📊 Analyse des Ventes Amazon

📁 Description du projet

Ce projet a pour objectif d'analyser un jeu de données contenant les ventes réalisées sur Amazon. L’analyse a été menée à l’aide de Python, notamment avec les bibliothèques pandas, matplotlib, seaborn et numpy. L’objectif principal est de tirer des insights sur les performances des ventes, les tendances produits, les périodes de forte activité, et les comportements clients.

🧰 Technologies utilisées

• Python 3.x
• Pandas
• Matplotlib
• Seaborn
• NumPy
• Jupyter Notebook

📄 Contenu du notebook

Le notebook suit les étapes classiques d’un projet d’analyse de données :

1. Importation des bibliothèques

2. Chargement des données depuis le fichier Amazon Sale Report.csv

3. Exploration des données (EDA) :

   • Taille et structure du dataset
   • Types de colonnes
   • Données manquantes
   • Statistiques descriptives

4. Nettoyage des données :

   • Suppression des valeurs manquantes
   • Conversion de types (dates, numériques, etc.)

5. Visualisations :

   • Analyse des ventes par produit, date, catégorie
   • Corrélations entre les variables
   • Graphiques linéaires, histogrammes, heatmaps

6. Insights :

   • Identification des produits les plus vendus
   • Heures/jours/mois avec les ventes les plus fortes
   • Produits sous-performants ou non rentables

📈 Objectifs atteints

• Nettoyage d’un dataset brut
• Extraction d’indicateurs clés de performance (KPI)
• Visualisation claire des tendances
• Création d’une base pour des recommandations business

📂 Fichiers

• Amazon-vente.ipynb : Notebook principal avec toute l’analyse
• Amazon Sale Report.csv : Jeu de données source
• README.md : Présentation du projet

📝 À améliorer / pistes futures

• Ajouter une analyse prédictive avec des modèles de machine learning
• Intégrer un dashboard interactif (ex. : avec Plotly ou Dash)
• Étendre l’analyse à plusieurs marketplaces Amazon (FR, US, etc.)