Thomas BrochardDéveloppement · Data · IA
Échangeons
Retour aux projets

Ingénierie des données

Étude de cas / 05

Sales Warehouse Audit

Retracer les données derrière un total publié.

Relier la réconciliation du chiffre d’affaires, les contrôles d’intégrité d’un entrepôt et la capture des changements en SQL.

Technologies et concepts

  • SQL
  • SQLite
  • Schéma en étoile
  • Déclencheurs d’audit
  • Qualité des données

Démonstration technique / sources sélectionnées

Dépôt privé

01 / Le contexte

Le problème à l’origine de la conception.

Les rapports de chiffre d’affaires peuvent évoluer lorsque les données source sont modifiées, que des références sont rompues ou que des prix produit sont remplacés. Cette étude de cas utilise un modèle de vente au détail pour rendre vérifiables les calculs et les changements ultérieurs.

02 / Choix techniques

Des choix rendus explicites.

Modéliser les lignes de ticket comme des faits

Les faits de vente au niveau de chaque ligne sont liés aux dimensions produit, client, employé et calendrier. La granularité analytique est ainsi explicite.

Réconcilier deux chemins de calcul

L’agrégation directe des lignes et les totaux par ticket fournissent deux calculs comparables du chiffre d’affaires. Les contrôles de références, de doublons et de cohérence des tickets exposent les anomalies possibles de l’entrepôt.

Capturer les changements pour les examiner

Les déclencheurs SQL enregistrent insertions, mises à jour, suppressions et changements de prix dans un modèle commun d’événements d’audit. Des requêtes signalent les modifications de ventes passées et de prix pour examen.

03 / Vue du système

Suivre le cheminement.

Conception de l’audit des ventes : les dimensions et faits par ligne alimentent les vues de revenus, les contrôles d’intégrité, la capture SQL des changements et l’examen des événements d’audit.

Architecture illustrative issue de la présentation du projet. Elle décrit la conception sélectionnée ; elle ne constitue ni un service déployé ni un résultat opérationnel mesuré.

Afficher le schéma en grand
  1. Dimensions de vente

  2. Faits par ligne

  3. Vues de revenus

  4. Contrôles d’intégrité

  5. Capture des changements

  6. Examen de l’audit

04 / Sources présentées

Ce que contient le dépôt.

  • sql/schema.sql
  • sql/validation.sql
  • sql/audit_triggers.sql
  • sql/audit_analysis.sql

05 / Périmètre et limites

Comment lire ce projet.

Démonstration et présentation du code sans extrait de ventes, base de données ou journal opérationnel. Les événements d’audit utilisent une identité d’acteur fictive. Le calcul simplifié du chiffre d’affaires utilise les prix actuels des produits ; leur modification peut donc affecter les totaux passés. L’historisation des prix, l’authentification des acteurs, des journaux résistants à l’altération et des alertes opérationnelles demandent une conception complémentaire. Une modification rétrospective est un signal à examiner, pas une preuve de faute.

Explorer les sources avec un accès.

Le dépôt GitHub est privé. Son lien fonctionne pour les collaborateurs autorisés ; les autres visiteurs peuvent me contacter pour discuter du projet.

Étude de cas suivante / 06

Building Energy Prediction

Analyse et apprentissage automatique

Explorer la collection

La prochaine conversation

Parlons de votre projet.

↗
Un besoin, une idée, une question technique.
LinkedIn ↗GitHub ↗