Publicité, commandes, CRM et ERP dans un seul entrepôt,
et un analyste à qui vous pouvez écrire
Pour deux marques de compléments sportifs (Thaïlande et Ukraine) nous avons construit un entrepôt reliant Meta, TikTok Shop, Shopify, LINE, GA4, CRM et un ERP d'usine pour le coût réel des marchandises, avec tableaux de bord, suivi des concurrents et distributeurs, et un analyste IA sur Telegram qui répond en SQL. 1 025 tests. 184 événements de sous-cotation de prix sur 218 détectés avec zéro fausse alerte.
La tâche
Deux marques, deux pays, des données réparties en une douzaine d’endroits : plateformes publicitaires, boutique Shopify, TikTok Shop, LINE, un CRM, GA4, un canal de commandes Telegram et un ERP d’usine. Le propriétaire voulait une vision unique et la possibilité de poser une question et d’obtenir un chiffre.
Ce que nous avons construit
Des connecteurs avec rattrapage. Meta Ads, TikTok Shop (3 638 commandes récupérées sur un rattrapage de 30 jours), Shopify, LINE OA, GA4, KeyCRM, PostHog, un canal de commandes Telegram analysé par un bot-utilisateur (571 commandes sur 571 récupérées), et l’ERP d’usine comme source en lecture seule du coût réel des marchandises via les recettes et les prix des matières premières. Le catalogue a été réconcilié entre trois sources : cela a révélé 13 produits fabriqués mais absents de la boutique.
Marts et tableaux de bord. Commandes, dépenses, cohortes, produits, lots, marges avec un vrai coût des marchandises (marge en matière première par gamme, utilisée pour concevoir les lots). Une analyse de panier sur 568 commandes a changé la stratégie de lots.
Modules. Veille concurrentielle avec dix collecteurs (bibliothèques de publicités, réseaux sociaux, marketplaces, sites web, trafic, recherche, tendances, avis) et un moniteur de distributeurs qui a détecté 184 événements de sous-cotation sur 218 avec zéro fausse alerte. Segmentation client en dix personas avec affinité SKU, calculée de manière déterministe en SQL. Un constructeur d’offres avec une porte financière sur la marge et un garde-fou sur les allégations. Un architecte de tunnel avec quatre portes déterministes et export Mermaid.
L’analyste IA. Un rôle en lecture seule dans la base, une couche SQL encadrée (un seul SELECT, uniquement le schéma mart, limites et délais imposés), et un bot Telegram qui répond à « top trois villes par revenu » avec la requête qu’il a exécutée. Nous avons audité notre propre garde-fou et trouvé huit contournements, des astuces de guillemets à l’accès au catalogue système, et les avons tous fermés avant de lui confier des données en production.
Déploiement. Services séparés par marque sur un VPS, systemd, Caddy pour le TLS, sauvegardes quotidiennes, 1 025 tests automatisés dans l’exécution complète.
Le résultat
Le propriétaire obtient des chiffres sur Telegram en quelques secondes, l’équipe reçoit des alertes quand un distributeur sous-cote, et les deux marques partagent enfin une seule définition de ce qu’est une commande.