
Présentation de l’article
Chaque accordéon présente une épicerie que nous avons utilisé dans notre recherche. De plus, il contiendra le lien web pour retrouver la page internet que nous avons « scrapper » pour chacun.
Bonjour, voici un article concernant une version détaillée des démarches que nous avons entrepris dans le cadre du projet afin d’arriver aux résultats et une conclusion qui sera donnée à la fin de cet article.
Fichier d’analyse
Je vous mets juste ici le fichier avec toutes les données nettoyées de chaque épicerie avec graphique et tableaux afin de tirer une conclusion.
Lien vers le site:
Magasin ciblé par l’étude : Marché Concorde Duveray inc.
Procédure collecte de données
Étape 1 : Sélectionner List / Search Page : multiple rows afin de récolter les informations des produits de microbrasserie
Étape 2 : Sélectionner les données qui sont recherchés dans le travail, donc prix, quantité, marque et nom du produit
Étape 3 : Faire des colonnes afin de récolter les informations déjà triés (si c’est possible)
Étape 4 : Donner l’indice de navigation pour que dataminer puisse changer de page et analyser chaque données de chaque page du site.
Étape 5 : Avec dataminer, utiliser la fonction scrape afin d’analyser les données avec l’extension de chrome.
Étape 6 : Après avoir scrape toutes les données du site web, il faut download en version excel le fichier afin de pouvoir faire l’analyse de ceux-ci.
Étape 7 : Les données sont affichées comme ci-dessous, donc il faut nettoyer ceux-ci afin d’avoir seulement les données importantes.
Problèmes rencontrés
Étape 3: Dans le cas de Métro, il est possible d’extraire en plusieurs colonnes. Nous devons donc seulement vérifier les données afin d’enlever au besoin les données erronées et corrompues.
Résultat

Lien vers le site
https://www.iga.ca/fr?query=biere+microbrasserie&tab=products&page=1&itemsPerPage=50
Procédure de collecte de données
Étape 1
Sélectionner List / Search Page : multiple rows afin de récolter les informations des produits de microbrasserie.
Étape 2
Sélectionner les données qui sont recherchés dans le travail, donc prix, quantité, marque et nom du produit.
Problème rencontré #1

Dans la deuxième étape qui est de sélectionner les données : Prix, quantité, marque et nom du produit. Avec le site de IGA, il n’était pas possible de sélectionner des entités différentes telles que le prix et sa description.
Nous avons dû prendre toute la description et sans le prix parce qu’il n’était pas sélectionnable. Donc, plus de travail de nettoyage dans Excel.
Étape 3
Faire des colonnes afin de récolter les informations déjà triés (si c’est possible)
Problème rencontré #2
Dans la troisième étape, il n’était pas possible d’extraire les données en plusieurs colonnes.
Nous avons dû extraire les données collées et les séparés manuellement directement sur Excel.
Étape 4
Donner l’indice de navigation pour que dataminer puisse changer de page et analyser chaque données de chaque page du site.
Étape 5
Avec dataminer, utiliser la fonction scrape afin d’analyser les données avec l’extension de chrome.
Étape 6
Après avoir scrape toutes les données du site web, il faut download en version excel le fichier afin de pouvoir faire l’analyse de ceux-ci.
Étape 7
Nettoyage des données dans Excel.
Problème rencontré #3
Dans la dernière étape, une fois dans Excel les données se sont affichées comme ci-dessous :
Il a donc fallu nettoyer les données pour récolter seulement ceux qui sont importante. Avec IGA, il y a eu des problèmes avec les prix. Les prix n’était pas juste et variait beaucoup selon les produits. Par exemple, des produits avait un mauvais ratio de prix pour 100ml.
Résultat

Lien vers le site
https://www.maxi.ca/fr/search?search-bar=Bieres+De+Microbrasserie&storeId=8691&cartId=4d72904a-b4c0-4a40-8300-171144de936e&page=3
Magasin ciblé par l’étude : Maxi Sherbrooke Grandes-Fourches
Procédure de collecte des données
Étape 1
Sélectionner List / Search Page : multiple rows afin de récolter les informations des produits de microbrasserie

Étape 2
Sélectionner les données qui sont recherchés dans le travail, donc prix, quantité, marque et nom du produit.
Problème rencontré #1
Avec le site de Maxi, comme celui de IGA, il n’était pas possible de sélectionner des entités différentes telles que le prix et sa description.
Nous avons dû prendre toute la description et sans le prix parce qu’il n’était pas sélectionnable.
Étape 3
Faire des colonnes afin de récolter les informations déjà triés (si c’est possible)
Problème #2
Dans le cas de Maxi, il n’était pas possible d’extraire en plusieurs colonnes.
Nous avons dû donc extraire les données collés et les séparés sur excel, donc plus de travail de nettoyage dans Excel.
Étape 4
Donner l’indice de navigation pour que dataminer puisse changer de page et analyser chaque données de chaque page du site.
Étape 5
Avec dataminer, utiliser la fonction scrape afin d’analyser les données avec l’extension de chrome.
Étape 6
Après avoir scrape toutes les données du site web, il faut download en version excel le fichier afin de pouvoir faire l’analyse de ceux-ci.
Étape 7
Nettoyage des données dans Excel.
Problème #3
Dans la dernière étape, nous avons exportés toutes les données dans Excel et ceci nous a donné cette feuille de donnée :
Nous avons dû nettoyer les données afin d’avoir seulement les données importantes. De plus, nous avons eu quelques erreurs comme des produits qui n’ont aucun rapport et que nous n’avons pas trouvé sur notre page web entrée.
Résultat

Lien vers le site
https://www.provigo.ca/fr/search?search-bar=microbrasserie&storeId=7293&cartId=4a0aa793-d338-49fb-b87f-ab4341458e88
Magasin ciblé par l’étude :
Procédure de collecte de données
Étape 1
Sélectionner List / Search Page : multiple rows afin de récolter les informations des produits de microbrasserie.
Étape 2
Sélectionner les données qui sont recherchés dans le travail, donc prix, quantité, marque et nom du produit.
Étape 3
Faire des colonnes afin de récolter les informations déjà triés (si c’est possible).
Dans notre cas, il était possible d’extraire en plusieurs colonnes. Nous avons seulement eu besoin de vérifier les données et enlever ceux qui était erronées et corrompues.
Étape 4
Donner l’indice de navigation pour que dataminer puisse changer de page et analyser chaque données de chaque page du site.
Étape 5
Avec dataminer, utiliser la fonction scrape afin d’analyser les données avec l’extension de chrome.
Étape 6
Après avoir scrape toutes les données du site web, il faut download en version excel le fichier afin de pouvoir faire l’analyse de ceux-ci.
Étape 7
Nettoyage des données dans Excel.
Problème rencontré
Une fois les données arrivées dans Excel, il y avait des répétitions dans les noms de produits, des nom de marques manquantes, des bières qui n’étaient pas des microbrasseries (Corona, Budweiser). Nous avons du faire plus de formatage et de nettoyage dans Excel.
Résultat

Après avoir collecter toutes les données des quatre fournisseurs, nous avons pu faire un tableau croisée dynamique de chacun et obtenir le prix moyen par 100mL de chaque fournisseur.
- Créer un tableau croisé dynamique de la feuille de donnée
- Glisser dans valeur « Somme de Prix / 100mL »
- Changer le Somme pour Moyenne
- Glisser Microbrasserie dans lignes
- Prendre la valeur moyenne totale
Répéter les étapes pour les quatre fournisseurs.
Ce qui nous donnait ceci :
À la suite de la collecte et de l’analyse des données, nous avons procédé à une comparaison des différents fournisseurs à l’aide d’outils analytiques. Notamment, un graphique croisé dynamique a été utilisé afin de visualiser clairement les prix moyens par 100 mL pour chacun des quatre fournisseurs à l’étude, facilitant ainsi l’interprétation et la prise de décision.
L’analyse de ce graphique met en évidence des écarts significatifs entre les fournisseurs, permettant d’identifier celui offrant le meilleur rapport coût-volume.
Comme vous pouvez le voir, les quatre fournisseurs ont des prix moyen au 100 mL : IGA avec un prix moyen de 1,54$, Métro avec 1,04$, Provigo avec 0,72$ et Maxi avec 0,86$. On remarque rapidement que le fournisseur Provigo se démarque avec le prix moyen par 100 mL le plus bas parmi les options analysées.
Par conséquent, notre choix s’est porté sur Provigo, puisque cette option permet d’optimiser les coûts tout en répondant aux critères établis. Cette décision repose donc sur une démarche rigoureuse, appuyée par des données quantitatives et une représentation visuelle claire.