🎯 Énoncé — Performance des 104 magasins
Vous êtes analyste pour une chaîne fictive de retail composée de 104 magasins répartis sur deux enseignes : Fashions Direct (grands magasins) et Lindseys (magasins de proximité).
Le PDG vous demande un audit : "Quels districts performent ? Quels magasins sous-performent ? Et nos nouveaux magasins ouverts cette année génèrent-ils du chiffre ?"
📦 Données fournies
Téléchargez Retail_Analysis_Sample.pbix (13,6 Mo) — bouton vert ci-dessous.
| Table | Contenu |
|---|---|
| Sales | Ventes hebdomadaires par magasin / catégorie |
| Store | 104 magasins (codes postaux, gérants, surface m²) |
| District | ~20 districts géographiques |
| District Manager | Gérants régionaux (dont Allan Guinot) |
| Item | Catégories produits (Womens-10, Mens-20, …) |
| Time | Calendrier 2014 et 2013 |
🛠️ Étape 1 — Vue d'ensemble (page "Store Sales Overview")
- Combien y a-t-il de magasins au total ? (indice : carte en haut)
- Combien sont des nouveaux magasins ouverts en 2014 ?
- Sur le graphique en secteurs This Year Sales by Chain, cliquez sur "Fashions Direct"
- Q1. Quel district Fashions Direct a la plus haute moyenne $/sq ft ?
- Q2. Quel district a la pire variance vs N-1 ?
🛠️ Étape 2 — Analyse mensuelle (page "District Monthly Sales")
- Observez le graphique Total Sales Variance % by Fiscal Month
- Q3. Quels sont les 3 mois en plus forte baisse vs N-1 ?
- Cliquez sur la bulle 010-Womens dans le graphique en bulles
- Q4. Comment performe la catégorie Femmes en 2014 vs 2013 ?
- Cliquez ensuite sur 020-Mens
- Q5. Quelle catégorie souffre le plus ?
- Filtrez par District Manager Allan Guinot
- Q6. Quels mois Allan a-t-il surperformé ?
🛠️ Étape 3 — Nouveaux magasins (page "New Stores Analysis")
- Q7. Combien de nouveaux Fashions Direct ont ouvert ?
- Q8. Combien de nouveaux Lindseys ?
- Observez le graphique Sales Per Sq Ft by Name
- Q9. Quel est le meilleur nouveau magasin Fashions Direct ? Son $/sq ft ?
- Q10. Quel est le pire ? Quand a-t-il ouvert ?
🛠️ Étape 4 — Recréer une mesure DAX clé
Dans Power BI Desktop, ouvrez la table Sales et créez la mesure
Total Sales Variance % qui calcule la variation % entre cette année et l'année dernière :
Total Sales Variance % =
VAR _TY = SUM( Sales[Total Sales This Year] )
VAR _LY = SUM( Sales[Total Sales Last Year] )
RETURN
DIVIDE( _TY - _LY, _LY, 0 )Format : Pourcentage, 1 décimale.
Bonus : recréez également Sales Per Sq Ft :
Sales Per Sq Ft =
DIVIDE(
SUM( Sales[Total Sales This Year] ),
SUM( Store[Selling Area Size] ),
0
)✅ Solution attendue
👉 Cliquez pour voir les réponses
Total magasins : 104 — dont 10 nouveaux en 2014
Q1. District FD-01 (plus haut $/sq ft)
Q2. District FD-02
Q3. Janvier, Avril, Juillet 2014
Q4. Mauvaise — performance bien inférieure à 2013 pour presque tous les mois
Q5. La catégorie 010-Womens
Q6. Mars et Juin
Q7. ~8 nouveaux Fashions Direct
Q8. ~2 nouveaux Lindseys
Q9. Winchester Fashions Direct → 21,22 $/sq ft
Q10. Cincinnati 2 Fashions Direct → 12,86 $/sq ft, ouvert en juin
📝 Livrable
Dans un nouveau .pbix, recréez :
- La mesure
Total Sales Variance % - La mesure
Sales Per Sq Ft - Un graphique combiné montrant la variance par mois
Sauvegardez sous RetailAnalysis_NomGroupe.pbix et déposez dans /travaux/.