Lire les données et leurs variations · Fiche méthode

Stratification des données

Le résultat global masque-t-il des situations différentes ?

Séparer les données selon des facteurs pertinents tels que produit, équipe, plage horaire ou type de client. La stratification permet des comparaisons plus équitables et suggère des pistes, sans démontrer à elle seule un lien causal.

Cas fictif · Fiabiliser les commandes complètesDe la demande validée à la réception par le clientDu 2 mars 2026 au 28 juin 2026. Les réglages de cette étude restent dans cette page.

Exploration guidée

Votre première manipulation

Avant de manipuler

Catégories définies avant interprétation
Volumes et conditions disponibles par groupe

Essayez
Comparez « Segment client », « Famille de produit » et leur croisement.
Observez
Chaque taux doit garder son dénominateur ; un écart entre groupes ne prouve pas sa cause.

Essayer dans la vue de l’outil

Étude de cas · Fiabiliser les commandes complètes

Explorer l’outil avec les données du cas

Construire les dénominateurs par segment et famille sur la référence de mars, puis formuler une question d'investigation sans attribuer de cause.

Entreprise, observations, essais et résultats fictifs. Les réglages servent à l’apprentissage et restent dans cette page.

Vérifier le périmètre et la période de l’étude

Fiabiliser les commandes complètes · De la demande validée à la réception par le client

Du 2026-03-02 au 2026-06-28. Jeu synthétique de référence et après simulé, projection financière séparée.

Les cohortes des commandes, du flux, de l’équipement et de la métrologie sont distinctes. Les tables et légendes précisent la population et les unités utilisées.

Voir ce que le taux global masque

Les taux utilisent les commandes de chaque groupe, pas le volume global.

Période observéeRegrouper les commandes par

Commandes du périmètre1 000

Commandes incomplètes120 / 1000Constat à réception client

Taux global d’incomplètes12 %

Taux d’incomplètes dans chaque groupeUnité : % de commandes du groupe · origine à zéro

Restauration collective / Adaptée19,33 % de commandes du groupe

29 incomplètes sur 150 commandes

Entreprise / Adaptée14 % de commandes du groupe

7 incomplètes sur 50 commandes

Entreprise / Standard10,5 % de commandes du groupe

21 incomplètes sur 200 commandes

Restauration collective / Standard10,5 % de commandes du groupe

63 incomplètes sur 600 commandes

Vérifier les effectifs avant de comparer les pourcentages
Groupe	Commandes	Incomplètes	Taux du groupe
Restauration collective / Adaptée	150	29	19,33 %
Entreprise / Adaptée	50	7	14 %
Entreprise / Standard	200	21	10,5 %
Restauration collective / Standard	600	63	10,5 %

Les quatre groupes initiaux reconstituent 1 000 commandes et 120 incomplètes. Un taux plus fort oriente l’observation ; il ne démontre ni une cause ni la responsabilité d’un service. Les petits groupes ont une précision moindre. Le client attend toujours 100 % de commandes complètes.

Comprendre le résultat du jeu de référence

Les 4 groupes reconstituent 1 000 commandes et 120 incomplètes, soit 12 %. Le groupe au taux le plus élevé est Restauration collective / Adaptée (29/150). Il oriente une observation, pas une attribution de responsabilité.

Cette lecture porte sur le dossier de référence. Les variantes que vous explorez montrent l’effet des hypothèses ; elles ne constituent pas des résultats observés en entreprise.

Retrouver le tableau de résultats du dossier

Résultats de référence · Stratification des données
Segment client	Famille produit	Commandes	Incompletes	Taux incompletes pct
Restauration collective	Adaptée	150	29	19,3333
Entreprise	Adaptée	50	7	14
Entreprise	Standard	200	21	10,5
Restauration collective	Standard	600	63	10,5

Reprendre le raisonnement étape par étape

Fixer réception client, période et définition commune de la complétude.
Comparer chaque nombre d'incomplètes à son nombre de commandes.
Conserver les petits effectifs et chercher d'autres axes sans multiplier des comparaisons opportunistes.
Sélectionner une observation complémentaire du processus avant d'expliquer les écarts.

Revenir aux données de l’étude

Choisissez un relevé ou un document pour retrouver les faits qui alimentent l’outil. Les exports conservent toutes les lignes du tableau choisi.

Relevé ou documentRechercher dans ce relevé

Afficher aussi les identifiants et repères du jeuTélécharger ce relevé en CSV Télécharger le dossier complet en JSON

2000 lignes dans la sélection, sur 2000 dans le relevé.

Commandes · 10 lignes sur 2000
Phase	Date reception client	Segment client	Famille produit	Articles commandes	Articles recus	Complete	Delai prevu jours	Delai reel jours
baseline	2026-03-02	Restauration collective	Adaptée	10	8	0	2	3
baseline	2026-03-02	Restauration collective	Standard	15	15	1	2	2
baseline	2026-03-02	Restauration collective	Standard	20	20	1	2	2
baseline	2026-03-02	Entreprise	Standard	25	25	1	2	2
baseline	2026-03-02	Restauration collective	Standard	10	10	1	2	2
baseline	2026-03-02	Restauration collective	Adaptée	15	14	0	2	2
baseline	2026-03-02	Restauration collective	Standard	20	20	1	2	2
baseline	2026-03-02	Entreprise	Standard	25	25	1	2	2
baseline	2026-03-02	Restauration collective	Standard	10	9	0	2	2
baseline	2026-03-02	Restauration collective	Standard	15	15	1	2	2

CSV : UTF-8, séparateur point-virgule, décimales avec virgule. Le JSON conserve les types numériques. Les montants en centimes sont explicitement nommés.

Ce que l’équipe prépare pour décider

Tableau effectifs/taux par segment et famille
Questions à confronter au flux réel

Les précautions à garder dans l’interprétation

Une répartition synthétique sert ici à apprendre ; elle n'était pas un résultat fourni par le cours initial.
Éviter les nombres bruts seuls, les petits groupes surinterprétés et toute conclusion causale.

Retrouver les sources du dossier pédagogique

Registre de référence de mars

Extraction de la population synthétique du socle : 1 000 commandes à réception client sur quatre semaines, 120 incomplètes. Une seule catégorie principale de manque par commande ; taux et catégories sont descriptifs.

2026-03-29 · Relevé ou document synthétique

Quelle question préparer ensuite ?

Formuler avec le terrain des hypothèses expliquant l'écart ciblé, sans traiter une différence entre catégories comme une preuve de cause.

Quelles causes possibles doivent être vérifiées pour expliquer l'effet observé ?Comprendre la méthode et explorer son cas

Comprendre la méthode : les prérequis

Catégories définies avant interprétation
Volumes et conditions disponibles par groupe

Comment utiliser cet outil

Choisir des facteurs plausibles à partir du processus et de la question posée.
Vérifier la qualité du classement et conserver les effectifs de chaque groupe.
Comparer les indicateurs avec les mêmes définitions et examiner les petites populations.
Confronter les écarts au contexte puis organiser une vérification des hypothèses retenues.

Exemple pédagogique

Comprendre son utilisation

Dans le cas fictif, comparer les commandes simples et complexes évite d'attribuer au pilote une amélioration due au changement de composition.

Le résultat attendu

Des écarts contextualisés et des hypothèses plus précises à vérifier.

Les pièges et les limites

Multiplier les découpages jusqu'à trouver un écart séduisant.
Comparer des pourcentages sans effectifs ni composition.

Relier la méthode au parcours

Construire un plan de collecte fiableComment recueillir des données fiables ?Établir une situation initiale partageableQue savons-nous avec suffisamment de confiance avant de rechercher les causes ?Localiser les écarts avant de chercher leurs causesOù, quand et dans quelles circonstances l’écart apparaît-il ?Vérifier les causes avec des preuves adaptéesQuelle preuve permet de retenir cette cause, et dans quelles limites ?Mesurer le pilote et conclure sans surinterpréterLe pilote confirme-t-il l’efficacité et les conditions de réussite de l’option ?Confirmer les résultats sur des faits comparablesLes résultats observés viennent-ils des changements testés et se maintiennent-ils dans des conditions comparables ?

Méthodes complémentaires

Plan de collecte des données Histogramme Diagramme de Pareto

Préparer l’application à mon entreprise

Cette méthode dispose d’un cas dynamique et de relevés téléchargeables. Son éditeur métier dédié n’est pas encore disponible dans PAKNO. Utilisez la démarche pour structurer votre livrable avec les sources de votre entreprise, en gardant les unités, les hypothèses et les preuves.

Retrouver les données et exports du cas

Retrouver les outils par besoin