📊 Audit Statistique & Analyse de la Clientèle : Projet "Tips" 🎯 Objectif du Projet

L'objectif de ce projet est de réaliser un audit complet des données de consommation d'un restaurant afin d'extraire des insights actionnables. À travers l'utilisation de tests statistiques rigoureux, nous cherchons à valider ou infirmer des hypothèses business sur le comportement des clients. 🛠️ Stack Technique

Langage : Python 

Librairies :

    Pandas & Numpy : Manipulation et nettoyage des données.

    Seaborn & Matplotlib : Visualisation avancée (Boxplots, Heatmaps, Histogrammes).

    Scipy.stats : Implémentation des tests d'hypothèses.

📈 Méthodologie Statistique & Résultats

1. Profil Client (Test T de Student)

   Hypothèse : Le genre ou le statut de fumeur influence-t-il le montant du pourboire ?

   Résultat : Les p-valeurs (> 0.05) indiquent qu'il n'y a pas de différence significative. La générosité est uniforme sur ces segments.

2. Analyse des Dépenses (ANOVA)

   Hypothèse : La facture totale varie-t-elle selon le jour de la semaine ?

   Résultat : P-valeur < 0.05. On observe une augmentation significative des dépenses le week-end (Samedi/Dimanche).

3. Analyse des Habitudes (Test du Chi-Carré)

   Hypothèse : Existe-t-il un lien entre le genre et le moment du repas (Déjeuner vs Dîner) ?

   Résultat : Dépendance forte. Le créneau du dîner attire massivement une clientèle masculine.

   Visualisations Clés

   

   Conclusions Business

   Optimisation des ressources : Renforcement du personnel le week-end pour répondre à un panier moyen plus élevé.

   Opportunité Marketing : Développer des offres pour dynamiser la clientèle féminine sur le créneau du midi (Lunch).

   Installation et Utilisation

   Clonez le dépôt : git clone https://github.com/Harding10/projet-analyse-restaurant.git

   Installez les dépendances : pip install -r requirements.txt

   Lancez le notebook : jupyter notebook