Projets de fin de formation

Construire un dashboard ultra complet de suivi de son activité

Bruno & Parking AI

Chez Emil, notre mission est de donner à nos stagiaires les clés de la data analyse. Et pour la plupart d'entre eux, l'un des grands enjeux est d'être capables de construire des Dashboards automatisés dans le cadre de leur activité.


Aujourd’hui, nous voulions donc vous partager un projet récent qui nous a bluffé. Ce projet, c’est celui réalisé par Bruno pour sa startup Parking AI, dans le cadre de sa formation Emil. 


Après un énorme travail d’analyse de ses données, Bruno a su mettre en place un tableau de bord ultra complet. En mettant en pratique plusieurs facettes de la formation, il a créé un cas d’usage idéal, qui témoigne de l’utilité de l’analyse de Data pour faire grandir son entreprise. 


Mais assez tergiversé, entrons dans le vif du sujet ! 


Le projet Parking AI : un dashboard au service de la performance interne et externe de l’entreprise


Lancée en 2018, la startup Parking AI propose des solutions pour faciliter le stationnement. Dès sa création, l’entreprise se spécialise dans l’offre de parking aux aéroports, sécurisant rapidement deux gros contrats avec ceux des villes de Nantes et de Paris. 


Mais ces projets, qui devaient être lancés début 2020, se voient malheureusement gelés pour 24 mois en raison de la pandémie. Parking AI doit donc rebondir rapidement. Dans cette perspective, Bruno va lancer simultanément 3 activités :


  • Un volet B2C, via un agrégateur de solutions de stationnement en France et en Europe. Celui-ci permet aux particuliers comme vous et moi de trouver le meilleur prix pour une place de parking !
  • Une solution SAAS, à travers des logiciels pour les exploitants de parking (en particulier les aéroports) permettant de récupérer tous les flux de données pour les aider à mieux gérer leur activité ;
  • Une offre de consulting, tournée vers le bloc parking afin d’augmenter le taux d’occupation des exploitants. 


Lancé en août 2020, l’agrégateur d’informations liées au parking commence rapidement à engranger un gros volume de données. Afin de pouvoir les agréger et les analyser de telle sorte à booster sa croissance, Bruno décide donc de créer un tableau de bord opérationnel, répondant à plusieurs besoins spécifiques à Parking AI : 


  • Suivre et améliorer le taux de transformation (“acheteurs” d’une place de parking / visiteurs)  le KPI central de ce service ;
  • Récolter des métriques plus précises sur les différents parkings ; 
  • Connaître précisément son coût d’acquisition
  • Suivre sa croissance mensuelle, en dégageant des métriques orientées growth, d’un mois sur l’autre ;
  • Obtenir des prévisionnels à communiquer aux investisseurs.


Problématique data : agréger et nettoyer un large panel de données, issues de sources multiples


Le défi du projet repose donc principalement dans le fait d’agréger correctement et efficacement un large volume de données, provenant de différentes sources


Parmi ces sources, il faut en effet distinguer : 


  • Celles qui sont générées et partagées par les partenaires de l’entreprise (soit plus de 10,000 parkings référencés dans toute l’Europe). Ces données sont réparties dans plusieurs tables (les parkings en eux-mêmes, les places disponibles et les logs d'activités) et sont concaténées sur un fichier unique, grâce à une requête SQL ; 
  • Google Analytics : à la fois sur les données du site et tous les évènements de redirection ;
  • Axonaut - un CRM - qui via Zapier (comme Bruno a appris à le faire pendant la formation Emil) lui permet de générer un document Google Sheet lui servant de source de données pour Google Data Studio ;
  • Les partenaires, qui transmettent tous les mois des fichiers sous différents formats, agrégés et alimentés dans un Google Sheet.  


Bruno commence donc par le nettoyage et la liaison des data, afin de les rendre plus lisibles. Pour représenter son CA et son prévisionnel de ventes par exemple, il a besoin de croiser les données issues de son Business Plan avec celles de son CRM, Axonaut. 


La mise en place du dashboard de Parking AI


Une fois les données nettoyées et les liaisons établies, c’est la mise en place du tableau de bord opérationnel de Parking AI, qui a occupé Bruno. Il crée donc différents onglets dans son dashboard, répondant chacun à un objectif bien précis. 


Le premier onglet lui permet de suivre ses objectifs en temps réel.


Le second, concentré sur les données liées à son revenu, vise à lui offrir une visibilité en temps réel sur son chiffre d’affaires, mais aussi sur le prévisionnel de ventes de ses trois types de prestation. 


Dans le troisième onglet, Bruno développe plusieurs vues :

  • Les métriques principales de son activité d’agrégateur : nombre de redirections, nombre de réservations remontées par les partenaires, taux de transformation, montant des commissions encaissées, et CPC (coût par acquisition). 
  • Les liaisons mises en place entre différentes tables lui permettent aussi de recouper et d’agréger des données par parking. Ainsi, il est capable par exemple de vérifier rapidement, pour le parking de la porte d’Asnières à Paris, le nombre mensuel de visiteurs, les redirections, le taux de transformation, et la commission encaissée. Cette vue lui permet d’identifier assez rapidement quels sont les parkings les plus réactifs.
  • Les données permettent aussi sur le dashboard d’estimer précisément la volumétrie par ville

Et enfin, un quatrième onglet créé via Google Audience Analytics Overview lui offre des informations sur les typologies de visiteurs de son site, comme le taux de fidélisation, la localisation, ou encore la langue parlée. Cette vue lui permet d’ailleurs d’identifier un biais et une anomalie dans ses données, qui va le contraindre à ajuster son dashboard...


L’impact du dashboard et de la data sur Parking AI : la détection des biais 


A partir des données analysées, Bruno remarque que le taux de transformation (“acheteurs” d’une place de parking / visiteurs) est anormalement faible pour des visiteurs américains (pays dans lequel ils ne sont pourtant pas implantés) En creusant un peu plus, il se rend compte qu’il a affaire à un spammeur qui vient “pomper” ses données. Et qui génère donc au passage un ensemble de flux faussant complètement ses statistiques ! 


Cette opération a cependant (et malheureusement) nécessité de reconstruire complètement son tableau de bord, car le segment conçu pour contrer les effets du spamming fonctionne bien sur les analytics de son site, mais pas sur les redirections. Bruno a donc dû retravailler l’ensemble de ses actions afin d’agréger ses analytiques et unifier ses données. Un aléa que de nombreux data analystes rencontrent aujourd’hui !


Le projet Parking AI : un travail d’analyse de données et de mise en place de dashboard complet


La mise à jour de son tableau de bord aura donc permis à Bruno d’obtenir des métriques adaptées à la nouvelle réalité de son entreprise, et capables d’évoluer avec le temps, dans un contexte économique volatil. La formation Data d’Emil lui a donné les clés pour devenir autonome dans la conception de son dashboard et l’interprétation de ses analyses. Pour avancer plus sereinement, et pour simplifier le travail de ses équipes !


A travers l’énorme travail fourni, Bruno a nettement amélioré la maîtrise de ses données, et a pris suffisamment de recul pour automatiser leur agrégation et leur analyse. Une prouesse d’autant plus impressionnante que ces dernières proviennent d’une multitude de sources. Mais aussi, parce que Parking Ai dépend en partie de ses partenaires pour les obtenir !


On espère que ce projet vous aura intéressé, et qu’il entrera en résonance avec vos propres enjeux data. Si vous aussi vous avez envie d’apprendre à mieux maîtriser la data analyse et faire vos premiers pas dans l’univers des données, allez faire un tour du côté de notre programme de formation - le prochain batch recrute encore ses stagiaires…


Autres articles

Ça vous intéresse ?