iperform 0.1.0

Suivi de performance du business

iperform

iperform est un package Python conçu pour générer des tableaux de bord analytiques dynamiques et suivre les performances du business.
Spécialement pensé pour les secteurs télécom et bancaire, il s’adapte à tout domaine utilisant des séries chronologiques : Vente d’articles, production pétrolière, logistique, retail, etc.

Grâce à une API simple et cohérente, iperform permet de calculer rapidement :

• Des indicateurs temporels (MTD, YTD, QoQ)
• Des résumés comparatifs (vs J-1, vs N-1)
• Des prévisions basiques
• Des visualisations interactives

Et tout cela en quelques lignes de code.

Fonctionnalités principales

Le package offre une large gamme des fonctions qui renvoient la (les) d'une série temporelles pour une date donnée en argument, à l'exemple de :

• mtd() : month-to-date (MTD), somme des valeurs allant du premier jour du mois jusqu'à la date de référence dans le même mois
• ytd() : year-to-date : (YTD), somme des valeurs de la série allant du premier janvier jusqu'à date
• get_summary_day() : une suite des indicateurs dynamiques
• get_dashboard() : tableau de bord avec plusieurs KPIs calculés
• graph_trend_day() : graphiques interactifs
• format_kpi() : Formatage automatique (millions, %, etc.)

Installation

pip install iperform

Exemple d'utilisation

import pandas as pd

date = pd.date_range("2023-01-01", periods=222, freq="D")
x = np.random.normal(50, 6.3, 222)
df = pd.DataFrame({"date": date, "x": x, "zone": "RDC", "operator": "Orange"})
dday(df, date="2023-07-06", x="x", d=0, unite=1, decimal=2)

Organisation des fonctions

Les fonctions de iperform se regroupent en 4 catégories :

• “Les performances” : Indicateurs de performance sur une période donnée.

  dday(), wtd(), mtd(), qtd(), htd(), ytd(), full_w(), full_m(), full_q(), full_h() et full_y().

• “Les aperçus” : Résumés dynamiques avec comparaisons (vs période précédente, vs année passée).

  get_summary_day(), get_summary_month() et get_summary_quarter().

• “Les previsions” : Estimations futures basées sur les tendances observées.

  forecast_m(), get_sarimax() : Bientôt disponible (dans iperform_cloud), split_data().

• “Les visuelles” : Visualisation et mise en forme des résultats.

  plot_kpi(), graph_trend_day(), graph_season(), format_kpi(), get_columns_day().

Obtenir de l’aide

Besoin d’un coup de main ? Voici comment t’aider :

• Consulte la documentation (bientôt disponible)
• Signale un bug ou demande une fonctionnalité : GitHub Issues
• Rejoins la communauté sur LinkedIn ou Slack (à créer)
• Contact : [e-mail]

Contribuer

Toute contribution est la bienvenue ! Que ce soit pour corriger une erreur, ajouter une fonction, ou améliorer la documentation.

Consulte le fichier CONTRIBUTING.md pour commencer.

Licence

Ce projet est sous licence MIT – tu peux l’utiliser librement, même à des fins commerciales.