Le contexte
On vous transmet le fichier brut. Comme toujours, il n'est pas propre : espaces dans les noms de colonnes, montants en texte, dates au mauvais format. Votre travail commence là où celui d'Excel s'arrête.
Ce que vous livrez
Un notebook (Jupyter, Google Colab ou Deepnote) qui, de haut en bas :
- Charge
Financial Sample.xlsxavec pandas - Nettoie — noms de colonnes normalisés, types corrigés, valeurs manquantes traitées (et vous expliquez pourquoi vous les traitez ainsi, pas seulement comment)
- Analyse — au minimum : CA et marge par segment, par pays et par mois
- Visualise — au moins deux graphiques lisibles, avec titres et axes nommés
- Conclut — une cellule Markdown finale de 5 à 10 lignes : ce que vous avez trouvé, et ce que vous recommanderiez
Contraintes
- Le notebook doit s'exécuter du début à la fin sans erreur (Redémarrer et tout exécuter)
- Aucune valeur codée en dur : si le fichier change, l'analyse doit toujours tourner
- Au moins une fonction que vous avez écrite vous-même
Comment le rendre
Lien Google Colab (partage : tous ceux qui ont le lien), Deepnote, ou dépôt
GitHub contenant le .ipynb.
Ce qui distingue un bon rendu
Le nettoyage est la partie que tout le monde bâcle et que tout recruteur regarde. Documentez chaque décision de nettoyage en une phrase. « J'ai supprimé les lignes sans montant » est faible ; « j'ai supprimé les 3 lignes sans montant car elles représentent 0,02 % du CA et fausseraient la marge % » est fort.