Superstore Sales Analytics

L'objectif de ce projet est d'optimiser les stratégies commerciales d'une enseigne de distribution américaine en prédisant la rentabilité de ses ventes. Afin de déterminer précisément quels produits, régions et segments de clientèle cibler, la solution a été pensée comme une architecture logicielle.

Réalisations clés :

Architecture Microservices (Backend/Frontend) : Développement d'un backend d'inférence (FastAPI) découplé d'un frontend interactif d'analyse (Streamlit).

Business Intelligence & KPIs : Création d'un dashboard mesurant les performances globales (marge, LTV Client, et seuil de rentabilité strict après application des réductions/Discounts).

Modélisation Machine Learning : Conception de modèles de prédiction de marge (Random Forest) avec optimisation avancée des hyperparamètres via Optuna, exposant les résultats inverses d'un pseudo-logarithme.

Simulateur 'What-If' : Implémentation d'un outil de test unitaire et par lots (imports JSON/Excel/CSV) permettant à la direction d'évaluer le profit anticipé de scénarios de vente multiples.

Sécurisation & Déploiement : Conception d'un système d'authentification complet incluant : hachage asymétrique des clés API (bcrypt), sessions web chiffrées (AES/Fernet), Rate Limiting persistant (Redis), et un panel d'administration intégré pour la gestion des accès développeurs.