PYTHON & SQL SERVER
Modélisation & Exploitation d’un Data WareHouse Bancaire
Ce projet a pour objectif la construction d’un Data Warehouse bancaire permettant une analyse structurée et efficace des comptes clients à des fins de reporting,visualisation et prise de décision. Il intègre l’automatisation des processus ETL, la génération de rapports dynamiques (Excel/PDF).
Outils Technologiques
Base de données: Micrsoft SQL Server
User Interface : Python/Tkinter
Langage :Python , VBA et SQL
Rapport dynamique: MS Excel
Visualisation : Seaborn matplotlib
Etapes clés
1 | Présentation de la table source |
2 | Modélisation du Data Warehouse |
3 | Connexion à SQL Server et création du Data Warehouse |
4 | Création des tables Fact et Dim |
5 | Extraction des données depuis une base de données Oracle |
6 | Préparation des données |
7 | Chargement des données via pandas |
8 | Insertion des données dans les tables de dimension |
9 | Vérifications avant insertion dans FactCompte |
10 | Insertion des données dans FactCompte |
11 | Exploration SQL et Seaborn |
12 | Création du tableau de bord |
13 | Création de rapports automatisés de reporting |
14 | Automatisation de l’export PDF depuis Excel |
15 | Automatisation de l'envoi des rapports en pièce par email jointe via SMTP |
Captures d'écran
L'écran suivant affiche la représentation du modèle en étoile du Data Warehouse .
L'écran suivant affiche la répartition du nombre de comptes par Succursale te type de compte avec totaux.
L'écran suivant affiche le tableau de bord de l'application.
L'écran suivant affiche un rapport excel automatisé des données du Data WareHouse
L'écran suivant affiche une exportation d'un rapport en PDF
