MANIFEST

📊 Données Lab 2

📥 Entrées (entrees/)

7 fichiers CSV sources:

Fichier	Lignes	Colonnes	Utilité
user.csv	10	user_id, gender, birthdate	Dimension utilisateurs
session.csv	10	session_id, user_id	Bridge session → user
product.csv	10	product_id, brand, category, product_name	Produits
product_name.csv	5	category, product_name, description	Descriptions enrichies
events.csv	20	event_time, session_id, product_id, event_type, price	Événements e-commerce
brand.csv	5	brand, description	Marques
category.csv	5	category, description	Catégories

Total entrées: ~2 KB

Schéma user.csv

user_id,gender,birthdate
1,M,1985-05-15
2,F,1992-03-22
...

Schéma events.csv

event_time,session_id,product_id,event_type,price
2024-12-01 10:30:45,S001,P001,view,
2024-12-01 10:35:22,S001,P001,cart,49.99
2024-12-01 10:40:15,S001,P001,purchase,49.99
...

---

📤 Sorties (sorties/)

3 formats de la table de faits fact_events:

1. CSV Brut (fact_events_csv/)

Compression: Aucune
Extension: .csv
Colonnes: date_key,user_key,age_key,product_key,brand_key,category_key,session_id,event_time,event_type,price
Lignes: 20
Taille: ~0.0010 MB

2. CSV Snappy (fact_events_csv_snappy/)

Compression: Snappy
Extension: .csv
Colonnes: Identiques au CSV brut
Lignes: 20
Taille: ~0.0008 MB

3. Parquet (fact_events_parquet/)

Compression: Snappy (par défaut)
Extension: .parquet
Colonnes: Identiques
Lignes: 20
Taille: ~0.0005 MB (2x plus petit!)

---

🔍 Schéma fact_events (Sortie)

Colonne	Type	Description
date_key	INT	FK → dim_date (YYYYMMDD)
user_key	INT	FK → dim_user
age_key	INT	FK → dim_age
product_key	INT	FK → dim_product
brand_key	INT	FK → dim_brand
category_key	INT	FK → dim_category
session_id	STRING	Clé métier (identifie la session)
event_time	TIMESTAMP	Quand l’événement s’est produit
event_type	STRING	Type: view, cart, purchase, remove
price	DOUBLE	Montant (NULL si event_type=view)

Exemple ligne fact_events:

20241201, 1, 5, 3, 2, 1, S001, 2024-12-01T10:40:15.000Z, purchase, 49.99

---

📊 Statistiques

Comptages

• Utilisateurs: 10 (dim_user)
• Groupes d’âge: 10 (dim_age)
• Marques: 5 (dim_brand)
• Catégories: 5 (dim_categorie)
• Produits: 10 (dim_product)
• Dates: 4 (2024-12-01 à 2024-12-04)
• Événements: 20 (fact_events)

Compression

Format	Taille	Ratio
CSV	0.0010 MB	2.0x
CSV Snappy	0.0008 MB	1.6x
Parquet	0.0005 MB	1.0x

---

🔄 Reproducibilité

Pour régénérer ces sorties:

# Exécute le notebook
jupyter lab ../notebooks/lab2_assignment.ipynb
 
# Les sorties seront créées dans:
# ../donnees/sorties/

---

📝 Notes

• Toutes les données sont fictives (pour fins d’apprentissage)
• Les dates vont du 1er au 4 décembre 2024
• Les prix sont en euros (EUR)
• Aucune donnée personnelle réelle

---

Généré par Lab 2 ETL Pipeline Date: Décembre 8, 2025