{"id":14067,"date":"2023-01-23T13:33:36","date_gmt":"2023-01-23T13:33:36","guid":{"rendered":"https:\/\/datama.io\/use-case-4-logistics-cost-analysis-in-tableau\/"},"modified":"2023-01-23T13:33:36","modified_gmt":"2023-01-23T13:33:36","slug":"use-case-4-logistics-cost-analysis-in-tableau","status":"publish","type":"post","link":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/","title":{"rendered":"Cas d’usage #4 : Analyse des co\u00fbts logistiques dans Tableau"},"content":{"rendered":"

Cat\u00e9gorie : Logistique | Solution : DataMa Compare | Type : Ad hoc | Client : Commerce de d\u00e9tail | Extension : Tableau
\n<\/span><\/p>\n

Tags<\/strong>: <\/span>#TableauExtension #Stock #Conversion #SupplyChain #Logistique #CostAnalysis<\/span><\/em><\/p>\n

\u00ab DataMa a \u00e9t\u00e9 un excellent outil d’acquisition qui nous a aid\u00e9 \u00e0 approfondir notre analyse en beaucoup moins de temps qu’auparavant. Disposer d’informations et de commentaires en direct sur nos variables les plus impactantes nous permet d’assurer plus rapidement la transparence aux principaux d\u00e9cideurs et parties prenantes. \u00bb<\/em><\/p>\n

Martin Garza – Analyste de la cha\u00eene d’approvisionnement – TechStyle<\/strong><\/p><\/blockquote>\n

<\/h1>\n

Contexte<\/strong><\/h2>\n

TechStyle est une entreprise mondiale en pleine croissance qui travaille avec un portefeuille impressionnant de marques \u00e9minentes et innovantes. Le lancement strat\u00e9gique continu de marques en croissance a entra\u00een\u00e9 une prolif\u00e9ration des ventes en ligne et des vitrines physiques. Cette croissance soutenue a accru l\u2019urgence d\u2019une analyse commerciale claire et efficace de facteurs tels que les co\u00fbts et les performances. \u00c9tant donn\u00e9 que TechStyle supervise plusieurs marques, il est essentiel de disposer de statistiques de cha\u00eene d’approvisionnement pr\u00e9cises et \u00e0 jour sur les indicateurs les plus cruciaux. \u00catre capable de visualiser leurs diff\u00e9rents co\u00fbts et leur \u00e9volution d\u2019ann\u00e9e en ann\u00e9e est crucial pour obtenir des informations sur leur entreprise. <\/span><\/p>\n

L\u2019\u00e9quipe mondiale de cha\u00eene d\u2019approvisionnement et de strat\u00e9gie de TechStyle souhaitait conna\u00eetre la r\u00e9partition de ses diff\u00e9rents co\u00fbts par unit\u00e9 exp\u00e9di\u00e9e d\u2019une ann\u00e9e sur l\u2019autre. Leur probl\u00e8me \u00e9tait que m\u00eame s’ils pouvaient calculer si les co\u00fbts augmentaient ou diminuaient, il \u00e9tait difficile de savoir quels facteurs, tels que le pays d’origine ou quelle marque, \u00e9taient responsables de ces changements. Ces analyses prenaient beaucoup de temps, et m\u00eame avec ces chiffres en main, il \u00e9tait difficile de visualiser toutes les informations essentielles d’un seul coup d’\u0153il.<\/span><\/p>\n

Finalement, l’\u00e9quipe a trouv\u00e9 l’extension DataMa pour Tableau<\/a>, qui leur a permis de r\u00e9aliser exactement ce qu’ils voulaient. Ce cas d’utilisation sera bas\u00e9 sur ce qu’ils ont pu r\u00e9aliser dans Tableau avec l’extension waterfall de DataMa (\u00e9galement connue sous le nom de DataMa Compare, pour la version Web).<\/span><\/p>\n

<\/h1>\n

Approche<\/strong><\/h2>\n

\u00c9quation de march\u00e9<\/span><\/strong><\/h3>\n

Cette \u00e9quation de march\u00e9 particuli\u00e8re \u00e9tait int\u00e9ressante, car ils voulaient analyser les co\u00fbts, au lieu de visualiser un tunnel marketing standard. Pour cette raison, leur \u00e9quation de march\u00e9 diff\u00e8re \u00e0 plusieurs \u00e9gards de l\u2019\u00e9quation de march\u00e9 classique. <\/span><\/p>\n

Premi\u00e8rement, le r\u00e9sultat final serait le co\u00fbt total par unit\u00e9 au lieu de quelque chose comme le revenu, de sorte que tous les co\u00fbts seraient divis\u00e9s par unit\u00e9. De plus, au lieu de calculer le produit, les co\u00fbts ont \u00e9t\u00e9 additionn\u00e9s.<\/span><\/p>\n

\"\"<\/p>\n

Le waterfall personnalisable de DataMa \u00e9tait id\u00e9al pour cette \u00e9quation modifi\u00e9e (Figure 1).<\/span><\/p>\n

\"\"<\/p>\n

Figure 1 : La fonction de relations m\u00e9triques de DataMa permet aux utilisateurs d’adapter rapidement leur \u00e9quation de march\u00e9.<\/span><\/i><\/h6>\n

TechStyle a pu d\u00e9finir un co\u00fbt diff\u00e9rent \u00e0 chaque \u00e9tape, le diviser par le nombre total d’unit\u00e9s, d\u00e9finir tous les montants en dollars et fixer le total \u00e0 une somme. <\/span><\/p>\n

Dataset<\/strong><\/h3>\n

Nous avons cr\u00e9\u00e9 un jeu de donn\u00e9es fictif bas\u00e9 sur le format de donn\u00e9es de TechStyle, qui est disponible <\/span>ici<\/span><\/a> et visualis\u00e9 dans la figure 2.<\/span><\/p>\n

\"\"<\/p>\n

Figure 2 : Un \u00e9chantillon de donn\u00e9es bas\u00e9 sur les principales mesures et dimensions de TechStyle<\/span><\/i><\/h6>\n

Sur le c\u00f4t\u00e9 droit, nous avons quatre co\u00fbts diff\u00e9rents \u00e0 suivre :<\/span><\/p>\n

1\/Premier co\u00fbt<\/span><\/p>\n

2\/Co\u00fbt de l’emballage<\/span><\/p>\n

3\/Co\u00fbt du transport<\/span><\/p>\n

4\/Co\u00fbt des droits<\/span><\/p>\n

Sur le c\u00f4t\u00e9 gauche, parce que nous voulons pouvoir ventiler les r\u00e9sultats pour voir comment les diff\u00e9rentes dimensions ont contribu\u00e9 \u00e0 l’\u00e9volution des co\u00fbts, nous incluons une colonne pour \u00ab Filiale \u00bb (une des multiples marques TechStyle) et une colonne pour \u00ab Origin Country \u00bb (d’exp\u00e9dition). Nous incluons \u00e9galement le nombre total d’unit\u00e9s.<\/span><\/p>\n

Bien entendu, comme nous voulons voir l’\u00e9volution des co\u00fbts d’une ann\u00e9e sur l’autre, nous incluons une colonne \u00ab\u00a0Ann\u00e9e\u00a0\u00bb.<\/span><\/p>\n

Points \u00e0 retenir<\/strong><\/h2>\n

Dans l’extension Tableau de DataMa, l’analyse nous permet de quantifier l’\u00e9volution du co\u00fbt par unit\u00e9 d’une ann\u00e9e sur l’autre. La figure 3 montre que le co\u00fbt total par unit\u00e9 a augment\u00e9 de 11,8 % entre 2021 et 2022. Dans Tableau, l’extension DataMa peut interagir avec tous les filtres plac\u00e9s sur le m\u00eame tableau de bord.<\/span><\/p>\n

\"\"<\/span><\/p>\n

Figure 3 : Le co\u00fbt total par unit\u00e9 a augment\u00e9 de 11,8 % entre 2021 et 2021.<\/span><\/i><\/h6>\n

Un autre aspect int\u00e9ressant du cas d\u2019utilisation de TechStyle est que dans ce sc\u00e9nario, une augmentation des co\u00fbts est consid\u00e9r\u00e9e comme un r\u00e9sultat n\u00e9gatif. Dans un tunnel de march\u00e9 standard, une augmentation de quelque chose comme les revenus est un r\u00e9sultat positif, donc les augmentations seraient affich\u00e9es en vert dans le waterfall. Cependant, gr\u00e2ce \u00e0 la personnalisation de l\u2019affichage de Datama, il est facile de changer les couleurs en fonction de ce que vous devez visualiser. Les couleurs des augmentations et des diminutions ont \u00e9t\u00e9 invers\u00e9es afin qu’une augmentation du co\u00fbt s’affiche en rouge, indiquant un r\u00e9sultat n\u00e9gatif en un coup d’\u0153il. <\/span><\/p>\n

De plus, l’extension DataMa Tableau permet \u00e9galement aux utilisateurs de d\u00e9composer les changements pour identifier les facteurs qui entra\u00eenent des augmentations ou des diminutions.<\/span><\/p>\n

La figure 4 montre une r\u00e9partition du \u00ab premier co\u00fbt \u00bb, montrant que m\u00eame si la \u00ab soci\u00e9t\u00e9 B \u00bb, l’une des soci\u00e9t\u00e9s du portefeuille de TechStyle, a connu certaines baisses du \u00ab premier co\u00fbt \u00bb, les augmentations de co\u00fbts pour les autres soci\u00e9t\u00e9s ont compens\u00e9 cette diminution. En particulier, nous pouvons voir que l\u2019augmentation des co\u00fbts est principalement due \u00e0 \u00ab l\u2019entreprise A \u00bb.<\/span><\/p>\n

\"\"<\/p>\n

Figure 4 : Le co\u00fbt total par unit\u00e9 a augment\u00e9, ce qui peut s’expliquer en partie par une augmentation du co\u00fbt initial de 11,1 %<\/span><\/i><\/h6>\n

Cette r\u00e9partition peut \u00eatre r\u00e9p\u00e9t\u00e9e pour chaque co\u00fbt, DataMa identifiant les facteurs les plus int\u00e9ressants et pourquoi. D\u2019autres co\u00fbts pourraient avoir \u00e9t\u00e9 principalement d\u00e9termin\u00e9s par diff\u00e9rentes dimensions, telles que le \u00ab Pays d\u2019origine \u00bb.<\/span><\/p>\n

R\u00e9sultats<\/strong><\/h2>\n

Gr\u00e2ce \u00e0 l’extension DataMa, l’\u00e9quipe d’analyse de TechStyle a pu cr\u00e9er une visualisation dynamique en cascade qui a accru l’utilit\u00e9 de son tableau de bord Tableau, en fournissant aux principales parties prenantes les informations essentielles dont elles avaient besoin, y compris des r\u00e9sum\u00e9s concis des principaux facteurs d\u00e9terminants. Non seulement cela permet \u00e0 l’entreprise de mieux \u00e9valuer l’\u00e9volution de ses co\u00fbts, mais cela l’aide \u00e9galement \u00e0 identifier les facteurs cl\u00e9s sans analyse suppl\u00e9mentaire, car ses donn\u00e9es sont d\u00e9j\u00e0 automatiquement connect\u00e9es \u00e0 Tableau. Cette int\u00e9gration avec Tableau \u00e9limine le besoin de toute ing\u00e9nierie de donn\u00e9es suppl\u00e9mentaire, car les donn\u00e9es existent d\u00e9j\u00e0 dans Tableau, ce qui signifie que les utilisateurs interagissant avec le tableau de bord b\u00e9n\u00e9ficieront d’une exp\u00e9rience transparente.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

Cat\u00e9gorie : Logistique | Solution : DataMa Compare | Type : Ad hoc | Client : Commerce de d\u00e9tail | Extension : Tableau Tags: #TableauExtension #Stock #Conversion #SupplyChain #Logistique #CostAnalysis \u00ab DataMa a \u00e9t\u00e9 un excellent outil d’acquisition qui nous a aid\u00e9 \u00e0 approfondir notre analyse en beaucoup moins de temps qu’auparavant. Disposer d’informations et […]<\/p>\n","protected":false},"author":18,"featured_media":15483,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[127],"tags":[167],"class_list":["post-14067","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-use-case-fr","tag-tableau-fr"],"yoast_head":"\nCas d'usage #4 : Analyse des co\u00fbts logistiques dans Tableau - Datama<\/title>\n<meta name=\"description\" content=\"DataMa permet \u00e0 Techstyle d'analyser la performance de la logistique dans une extension du logiciel Tableau.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Cas d'usage #4 : Analyse des co\u00fbts logistiques dans Tableau - Datama\" \/>\n<meta property=\"og:description\" content=\"DataMa permet \u00e0 Techstyle d'analyser la performance de la logistique dans une extension du logiciel Tableau.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/\" \/>\n<meta property=\"og:site_name\" content=\"Datama\" \/>\n<meta property=\"article:published_time\" content=\"2023-01-23T13:33:36+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datama.io\/wp-content\/uploads\/2023\/01\/UCOTM4_Techstyle_Logistics_Cost_Analysis_inTableau-jpg.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"453\" \/>\n\t<meta property=\"og:image:height\" content=\"288\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"Guillaume\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@datama_solution\" \/>\n<meta name=\"twitter:site\" content=\"@datama_solution\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Guillaume\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"6 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/use-case-4-logistics-cost-analysis-in-tableau\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/use-case-4-logistics-cost-analysis-in-tableau\\\/\"},\"author\":{\"name\":\"Guillaume\",\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/#\\\/schema\\\/person\\\/cc38a71c241805e3b74a28a05f63f667\"},\"headline\":\"Cas d’usage #4 : Analyse des co\u00fbts logistiques dans Tableau\",\"datePublished\":\"2023-01-23T13:33:36+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/use-case-4-logistics-cost-analysis-in-tableau\\\/\"},\"wordCount\":1197,\"publisher\":{\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/use-case-4-logistics-cost-analysis-in-tableau\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/datama.io\\\/wp-content\\\/uploads\\\/2023\\\/01\\\/4.png\",\"keywords\":[\"Tableau\"],\"articleSection\":[\"Use case\"],\"inLanguage\":\"fr-FR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/use-case-4-logistics-cost-analysis-in-tableau\\\/\",\"url\":\"https:\\\/\\\/datama.io\\\/fr\\\/use-case-4-logistics-cost-analysis-in-tableau\\\/\",\"name\":\"Cas d'usage #4 : Analyse des co\u00fbts logistiques dans Tableau - Datama\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/use-case-4-logistics-cost-analysis-in-tableau\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/use-case-4-logistics-cost-analysis-in-tableau\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/datama.io\\\/wp-content\\\/uploads\\\/2023\\\/01\\\/4.png\",\"datePublished\":\"2023-01-23T13:33:36+00:00\",\"description\":\"DataMa permet \u00e0 Techstyle d'analyser la performance de la logistique dans une extension du logiciel Tableau.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/use-case-4-logistics-cost-analysis-in-tableau\\\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/datama.io\\\/fr\\\/use-case-4-logistics-cost-analysis-in-tableau\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/use-case-4-logistics-cost-analysis-in-tableau\\\/#primaryimage\",\"url\":\"https:\\\/\\\/datama.io\\\/wp-content\\\/uploads\\\/2023\\\/01\\\/4.png\",\"contentUrl\":\"https:\\\/\\\/datama.io\\\/wp-content\\\/uploads\\\/2023\\\/01\\\/4.png\",\"width\":1920,\"height\":1080},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/use-case-4-logistics-cost-analysis-in-tableau\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/datama.io\\\/fr\\\/accueil\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Cas d’usage #4 : Analyse des co\u00fbts logistiques dans Tableau\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/#website\",\"url\":\"https:\\\/\\\/datama.io\\\/fr\\\/\",\"name\":\"Datama\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/datama.io\\\/fr\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/#organization\",\"name\":\"Datama\",\"url\":\"https:\\\/\\\/datama.io\\\/fr\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/datama.io\\\/wp-content\\\/uploads\\\/2023\\\/12\\\/cropped-Logo-Datama.png\",\"contentUrl\":\"https:\\\/\\\/datama.io\\\/wp-content\\\/uploads\\\/2023\\\/12\\\/cropped-Logo-Datama.png\",\"width\":400,\"height\":100,\"caption\":\"Datama\"},\"image\":{\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/x.com\\\/datama_solution\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/datama\\\/\",\"https:\\\/\\\/www.youtube.com\\\/channel\\\/UCoxfesECCiubm0XLCXcN3TA\\\/featured\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/datama.io\\\/fr\\\/#\\\/schema\\\/person\\\/cc38a71c241805e3b74a28a05f63f667\",\"name\":\"Guillaume\",\"description\":\"Founder & CTO @DataMa, Decision Scientist For ten years I have acquired CRO expertise as an Analytics Manager at Expedia and a consultant at Bain & Company. Now at DataMa I create algorithms that optimize CRO analysis, customer journey, and digital performance.\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Cas d'usage #4 : Analyse des co\u00fbts logistiques dans Tableau - Datama","description":"DataMa permet \u00e0 Techstyle d'analyser la performance de la logistique dans une extension du logiciel Tableau.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/","og_locale":"fr_FR","og_type":"article","og_title":"Cas d'usage #4 : Analyse des co\u00fbts logistiques dans Tableau - Datama","og_description":"DataMa permet \u00e0 Techstyle d'analyser la performance de la logistique dans une extension du logiciel Tableau.","og_url":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/","og_site_name":"Datama","article_published_time":"2023-01-23T13:33:36+00:00","og_image":[{"width":453,"height":288,"url":"https:\/\/datama.io\/wp-content\/uploads\/2023\/01\/UCOTM4_Techstyle_Logistics_Cost_Analysis_inTableau-jpg.webp","type":"image\/webp"}],"author":"Guillaume","twitter_card":"summary_large_image","twitter_creator":"@datama_solution","twitter_site":"@datama_solution","twitter_misc":{"\u00c9crit par":"Guillaume","Dur\u00e9e de lecture estim\u00e9e":"6 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/#article","isPartOf":{"@id":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/"},"author":{"name":"Guillaume","@id":"https:\/\/datama.io\/fr\/#\/schema\/person\/cc38a71c241805e3b74a28a05f63f667"},"headline":"Cas d’usage #4 : Analyse des co\u00fbts logistiques dans Tableau","datePublished":"2023-01-23T13:33:36+00:00","mainEntityOfPage":{"@id":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/"},"wordCount":1197,"publisher":{"@id":"https:\/\/datama.io\/fr\/#organization"},"image":{"@id":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/#primaryimage"},"thumbnailUrl":"https:\/\/datama.io\/wp-content\/uploads\/2023\/01\/4.png","keywords":["Tableau"],"articleSection":["Use case"],"inLanguage":"fr-FR"},{"@type":"WebPage","@id":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/","url":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/","name":"Cas d'usage #4 : Analyse des co\u00fbts logistiques dans Tableau - Datama","isPartOf":{"@id":"https:\/\/datama.io\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/#primaryimage"},"image":{"@id":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/#primaryimage"},"thumbnailUrl":"https:\/\/datama.io\/wp-content\/uploads\/2023\/01\/4.png","datePublished":"2023-01-23T13:33:36+00:00","description":"DataMa permet \u00e0 Techstyle d'analyser la performance de la logistique dans une extension du logiciel Tableau.","breadcrumb":{"@id":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/#primaryimage","url":"https:\/\/datama.io\/wp-content\/uploads\/2023\/01\/4.png","contentUrl":"https:\/\/datama.io\/wp-content\/uploads\/2023\/01\/4.png","width":1920,"height":1080},{"@type":"BreadcrumbList","@id":"https:\/\/datama.io\/fr\/use-case-4-logistics-cost-analysis-in-tableau\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/datama.io\/fr\/accueil\/"},{"@type":"ListItem","position":2,"name":"Cas d’usage #4 : Analyse des co\u00fbts logistiques dans Tableau"}]},{"@type":"WebSite","@id":"https:\/\/datama.io\/fr\/#website","url":"https:\/\/datama.io\/fr\/","name":"Datama","description":"","publisher":{"@id":"https:\/\/datama.io\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datama.io\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/datama.io\/fr\/#organization","name":"Datama","url":"https:\/\/datama.io\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datama.io\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/datama.io\/wp-content\/uploads\/2023\/12\/cropped-Logo-Datama.png","contentUrl":"https:\/\/datama.io\/wp-content\/uploads\/2023\/12\/cropped-Logo-Datama.png","width":400,"height":100,"caption":"Datama"},"image":{"@id":"https:\/\/datama.io\/fr\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/datama_solution","https:\/\/www.linkedin.com\/company\/datama\/","https:\/\/www.youtube.com\/channel\/UCoxfesECCiubm0XLCXcN3TA\/featured"]},{"@type":"Person","@id":"https:\/\/datama.io\/fr\/#\/schema\/person\/cc38a71c241805e3b74a28a05f63f667","name":"Guillaume","description":"Founder & CTO @DataMa, Decision Scientist For ten years I have acquired CRO expertise as an Analytics Manager at Expedia and a consultant at Bain & Company. Now at DataMa I create algorithms that optimize CRO analysis, customer journey, and digital performance."}]}},"_links":{"self":[{"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/posts\/14067","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/users\/18"}],"replies":[{"embeddable":true,"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/comments?post=14067"}],"version-history":[{"count":0,"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/posts\/14067\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/media\/15483"}],"wp:attachment":[{"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/media?parent=14067"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/categories?post=14067"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datama.io\/fr\/wp-json\/wp\/v2\/tags?post=14067"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}