Master · Data & Business Intelligence · 4 jeux de données

Les jeux de données du parcours,
fournis, documentés et téléchargeables.

Quatre jeux synthétiques, 132 010 lignes et 27,5 Mo au total. Chacun existe en deux versions : une version propre, sur laquelle les résultats de référence sont calculés, et une version brute portant 1 624 lignes d’anomalies posées exprès, chacune comptée et accompagnée de sa règle de nettoyage.

Aucune donnée personnelle réelle : les noms viennent de listes de syllabes, les adresses n’existent pas, les montants ne concernent personne. Chaque générateur est reproductible à la graine — relancé avec la même graine, il réécrit les fichiers à l’identique ; relancé avec une autre, il produit un jeu d’entraînement de même forme et de chiffres différents. Et chaque jeu refuse de s’écrire si son invariant est rompu : c’est ce qui rend les corrigés possibles.

Les résultats de référence sont lus dans les fichiers livrés à chaque génération, jamais recopiés à la main — et ils sont recalculés une seconde fois en SQL sur la base SQLite, par un chemin de calcul indépendant. Les deux doivent tomber d’accord, sinon rien n’est publié.

ventes — Ventes et rentabilite d une entreprise de commerce

Le jeu commun des six cursus : les memes chiffres servent a construire un modele en etoile dans Power BI, a ecrire les memes mesures en DAX, en LookML, en champs calcules Tableau et en pandas — et a verifier qu on obtient le meme resultat. Les montants s additionnent, les totaux se reconcilient : c est le jeu ou tout se comporte bien.

Chiffre d’affaires total : 24 381 090,09 € · Marge totale : 5 018 562,06 € · Unités vendues : 55 047 · Clients ayant acheté : 1 111

Les 5 tables de la version propre, leur grain, leur clé, et le poids mesuré sur le disque — total 3,4 Mo de CSV, plus 3,3 Mo de base SQLite.
table	une ligne représente	clé	lignes	poids
`ventes`	une ligne par ligne de vente (un produit, un client, une date)	`vente_id`	20 000	1,6 Mo
12 colonne(s) de `ventes` `vente_id` — identifiant de la ligne de vente — texte, unique `date` — date de la vente — AAAA-MM-JJ, cle vers calendrier.date `produit_id` — cle vers produits.produit_id `client_id` — cle vers clients.client_id `magasin_id` — cle vers magasins.magasin_id `canal` — magasin \| en ligne \| telephone `quantite` — nombre d unites vendues — entier strictement positif `prix_unitaire` — prix catalogue applique, en euros `remise_taux` — remise consentie, de 0 a 0,45 — proportion, pas pourcentage `prix_unitaire_net` — prix_unitaire x (1 - remise_taux), arrondi au centime `chiffre_affaires` — prix_unitaire_net x quantite, en euros `cout_total` — cout_unitaire du produit x quantite, en euros
`produits`	une ligne par reference	`produit_id`	72	4 ko
6 colonne(s) de `produits` `produit_id` — identifiant de la reference `libelle` — nom commercial `famille` — famille de produits — dimension d analyse principale `prix_catalogue` — prix de vente conseille, en euros `cout_unitaire` — cout d achat unitaire, en euros `date_lancement` — date de mise au catalogue
`clients`	une ligne par client	`client_id`	1 111	63 ko
6 colonne(s) de `clients` `client_id` — identifiant du client `nom` — nom de famille — invente `prenom` — prenom — invente `segment` — Particulier \| Professionnel \| Collectivite `region` — region de rattachement `date_inscription` — date de creation du compte client
`magasins`	une ligne par point de vente	`magasin_id`	7	0 ko
5 colonne(s) de `magasins` `magasin_id` — identifiant du magasin `libelle` — nom du point de vente `region` — region administrative `type` — magasin \| en ligne `surface_m2` — surface en metres carres — VIDE pour la boutique en ligne
`calendrier`	une ligne par jour, sans trou	`date`	1 096	43 ko
8 colonne(s) de `calendrier` `date` — jour — AAAA-MM-JJ `annee` — annee sur quatre chiffres `trimestre` — T1 a T4 `mois_numero` — 1 a 12 `mois_nom` — nom du mois en francais, sans accent `annee_mois` — AAAA-MM, pour trier les mois dans l ordre `jour_semaine` — 1 (lundi) a 7 (dimanche) `est_week_end` — 1 pour samedi et dimanche, 0 sinon

Les 8 anomalies de la version brute, **422 lignes** au total. Chacune est posée, comptée et écrite : un exercice de nettoyage où l’élève corrigerait un défaut que l’auteur n’avait pas vu n’aurait pas de corrigé possible.
code	table	lignes	anomalie	règle de nettoyage
`A01`	`ventes`	50	lignes dupliquees a l identique, vente_id compris	dedoublonner sur vente_id ; un identifiant est unique par definition
`A02`	`ventes`	66	quantite vide	une cellule vide n est pas un zero : decider explicitement — exclure la ligne, ou imputer, et le dire
`A03`	`ventes`	80	dates ecrites en JJ/MM/AAAA ou MM/JJ/AAAA au lieu de AAAA-MM-JJ	normaliser en ISO ; attention au 03/04 qui se lit dans les deux sens
`A04`	`ventes`	66	montants ecrits « 1 234,56 EUR »	retirer l unite, remplacer la virgule par un point, convertir en nombre
`A05`	`ventes`	40	produit_id absent du referentiel produits	une jointure interne les perdrait en silence : les compter AVANT de joindre
`A06`	`clients`	92	segment avec casse et espaces variables	couper les espaces et harmoniser la casse AVANT de grouper, sinon trois segments apparaissent la ou il n y en a qu un
`A07`	`ventes`	25	prix unitaire negatif (avoir saisi comme une vente)	decider : exclure, ou traiter comme un retour — et le documenter
`A08`	`produits`	3	produit_id present deux fois avec des prix differents	une jointure dupliquerait les ventes : choisir la ligne qui fait foi avant de joindre

À télécharger

CSV — version propre (séparateur ;, UTF-8) : calendrier clients magasins produits ventes

CSV — version brut (séparateur ;, UTF-8) : calendrier clients magasins produits ventes

Fiches : dictionnaire.json anomalies.json resultats-reference.json ventes.sqlite

Reproductible : python outils/donnees/ventes.py --graine 20261007 réécrit ces fichiers à l’identique. Une autre graine donne un jeu d’entraînement de même forme et de chiffres différents.

saas — Abonnements SaaS : revenu recurrent, expansion, contraction, resiliation

Le jeu ou la grandeur centrale NE S ADDITIONNE PAS. Le revenu recurrent mensuel existe a un instant ; sommer ses trente-six valeurs donne un nombre qui ne veut rien dire — et qui vaut, au centime, le total facture sur trois ans. Deux grandeurs legitimes, deux questions differentes, le meme nombre.

Revenu récurrent au dernier mois : 147 916,50 € · Somme des 36 revenus mensuels : 2 605 625,00 € · Facteur entre les deux : 17,62 × · Total facturé hors taxes — le même nombre : 2 605 625,00 € · Clients actifs au dernier mois : 487 · Places payées pour rien : 26,90 %

Invariant garanti. un seul abonnement actif par client a tout instant — c est ce qui rend le revenu recurrent calculable, et le generateur refuse d ecrire si l invariant est rompu

Les 6 tables de la version propre, leur grain, leur clé, et le poids mesuré sur le disque — total 2,0 Mo de CSV, plus 1,7 Mo de base SQLite.
table	une ligne représente	clé	lignes	poids
`offres`	une ligne par offre du catalogue	`offre_id`	4	0 ko
5 colonne(s) de `offres` `offre_id` — identifiant de l offre — texte, unique `nom` — nom commercial de l offre `prix_mensuel` — forfait mensuel en euros, places incluses comprises `places_incluses` — nombre de places comprises dans le forfait — entier `prix_place_supplementaire` — prix mensuel de chaque place au-dela des incluses, en euros ; zero pour l offre illimitee
`clients`	une ligne par entreprise cliente	`client_id`	600	30 ko
6 colonne(s) de `clients` `client_id` — identifiant du client — texte, unique `raison_sociale` — nom de l entreprise — synthetique, aucune entreprise reelle `segment` — TPE \| PME \| ETI \| Grand compte `pays` — pays de facturation `secteur` — secteur d activite declare `date_premier_contact` — date du premier contact commercial — AAAA-MM-JJ, toujours anterieure au debut du premier abonnement
`abonnements`	une ligne par periode d abonnement d un client ; un changement d offre ferme la periode precedente et en ouvre une nouvelle	`abonnement_id`	829	38 ko
8 colonne(s) de `abonnements` `abonnement_id` — identifiant de la periode — texte, unique `client_id` — cle vers clients.client_id `offre_id` — cle vers offres.offre_id `date_debut` — premier jour de la periode — AAAA-MM-JJ, toujours un 1er du mois `date_fin` — dernier jour de la periode — AAAA-MM-JJ, VIDE si l abonnement est encore actif ; une cellule vide est donc une information, pas un manque `places` — nombre de places payees — entier strictement positif `montant_mensuel` — prix mensuel de la periode, en euros : forfait de l offre plus les places au-dela des incluses `motif_fin` — budget \| concurrent \| projet termine \| insatisfaction \| fusion — VIDE si la periode s est terminee par un changement d offre ou si elle est encore active
`factures`	une ligne par mois et par abonnement actif, emise le 1er du mois	`facture_id`	9 234	619 ko
9 colonne(s) de `factures` `facture_id` — identifiant de la facture — texte, unique `abonnement_id` — cle vers abonnements.abonnement_id `client_id` — cle vers clients.client_id `date_emission` — date d emission — AAAA-MM-JJ, toujours un 1er du mois `periode` — mois facture — AAAA-MM `montant_ht` — montant hors taxes, en euros — egal au montant mensuel de l abonnement `tva` — 20 % du hors taxes, arrondis au centime `montant_ttc` — hors taxes plus TVA, au centime `statut` — payee \| en retard \| impayee
`usage_mensuel`	une ligne par mois et par abonnement actif	`abonnement_id + annee_mois`	9 234	300 ko
7 colonne(s) de `usage_mensuel` `client_id` — cle vers clients.client_id `abonnement_id` — cle vers abonnements.abonnement_id `annee_mois` — mois observe — AAAA-MM `places_payees` — places facturees ce mois-la — entier `places_utilisees` — places effectivement utilisees — entier, toujours inferieur ou egal aux places payees `connexions` — nombre de connexions sur le mois `exports` — nombre d exports de donnees sur le mois
`calendrier`	une ligne par jour de la periode, sans trou	`date`	1 096	43 ko
8 colonne(s) de `calendrier` `date` — jour — AAAA-MM-JJ `annee` — annee sur quatre chiffres `trimestre` — T1 a T4 `mois_numero` — numero du mois, 1 a 12 `mois_nom` — nom du mois en francais `annee_mois` — AAAA-MM `est_fin_de_mois` — 1 si c est le dernier jour du mois, 0 sinon `jour_semaine` — 1 pour lundi a 7 pour dimanche

Les 12 anomalies de la version brute, **285 lignes** au total. Chacune est posée, comptée et écrite : un exercice de nettoyage où l’élève corrigerait un défaut que l’auteur n’avait pas vu n’aurait pas de corrigé possible.
code	table	lignes	anomalie	règle de nettoyage
`A01`	`abonnements`	40	lignes dupliquees a l identique, abonnement_id compris	dedoublonner sur abonnement_id ; un identifiant est unique par definition
`A02`	`abonnements`	18	date_fin anterieure a date_debut	une periode negative n existe pas : ecarter la ligne ou retablir l ordre des deux dates
`A03`	`abonnements`	25	periodes qui se chevauchent pour un meme client : son revenu est compte deux fois	un seul abonnement actif par client et par jour ; recouper les periodes et trancher
`A04`	`abonnements`	30	montant_mensuel exprime en centimes au lieu d euros	comparer a prix_mensuel de l offre : un facteur 100 se voit, un contrôle de type non
`A05`	`clients`	22	segment vide	une cellule vide n est pas une categorie : decider explicitement — exclure, ou creer « non renseigne », et le dire
`A06`	`abonnements`	35	date_debut ecrite en JJ/MM/AAAA au lieu de AAAA-MM-JJ	normaliser en ISO ; attention au 03/04 qui se lit dans les deux sens
`A07`	`factures`	20	client_id absent du referentiel des clients	jointure externe puis comptage : une facture orpheline ne se rattache a aucun revenu
`A08`	`factures`	28	montant_ttc egal au hors taxes : la TVA manque	recalculer : ttc = ht + tva, au centime — et ne jamais faire confiance a une colonne calculee livree
`A09`	`factures`	12	montant_ht negatif	un avoir se declare comme tel : soit une colonne de type, soit une table a part
`A10`	`factures`	15	facture_id en double avec deux montants differents : le total depend de la ligne gardee	dedoublonner sur facture_id, et dire laquelle est retenue — la premiere, la derniere, ou la plus elevee
`A11`	`usage_mensuel`	26	places_utilisees superieures aux places payees	impossible par construction : la mesure est fausse, ou la ligne appartient a un autre abonnement
`A12`	`abonnements`	14	offre_id absente du referentiel des offres	jointure externe : un abonnement sans offre n a pas de prix de liste, donc pas d ecart mesurable

À télécharger

CSV — version propre (séparateur ;, UTF-8) : abonnements calendrier clients factures offres usage_mensuel

CSV — version brut (séparateur ;, UTF-8) : abonnements calendrier clients factures offres usage_mensuel

Fiches : dictionnaire.json anomalies.json resultats-reference.json saas.sqlite

Reproductible : python outils/donnees/saas.py --graine 20261010 réécrit ces fichiers à l’identique. Une autre graine donne un jeu d’entraînement de même forme et de chiffres différents.

rh — Ressources humaines : effectif, remuneration, absences, departs

Le jeu qui porte un PARADOXE DE SIMPSON. L ecart de salaire entre femmes et hommes est large sur l ensemble de l entreprise, et presque nul a poste comparable, parce que la repartition par famille de metiers n est pas la meme. Les deux chiffres sont justes, et celui qu on publie change la conclusion.

Effectif au dernier mois : 408 · Écart salarial global, en équivalent temps plein : 26,27 % · Le même écart à poste comparable : 2,20 % · Facteur entre les deux : 11,94 × · Taux d’absentéisme : 1,27 % · Taux de rotation sur la dernière année : 19,74 %

Invariant garanti. aucune ligne de paie ni d absence hors de la periode de presence du salarie — c est ce qui rend l effectif, la masse salariale et le taux d absenteisme calculables, et le generateur refuse d ecrire si l invariant est rompu

Piège posé. un paradoxe de Simpson : 2 % d ecart salarial a poste comparable, et une repartition inegale des familles de metiers entre femmes et hommes. L ecart global qui en resulte est mesure dans resultats-reference.json, jamais annonce

Les 6 tables de la version propre, leur grain, leur clé, et le poids mesuré sur le disque — total 1,0 Mo de CSV, plus 1,2 Mo de base SQLite.
table	une ligne représente	clé	lignes	poids
`postes`	une ligne par poste : une famille de metiers et un niveau	`poste_id`	30	2 ko
6 colonne(s) de `postes` `poste_id` — identifiant du poste — texte, unique `intitule` — famille et niveau en clair `famille` — Direction \| Ingenierie \| Commerce \| Production \| Support \| Administration `niveau` — niveau de 1 a 5 — entier `salaire_base_mensuel` — salaire de base a temps plein, en euros `statut` — cadre \| non cadre
`etablissements`	une ligne par etablissement	`etablissement_id`	5	0 ko
4 colonne(s) de `etablissements` `etablissement_id` — identifiant — texte, unique `libelle` — nom de l etablissement `region` — region administrative `effectif_cible` — effectif vise par la direction — entier, sert aux ecarts
`salaries`	une ligne par salarie	`salarie_id`	520	37 ko
12 colonne(s) de `salaries` `salarie_id` — identifiant — texte, unique `matricule` — numero de serie interne — texte, unique `nom` — nom — synthetique, aucune personne reelle `prenom` — prenom — synthetique `sexe` — F \| H `date_naissance` — AAAA-MM-JJ — age a l entree toujours entre 16 et 70 ans `date_entree` — premier jour de presence — AAAA-MM-JJ, parfois anterieur au debut de la periode observee `date_sortie` — dernier jour de presence — AAAA-MM-JJ, VIDE si le salarie est toujours present ; une cellule vide est donc une information `motif_sortie` — demission \| fin de contrat \| rupture conventionnelle \| retraite \| licenciement — VIDE si le salarie est present `poste_id` — cle vers postes.poste_id `etablissement_id` — cle vers etablissements.etablissement_id `temps_travail` — PROPORTION et non pourcentage : 0,50 · 0,80 · 1,00
`remunerations`	une ligne par mois de presence et par salarie	`salarie_id + annee_mois`	11 720	404 ko
5 colonne(s) de `remunerations` `salarie_id` — cle vers salaries.salarie_id `annee_mois` — mois de paie — AAAA-MM, toujours dans la periode de presence `salaire_brut_mensuel` — brut du mois en euros, deja proportionne au temps de travail — pour comparer deux salaries, diviser par temps_travail `prime` — prime du mois en euros, souvent nulle `heures_payees` — heures payees — 151,67 a temps plein
`absences`	une ligne par absence	`absence_id`	979	48 ko
6 colonne(s) de `absences` `absence_id` — identifiant — texte, unique `salarie_id` — cle vers salaries.salarie_id `date_debut` — premier jour d absence — AAAA-MM-JJ `date_fin` — dernier jour d absence — AAAA-MM-JJ `motif` — maladie \| conge paye \| formation \| sans solde \| maternite ou paternite `jours_ouvres` — jours ouvres couverts par l absence — entier strictement positif
`calendrier`	une ligne par jour de la periode, sans trou	`date`	1 096	43 ko
8 colonne(s) de `calendrier` `date` — jour — AAAA-MM-JJ `annee` — annee sur quatre chiffres `trimestre` — T1 a T4 `mois_numero` — numero du mois, 1 a 12 `mois_nom` — nom du mois en francais `annee_mois` — AAAA-MM `est_ouvre` — 1 du lundi au vendredi, 0 le week-end `jour_semaine` — 1 pour lundi a 7 pour dimanche

Les 12 anomalies de la version brute, **247 lignes** au total. Chacune est posée, comptée et écrite : un exercice de nettoyage où l’élève corrigerait un défaut que l’auteur n’avait pas vu n’aurait pas de corrigé possible.
code	table	lignes	anomalie	règle de nettoyage
`A01`	`salaries`	26	lignes dupliquees a l identique, salarie_id compris	dedoublonner sur salarie_id ; un identifiant est unique par definition
`A02`	`salaries`	16	date_sortie anterieure a date_entree	une periode negative n existe pas : ecarter la ligne ou retablir l ordre des deux dates
`A03`	`salaries`	34	sexe code de plusieurs facons : f, Femme, FEMME, h, Homme, M	normaliser sur un vocabulaire ferme AVANT tout regroupement ; sinon un meme groupe se compte en six categories
`A04`	`salaries`	22	temps_travail ecrit en pourcentage (80,00) au lieu d une proportion (0,80)	un taux depasse rarement 1 : tout ce qui est au-dessus est un pourcentage deguise
`A05`	`remunerations`	30	salaire_brut_mensuel exprime en centimes au lieu d euros	comparer au salaire de base du poste : un facteur 100 se voit, un contrôle de type non
`A06`	`remunerations`	21	lignes de paie posterieures a la date de sortie du salarie	rapprocher chaque paie de la periode de presence : la masse salariale et l effectif sont tous deux faux, sans qu aucune ligne soit invalide prise seule
`A07`	`salaries`	18	poste_id absent du referentiel des postes	jointure externe : un salarie sans poste n a pas de salaire de base, donc aucun ecart mesurable
`A08`	`absences`	14	absence_id en double avec deux durees differentes : le total depend de la ligne gardee	dedoublonner sur absence_id, et dire laquelle est retenue
`A09`	`absences`	20	jours_ouvres a zero sur une absence datee	zero jour ouvre est possible pour un week-end seul : verifier les dates avant de conclure a une erreur — et ne jamais diviser par la somme sans l avoir regardee
`A10`	`absences`	18	absence situee hors de la periode de presence du salarie	encadrer par les deux dates du salarie : un taux d absenteisme calcule sans cet encadrement depasse 100 % pour certains
`A11`	`salaries`	12	date_naissance donnant un age a l entree inferieur a 16 ans ou superieur a 70	borner avant de publier une pyramide des ages : une seule valeur a 101 ans deplace la moyenne et ecrase l echelle du graphique
`A12`	`salaries`	16	etablissement_id vide	une cellule vide n est pas un etablissement : decider explicitement — exclure, ou creer « non affecte », et le dire

À télécharger

CSV — version propre (séparateur ;, UTF-8) : absences calendrier etablissements postes remunerations salaries

CSV — version brut (séparateur ;, UTF-8) : absences calendrier etablissements postes remunerations salaries

Fiches : dictionnaire.json anomalies.json resultats-reference.json rh.sqlite

Reproductible : python outils/donnees/rh.py --graine 20261010 réécrit ces fichiers à l’identique. Une autre graine donne un jeu d’entraînement de même forme et de chiffres différents.

logistique — Logistique : commandes, expeditions, delais, stock

Le jeu ou le DENOMINATEUR se discute. Le taux de service se calcule sur les expeditions livrees, sur les commandes livrees ou sur les commandes passees : trois taux defendables, et plus de dix points d ecart. Et les delais ont une QUEUE LONGUE, ou la moyenne est tres au-dessus de la mediane.

Taux de service sur les expéditions livrées : 66,39 % · Le même numérateur, sur les commandes passées : 55,63 % · Écart entre les deux : 10,76 points · Délai de livraison médian : 2,00 j · Délai moyen : 3,62 j · Délai au 95ᵉ centile : 11 j · Facteur de la jointure commandes → expéditions : 1,15 ×

Invariant garanti. le stock ne devient jamais negatif : le cumul chronologique des mouvements, par entrepot et par article, reste positif ou nul a chaque ligne. Toute commande a au moins une ligne ; toute commande livree a au moins une expedition livree ; une commande annulee n a aucune expedition

Pièges posés. un taux dont le denominateur se discute (trois taux de service differents et tous defendables), et une distribution de delais a queue longue, ou la moyenne est tres au-dessus de la mediane

Les 8 tables de la version propre, leur grain, leur clé, et le poids mesuré sur le disque — total 7,5 Mo de CSV, plus 7,4 Mo de base SQLite.
table	une ligne représente	clé	lignes	poids
`entrepots`	une ligne par entrepot	`entrepot_id`	4	0 ko
5 colonne(s) de `entrepots` `entrepot_id` — identifiant — texte, unique `libelle` — nom de l entrepot `region` — region administrative `surface_m2` — surface en metres carres — entier `quais` — nombre de quais de chargement — entier
`transporteurs`	une ligne par transporteur	`transporteur_id`	4	0 ko
4 colonne(s) de `transporteurs` `transporteur_id` — identifiant — texte, unique `nom` — nom commercial — invente `delai_contractuel_jours` — delai promis au contrat, en jours — entier `taux_service_contractuel` — taux de service promis au contrat — proportion de 0 a 1, PAS un pourcentage
`articles`	une ligne par reference	`article_id`	84	4 ko
7 colonne(s) de `articles` `article_id` — identifiant — texte, unique `libelle` — designation `famille` — Mobilier \| Electromenager \| Jardin \| Bricolage \| Decoration \| Luminaire `poids_kg` — poids unitaire en kilogrammes `volume_dm3` — volume unitaire en decimetres cubes `prix_unitaire` — prix de vente unitaire en euros `stock_securite` — seuil de reapprovisionnement — entier
`commandes`	une ligne par commande	`commande_id`	12 000	693 ko
8 colonne(s) de `commandes` `commande_id` — identifiant — texte, unique `client_ref` — reference client — numero de serie, aucune personne reelle `date_commande` — date de passation — AAAA-MM-JJ `date_promesse` — date de livraison promise — AAAA-MM-JJ, jamais anterieure a la commande `entrepot_id` — cle vers entrepots.entrepot_id `canal` — web \| magasin \| marketplace \| telephone `statut` — livree \| en cours \| annulee `motif_annulation` — rupture de stock \| demande du client \| adresse invalide \| paiement refuse — VIDE si la commande n est pas annulee
`lignes_commande`	une ligne par article commande ; une commande en a de une a six	`ligne_id`	25 588	1 004 ko
6 colonne(s) de `lignes_commande` `ligne_id` — identifiant — texte, unique `commande_id` — cle vers commandes.commande_id `article_id` — cle vers articles.article_id `quantite` — nombre d unites — entier strictement positif `prix_unitaire` — prix applique, en euros `montant_ligne` — prix_unitaire x quantite, au centime
`expeditions`	une ligne par expedition ; une commande peut partir en PLUSIEURS expeditions, ce qui fait que joindre les deux tables multiplie les montants de commande	`expedition_id`	11 997	585 ko
7 colonne(s) de `expeditions` `expedition_id` — identifiant — texte, unique `commande_id` — cle vers commandes.commande_id `transporteur_id` — cle vers transporteurs.transporteur_id `date_expedition` — date de depart — AAAA-MM-JJ, jamais anterieure a la commande `date_livraison` — date d arrivee — AAAA-MM-JJ, VIDE si la livraison est encore en cours ; une cellule vide est donc une information `poids_kg` — poids expedie, en kilogrammes `nb_colis` — nombre de colis — entier
`mouvements_stock`	une ligne par mouvement de stock	`mouvement_id`	23 970	1,5 Mo
7 colonne(s) de `mouvements_stock` `mouvement_id` — identifiant — texte, unique `date` — date du mouvement — AAAA-MM-JJ `entrepot_id` — cle vers entrepots.entrepot_id `article_id` — cle vers articles.article_id `type` — entree \| sortie \| ajustement `quantite` — quantite du mouvement — entier positif ; le SIGNE vient du type `motif` — stock initial \| reapprovisionnement \| preparation de commande \| inventaire
`calendrier`	une ligne par jour de la periode, sans trou	`date`	730	34 ko
8 colonne(s) de `calendrier` `date` — jour — AAAA-MM-JJ `annee` — annee sur quatre chiffres `trimestre` — T1 a T4 `mois_numero` — numero du mois, 1 a 12 `mois_nom` — nom du mois en francais `annee_mois` — AAAA-MM `semaine_iso` — AAAA-Sxx `est_ouvre` — 1 du lundi au vendredi, 0 le week-end

Les 12 anomalies de la version brute, **670 lignes** au total. Chacune est posée, comptée et écrite : un exercice de nettoyage où l’élève corrigerait un défaut que l’auteur n’avait pas vu n’aurait pas de corrigé possible.
code	table	lignes	anomalie	règle de nettoyage
`A01`	`lignes_commande`	90	lignes dupliquees a l identique, ligne_id compris	dedoublonner sur ligne_id ; un identifiant est unique par definition
`A02`	`expeditions`	60	date_livraison anterieure a date_expedition	un delai negatif n existe pas : ecarter la ligne, et ne JAMAIS la laisser entrer dans une moyenne de delai
`A03`	`expeditions`	70	poids exprime en grammes au lieu de kilogrammes	recouper avec la somme des poids des articles commandes : un facteur 1 000 se voit, un contrôle de type non
`A04`	`commandes`	80	statut ecrit de plusieurs facons : Livree, LIVREE, delivered, livrée	normaliser sur un vocabulaire ferme AVANT tout regroupement ; sinon un meme statut se compte en cinq categories et le taux de service est faux
`A05`	`lignes_commande`	81	commandes sans aucune ligne : 40 commandes orphelines	jointure externe puis comptage : une commande sans ligne a un montant de zero, et elle ecrase le panier moyen
`A06`	`lignes_commande`	55	quantite a zero	une ligne de commande a zero n existe pas : decider explicitement — ecarter, ou la traiter comme une annulation de ligne, et le dire
`A07`	`expeditions`	45	transporteur_id absent du referentiel	jointure externe : sans transporteur, pas de delai contractuel, donc aucun taux de service calculable sur ces lignes
`A08`	`commandes`	50	date_promesse anterieure a date_commande	une promesse dans le passe rend la commande en retard des sa creation : le taux de service tombe sans qu aucune livraison ait change
`A09`	`expeditions`	35	expedition_id en double avec deux dates differentes : le delai depend de la ligne gardee	dedoublonner sur expedition_id, et dire laquelle est retenue
`A10`	`mouvements_stock`	30	ajustement d inventaire negatif rendant le solde cumule negatif	cumuler dans l ordre chronologique et s arreter au premier solde negatif : un stock negatif n est pas une rupture, c est une erreur de saisie
`A11`	`lignes_commande`	48	prix_unitaire vide	une cellule vide n est pas un zero : recuperer le prix de l article, ou ecarter la ligne et le dire
`A12`	`expeditions`	26	date_livraison posterieure a la fin de la periode annoncee par le jeu	borner par la periode : une date hors bornes passe tous les contrôles de type et casse l echelle de tout graphique temporel

À télécharger

CSV — version propre (séparateur ;, UTF-8) : articles calendrier commandes entrepots expeditions lignes_commande mouvements_stock transporteurs

CSV — version brut (séparateur ;, UTF-8) : articles calendrier commandes entrepots expeditions lignes_commande mouvements_stock transporteurs

Fiches : dictionnaire.json anomalies.json resultats-reference.json logistique.sqlite

Reproductible : python outils/donnees/logistique.py --graine 20261010 réécrit ces fichiers à l’identique. Une autre graine donne un jeu d’entraînement de même forme et de chiffres différents.

Les jeux de données du parcours,fournis, documentés et téléchargeables.

ventes — Ventes et rentabilite d une entreprise de commerce

saas — Abonnements SaaS : revenu recurrent, expansion, contraction, resiliation

rh — Ressources humaines : effectif, remuneration, absences, departs

logistique — Logistique : commandes, expeditions, delais, stock

Les jeux de données du parcours,
fournis, documentés et téléchargeables.