Structure de projet professionnelle pour data analysts.
Fini les
analyse_finale_v3_VRAIFINAL.ipynb
- 30 secondes pour retrouver n'importe quelle analyse
- Zéro copier-coller entre notebooks
- Prêt à industrialiser quand on te le demande
├── config/ # Connexions DB et paramètres centralisés
├── data/
│ ├── raw/ # Données brutes (jamais modifiées)
│ └── processed/ # Données nettoyées
├── notebooks/
│ ├── exploration/ # Analyses exploratoires
│ └── reporting/ # Rapports récurrents
├── sql/ # Requêtes versionnées et commentées
├── src/
│ ├── utils/ # Fonctions de nettoyage
│ └── viz/ # Fonctions de visualisation
├── tests/ # Tests unitaires
├── outputs/
│ ├── reports/ # Rapports générés
│ └── figures/ # Graphiques exportés
└── docs/ # Documentation
# Cloner le repo
git clone https://github.com/gpenessot/data-analyst-template.git
cd data-analyst-template
# Installer les dépendances
pip install -e ".[dev]"
# Configurer les credentials
cp .env.example .env
# Lancer les tests
make test
# Ouvrir Jupyter
make run-notebook| Commande | Description |
|---|---|
make install |
Installer les dépendances |
make test |
Lancer les tests |
make lint |
Vérifier le code |
make format |
Formater le code |
make run-notebook |
Ouvrir Jupyter |
| Fichier | Rôle |
|---|---|
pyproject.toml |
Dépendances + config linting (standard moderne) |
Makefile |
Automatisation des tâches courantes |
.env.example |
Template pour les credentials |
.gitignore |
Exclut data, outputs, secrets |
Ce template pose la structure. S'en servir quand un projet réel casse, c'est autre chose.
Hard Mode : sept situations de travail data réelles dans une entreprise simulée, et une revue humaine de chacune de tes PR.
MIT - Utilise ce template comme tu veux.