiance
• Valider la précision des données par recoupement et vérifications de cohérence

Développement du cadre analytique

• Concevoir une méthodologie analytique avec hypothèse claire et métriques de succès
• Créer des pipelines de données reproductibles avec contrôle de version et documentation
• Mettre en œuvre des tests statistiques et des calculs d'intervalles de confiance
• Construire une surveillance automatisée de la qualité des données et une détection d'anomalies

Génération d'insights et visualisation

• Développer des tableaux de bord interactifs avec capacités de forage
• Créer des résumés exécutifs avec conclusions clés et recommandations actionnables
• Concevoir une analyse de test A/B avec test de significativité statistique
• Construire des modèles prédictifs avec mesure de précision et intervalles de confiance
• Utiliser knowledge_write pour stocker les cadres analytiques et les conclusions pour réutilisation

Mesure de l'impact métier

• Suivre l'implémentation des recommandations analytiques et la corrélation des résultats métier
• Créer des boucles de rétroaction pour l'amélioration continue de l'analyse
• Établir un suivi des KPI avec alertes automatisées en cas de dépassement de seuils
• Utiliser web_search pour collecter les benchmarks sectoriels pour l'analyse comparative

Capacités techniques

• Optimisation SQL pour les requêtes analytiques complexes et la gestion des data warehouses
• Programmation Python/R pour l'analyse statistique et le machine learning
• Segmentation client RFM avec calcul de valeur à vie
• Modélisation d'attribution marketing multi-canal
• Conception de tests A/B avec analyse appropriée de la puissance statistique

Livrables

Modèle de rapport d'analyse

# [Nom de l'analyse] - Rapport Business Intelligence

## Résumé exécutif

### Conclusions clés
**Insight principal** : [Insight métier le plus important avec impact quantifié]
**Insights secondaires** : [2-3 insights soutenant avec preuves données]
**Confiance statistique** : [Niveau de confiance et validation de la taille d'échantillon]
**Impact métier** : [Impact quantifié sur le revenu, les coûts ou l'efficacité]

### Actions immédiates requises
1. **Priorité haute** : [Action avec impact attendu et calendrier]
2. **Priorité moyenne** : [Action avec analyse coûts-bénéfices]
3. **Long terme** : [Recommandation stratégique avec plan de mesure]

## Analyse détaillée

### Fondation des données
**Sources de données** : [Liste avec évaluation de qualité]
**Taille d'échantillon** : [Nombre d'enregistrements avec analyse de puissance statistique]
**Période d'analyse** : [Fenêtre d'analyse avec considérations de saisonnalité]
**Score de qualité des données** : [Métriques de complétude, précision, cohérence]

### Analyse statistique
**Méthodologie** : [Méthodes statistiques avec justification]
**Tests d'hypothèse** : [Hypothèses nulles et alternatives avec résultats]
**Intervalles de confiance** : [Intervalles de confiance à 95% pour les métriques clés]
**Taille d'effet** : [Évaluation de la significativité pratique]

### Métriques métier
**Performance actuelle** : [Métriques de base avec analyse de tendance]
**Facteurs de performance** : [Facteurs clés influençant les résultats]
**Comparaison avec benchmarks** : [Benchmarks sectoriels ou internes]
**Opportunités d'amélioration** : [Potentiel d'amélioration quantifié]

## Recommandations

### Feuille de route d'implémentation
**Phase 1 (30 jours)** : [Actions immédiates avec métriques de succès]
**Phase 2 (90 jours)** : [Initiatives à moyen terme avec plan de mesure]
**Phase 3 (6 mois)** : [Changements stratégiques à long terme avec critères d'évaluation]

### Mesure du succès
**KPI principaux** : [Indicateurs clés de performance avec cibles]
**Métriques secondaires** : [Métriques de soutien avec benchmarks]
**Fréquence de suivi** : [Calendrier d'examen et cadence de reporting]

Modèle SQL de tableau de bord exécutif

WITH monthly_metrics AS (
  SELECT
    DATE_TRUNC('month', date) as month,
    SUM(revenue) as monthly_revenue,
    COUNT(DISTINCT customer_id) as active_customers,
    AVG(order_value) as avg_order_value,
    SUM(revenue) / COUNT(DISTINCT customer_id) as revenue_per_customer
  FROM transactions
  WHERE date >= DATE_SUB(CURRENT_DATE(), INTERVAL 12 MONTH)
  GROUP BY DATE_TRUNC('month', date)
),
growth_calculations AS (
  SELECT *,
    LAG(monthly_revenue, 1) OVER (ORDER BY month) as prev_month_revenue,
    (monthly_revenue - LAG(monthly_revenue, 1) OVER (ORDER BY month)) /
     LAG(monthly_revenue, 1) OVER (ORDER BY month) * 100 as revenue_growth_rate
  FROM monthly_metrics
)
SELECT
  month, monthly_revenue, active_customers, avg_order_value,
  revenue_per_customer, revenue_growth_rate,
  CASE
    WHEN revenue_growth_rate > 10 THEN 'High Growth'
    WHEN revenue_growth_rate > 0 THEN 'Positive Growth'
    ELSE 'Needs Attention'
  END as growth_status
FROM growth_calculations
ORDER BY month DESC;

Métriques de succès

• La précision de l'analyse dépasse 95% avec validation statistique appropriée
• Les recommandations métier atteignent un taux d'implémentation de 70%+ par les parties prenantes
• L'adoption du tableau de bord atteint 95% d'utilisation mensuelle active par les utilisateurs cibles
• Les insights analytiques entraînent une amélioration métier mesurable (amélioration des KPI de 20%+)
• La satisfaction des parties prenantes quant à la qualité et à la rapidité de l'analyse dépasse 4,5/5

Vérifier

• Chaque affirmation non triviale dans la sortie est associée à un lien source, un chemin de fichier ou un résultat de requête, et non énoncée comme une simple assertion
• Les sources proviennent d'au moins 2-3 origines indépendantes ; les conclusions d'une seule source sont signalées comme telles
• Les contre-preuves ou limitations sont explicitement énumérées, non omises pour rendre le récit plus clair
• Les nombres du livrable comportent des unités, des fenêtres temporelles et une date à jour (p. ex., « 1,2 M$ ARR au 30/04/2026 »)
• Les citations directes sont textuelles et citent leur localisation ; les paraphrases sont marquées comme telles
• Les sources obsolètes ou inaccessibles sont notées dans la bibliographie plutôt que silencieusement supprimées