Dans le cadre de ce projet réalisé en Python, j’ai analysé les données d’un parc d’attractions afin d’évaluer l’impact de plusieurs initiatives commerciales : le lancement d’un billet VIP, une campagne promotionnelle « 2ᵉ entrée à -50 % » ainsi qu’une nouvelle offre de restauration.
L’objectif était de transformer les données en recommandations concrètes afin d’accompagner la prise de décision.
Python • Pandas • NumPy • Matplotlib • SciPy • Jupyter Notebook
Pour répondre à cette problématique, j’ai suivi les principales étapes d’un projet d’analyse de données :
La campagne promotionnelle a permis d’augmenter la fréquentation du parc de 56 %, démontrant son efficacité pour attirer davantage de visiteurs.
Le billet VIP génère le revenu moyen le plus élevé par visiteur, confirmant son potentiel comme levier de croissance.
L’analyse statistique montre que l’augmentation du revenu moyen par visiteur n’est pas statistiquement significative au seuil de 5 %.
Autrement dit, attirer davantage de visiteurs ne suffit pas nécessairement à augmenter leur dépense moyenne.
À l’issue de cette analyse, plusieurs pistes d’amélioration ont été identifiées :
Ce projet m’a permis de mettre en pratique l’ensemble des étapes d’une analyse de données, depuis le nettoyage des données jusqu’à la formulation de recommandations stratégiques.
Il a également renforcé mes compétences en analyse exploratoire, analyse statistique, visualisation de données et data storytelling, tout en développant une approche résolument orientée métier.
Python • Pandas • NumPy • Data Cleaning • Analyse exploratoire (EDA) • Data Visualisation • Tests statistiques • Analyse métier • Data Storytelling
