Patrice's portfolio
Ajoutez cette page à vos favoris pour suivre les mises à jour de mes projets !
Projet SQL : Analyse des données commerciales d'un disquaire
Ce projet utilise MySQL pour analyser les données d'un magasin de disques fictif. L'objectif est de comprendre l'activité du magasin et d'optimiser les opérations en se basant sur des requêtes SQL.
Introduction
Dans ce projet, nous avons manipulé une base de données MySQL représentant un magasin de musique. Les données contiennent des informations sur les albums, artistes, clients, employés, factures, morceaux de musique et bien plus encore. L'objectif principal était d'importer ces données et d'exécuter diverses requêtes SQL pour obtenir des insights commerciaux et corriger les problèmes d'importation des fichiers CSV.
Structure des tables
- employee : Détails des employés.
- customer : Informations sur les clients, y compris leur représentant de support.
- invoice : Factures émises aux clients.
- invoice_line : Détails des articles vendus dans les factures.
- track : Informations sur les morceaux de musique, y compris l'album, le genre et le type de média.
- playlist_track : Association entre les playlists et les morceaux.
- playlist : Détails des playlists créées par les utilisateurs.
- album : Albums associés aux artistes.
- artist : Détails des artistes de musique.
- media_type : Types de médias (ex : fichier MP3, fichier vidéo).
- genre : Genres de musique (rock, pop, etc.).
Opérations effectuées
Nous avons effectué les opérations suivantes pour analyser les données :
- Importation des fichiers CSV dans MySQL : Les fichiers CSV, tels que employee.csv, customer.csv, et invoice.csv, ont été importés avec quelques corrections manuelles pour résoudre des erreurs de clés étrangères et de formats de données.
- Vérification des incohérences : Nous avons vérifié l'intégrité des clés étrangères avec des requêtes SQL pour nous assurer que les relations entre les tables étaient valides.
Requêtes analytiques SQL
Plusieurs requêtes SQL ont été exécutées pour obtenir des insights spécifiques sur l'activité du magasin. Voici quelques exemples :
- Employé le plus jeune : Obtenir le prénom, le nom et le titre de l'employé le plus jeune en fonction de sa date de naissance.
- Top 3 des pays avec le plus de factures : Classement des pays en fonction du nombre total de factures.
- Meilleur client en termes de dépenses totales : Le client ayant dépensé le plus sur le magasin.
- Genre de musique le plus populaire par pays : Le genre musical le plus acheté par pays.
Conclusion
Ce projet SQL a permis de manipuler efficacement des données complexes, de résoudre des problèmes liés à l'importation de fichiers CSV et de générer des insights précieux via des requêtes SQL optimisées. Ces analyses peuvent aider à mieux comprendre le comportement des clients et la popularité des genres musicaux.