Références/Pizzeria de quartier
Démonstration · données simuléesAnalytics engineering · Snowflake, dbt, Python
Du ticket de caisse au tableau de bord
Un gérant de pizzeria à Québec veut savoir quand il vend, quoi pousser sur sa carte, et si ses chiffres sont justes. J’ai construit toute la chaîne, du ticket de caisse au tableau de bord.
Démonstration sur données simulées : 2 ans de ventes, 34 347 commandes.
Les ventes
- Ventes nettes, commandes, panier moyen et pourboires, comparés à l’an dernier
- Le coup de feu heure par heure, pour caler les quarts de travail
- Sur place, à emporter, livraison : le poids de chacun

La carte
- Chaque produit classé selon sa popularité et sa marge (méthode Kasavana-Smith) : vedette, valeur sûre, énigme, poids mort
- Une action par produit : le mettre en avant, revoir son prix, le faire connaître ou le retirer
- Les produits souvent commandés ensemble, pour bâtir des formules

Des chiffres contrôlés
- 100 tests dbt à chaque exécution : si un total s’écarte d’un cent de la caisse, rien n’est publié
- Les mêmes définitions partout, du SQL au tableau de bord : vente nette, panier moyen, marge unitaire

Sous le capot
- Un connecteur Python pour l’API de la caisse (Clover), écrit et testé. Pour la démo, un générateur produit les commandes, qui passent par le même chargement vers Snowflake
- Les transformations en dbt : 8 vues de préparation, 12 tables d’analyse documentées colonne par colonne
- Le code Python couvert par 52 tests ; le même projet dbt tourne en local (DuckDB) et sur Snowflake


- Snowflake
- dbt
- SQL
- Python
- DuckDB
Suite
Les missions
Lireka, Tangkoko, Fovéa, One Education : les modèles et les rapports livrés depuis octobre 2025.

Une chaîne de données à construire ?
30 minutes pour cadrer vos sources, ce qui est réaliste, dans quel ordre et à quel coût.