Mini-démos front-end (données factices) pour illustrer quelques cas d’usage.
Pipeline pédagogique : génération, ingestion & nettoyage, KPIs mensuels + graphiques, contrôles qualité & journal, mini-app Streamlit.
Focus : scripts reproductibles, exports CSV/PNG, traçabilité simple.
Bonus : bouton d’API externe (FX/météo) qui écrit dans le journal.
Ce que l’on peut faire avec SQL : modèle relationnel, KPI mensuels, requêtes optimisées (sargable), contrôles qualité et journal d’exécution.
Cas illustré : pipeline staging → clean → mart avec zone audit.
Focus : modèle, performances, traçabilité.
Rapport combinant préparation Power Query et modèle DAX. Trois volets : P1 Évolution, P2 Répartition, P3 Scénarios & Indicateurs.
Étude de cas : indicateurs de recensement et d’économie pour l’Île-de-France (2011–2022). Focus : séries temporelles, carte, KPI ; captures zoomables.
ETL mock (Extract → Transform → Load), table normalisée, KPIs et graphiques. Export CSV.
Étude de cas : reporting mensuel dispersé → normalisation + KPIs CHF. Résultat attendu : ~50 % de temps de préparation en moins, cohérence des chiffres.
Champs clés + lignes d’articles → JSON exploitable → export CSV.
Étude de cas : saisie manuelle de factures (CH/EU/US) → extraction structurée. Résultat attendu : moins d’erreurs, intégration ERP plus rapide.
Résumé + classification + aiguillage fictifs vers CRM/support.
Étude de cas : boîte partagée saturée → résumé, classification, routage. Résultat attendu : triage et délais de traitement réduits.
Aperçu des champs clés et de la référence QR (mock) ; export CSV.
Étude de cas : spécificités CH (IBAN, référence QR) → lecture/validation. Résultat attendu : conformité et rapprochement accrus.
Recherche simplifiée dans un corpus JSON (front-end only).
Étude de cas : documents internes dispersés → recherche FR/EN + tags + surlignage. Résultat attendu : réponses sourcées plus rapides.
