E-commerce et commerce de détail
Un tableau de bord retail Data Studio pour les magasins et les canaux en ligne
Un tableau de bord retail dans Data Studio réunit sur une seule page, actualisée automatiquement, les commandes Shopify ou WooCommerce, les ventes Amazon Seller Central, les encaissements en caisse et la fréquentation des magasins. Nous les construisons pour les enseignes multicanales et les marques e-commerce dont les équipes merchandising, e-commerce et magasins tiennent chacune un tableur différent. Vous obtenez une seule définition du chiffre d’affaires, de la conversion et du taux d’écoulement, et un rapport que chaque équipe peut filtrer sur ses propres magasins et canaux.

Réponse rapide
Que doit montrer un tableau de bord du commerce de détail ?
Un tableau de bord du commerce de détail doit montrer la croissance du chiffre d’affaires d’un mois et d’un trimestre sur l’autre, le taux de conversion, le taux d’écoulement, l’abandon de panier par rapport aux prévisions, les ventes en ligne face aux ventes en magasin, la fréquentation des magasins et la démarque. Ensemble, ces vues répondent aux questions commerciales de la semaine : ce qui s’est vendu, où, par quel canal, et ce qui a disparu du stock avant d’avoir pu être vendu.
- Notre réalisation retail couvre la croissance, la conversion, l’écoulement, l’abandon de panier, la répartition par canal, la fréquentation et la démarque.
- Shopify, WooCommerce, Amazon Seller Central, Square ou Lightspeed et les compteurs de fréquentation alimentent un modèle unique.
- La conversion en magasin utilise la fréquentation comme dénominateur, pour juger équitablement les magasins très fréquentés.
- Les gros volumes au niveau de la référence passent sur BigQuery pour que les pages restent rapides pendant les revues commerciales.
Que montre notre tableau de bord retail Data Studio ?
Il montre la performance commerciale de tous les canaux sur un même ensemble de pages. Le tableau de bord retail que nous avons construit dans Data Studio s’ouvre sur la croissance du chiffre d’affaires d’un mois et d’un trimestre sur l’autre, puis décompose la performance selon les indicateurs qu’un directeur commercial retail examine chaque lundi.
Chaque vue peut être filtrée par magasin, région, canal et catégorie, et chaque graphique lit le même modèle consolidé : un chiffre de la vue d’ensemble correspond toujours à celui de la page de détail.
- Croissance du chiffre d’affaires d’un mois et d’un trimestre sur l’autre, avec la période précédente en regard.
- Taux de conversion de la boutique en ligne et, grâce à la fréquentation, des magasins physiques.
- Taux d’écoulement par catégorie et par saison.
- Abandon de panier suivi par rapport à la prévision que vous avez fixée.
- Ventes en ligne face aux ventes en magasin, côte à côte et en part du total.
- Fréquentation des magasins par jour et par heure.
- Démarque par magasin et par catégorie.
D’où viennent les données retail, et comment les relier ?
La plupart des commerçants utilisent trois à cinq systèmes qui n’ont jamais été conçus pour communiquer. Les commandes en ligne sont dans Shopify ou WooCommerce, les ventes sur marketplace dans Amazon Seller Central, les transactions de caisse dans un logiciel comme Square ou Lightspeed, et les comptages d’entrées sur le portail du fournisseur de compteurs ou dans un CSV envoyé chaque matin par e-mail.
Aucun d’entre eux ne dispose d’un connecteur Data Studio natif : nous les intégrons donc via un connecteur partenaire comme Windsor.ai ou Supermetrics, ou les chargeons dans BigQuery selon un calendrier. Les tables de correspondance des magasins et des références se trouvent dans une feuille Google Sheets que votre équipe peut modifier, ce qui compte le jour où un nouveau magasin ouvre ou qu’un produit est renommé sur Amazon mais pas sur Shopify.
Nous évitons de tout empiler dans une seule fusion. Les fusions Data Studio acceptent au maximum cinq sources et uniquement des jointures d’égalité : un modèle retail avec un référentiel produits, un référentiel magasins, trois flux de ventes et la fréquentation doit donc être joint en amont, généralement dans BigQuery. Cette modélisation en amont représente l’essentiel du travail d’une agence Data Studio pour un commerçant, et c’est elle qui garde le rapport rapide quand arrive une deuxième saison de références.
Ce que vous obtenez
Ce que nous réalisons
Périmètre et prix forfaitaire définis après un audit gratuit.
Vue d’ensemble commerciale
Croissance du chiffre d’affaires d’un mois et d’un trimestre sur l’autre pour tous les canaux, avec filtres par magasin, région et catégorie.

Page de répartition par canal
Ventes en ligne face aux ventes en magasin, avec les règles de click and collect, de marketplace et de retours inscrites dans des champs calculés.
Conversion et abandon de panier
Conversion web et abandon de panier par rapport aux prévisions, plus la conversion en magasin avec la fréquentation comme dénominateur.
Écoulement par catégorie
Unités vendues par rapport aux unités reçues par catégorie et par saison, pour que les décisions de démarque partent d’un chiffre validé.
Vue de fréquentation
Fréquentation par magasin, jour et heure issue de vos compteurs, placée à côté des transactions.
Suivi de la démarque
Stock théorique face au stock compté par magasin et par catégorie, avec la date d’inventaire affichée pour chaque chiffre.
Page de définitions
Chaque indicateur, formule et règle de canal rédigé en langage clair à l’intérieur du rapport.
Comment comparer équitablement ventes en ligne et ventes en magasin ?
On s’accorde d’abord sur les règles, puis on les code une seule fois. Le chiffre d’affaires en ligne et celui des magasins semblent comparables jusqu’à ce qu’on se demande où classer une commande en click and collect, si les frais Amazon sont déduits avant ou après la comparaison, et à quelle date un retour est comptabilisé.
Nous inscrivons ces décisions dans des champs calculés, généralement une instruction CASE qui affecte chaque commande à un canal, et les documentons sur une page de définitions à l’intérieur du rapport. Quand la finance demande pourquoi la répartition par canal diffère de la présentation de l’an dernier, la réponse figure sur la page plutôt que dans la boîte mail de quelqu’un.
Les taxes et les devises reçoivent le même traitement. Un commerçant qui vend dans plusieurs pays a besoin des ventes nettes dans une seule devise de reporting, et le taux de conversion utilisé chaque jour doit être visible, pas enfoui dans une formule.
Pourquoi l’écoulement et la démarque diffèrent-ils d’une équipe à l’autre ?
Généralement parce que chaque équipe divise par un chiffre de stock différent. Le merchandising peut calculer l’écoulement comme les unités vendues sur les unités reçues, tandis que les magasins utilisent les unités vendues sur le stock d’ouverture, et les deux sont raisonnables jusqu’à ce qu’ils se retrouvent sur la même diapositive.
La démarque pose aussi un problème de calendrier. Elle provient de l’écart entre stock théorique et stock compté : elle ne bouge donc que lorsqu’un inventaire ou un comptage tournant est enregistré. Nous affichons la date de comptage à côté de chaque chiffre de démarque, pour que personne ne prenne un mois calme pour un bon mois.
Notre rôle est de choisir avec vous une définition, de l’indiquer clairement et de garder l’alternative disponible sous forme de paramètre lorsqu’une équipe en a réellement besoin.
Qu’est-ce qui ralentit un tableau de bord retail, et comment y remédier ?
Le volume de lignes et les appels d’API en direct. Un modèle au niveau référence, magasin et jour grossit vite, et Data Studio renvoie des erreurs « trop de lignes » sur les requêtes volumineuses. Nous agrégeons au niveau de détail dont chaque page a besoin et partitionnons les tables BigQuery par date, pour qu’un filtre de dates ne parcoure que les jours affichés.
Si l’abandon de panier provient d’événements GA4, le quota de la GA4 Data API de 14 000 jetons par projet, par propriété et par heure peut être épuisé lorsque de nombreuses personnes ouvrent un rapport chargé. Un extrait ou un export quotidien de GA4 vers BigQuery évite ces erreurs de quota.
Nous réglons aussi délibérément les identifiants des sources de données. Les identifiants du propriétaire permettent aux responsables de magasin de voir le rapport sans accès à Shopify ni au back-office des caisses, et nous rattachons le compte propriétaire à un identifiant de service partagé pour que le rapport ne casse pas quand quelqu’un part.
Qui, dans une équipe retail, utilise quelle page ?
Chaque rôle dispose d’une vue de départ plutôt que d’un rapport distinct. Les responsables de magasin ouvrent la page magasin déjà filtrée sur leur point de vente, les merchandiseurs commencent par l’écoulement par catégorie, le responsable e-commerce vérifie la conversion et l’abandon de panier, et la finance consulte la répartition par canal.
Un envoi planifié transmet chaque lundi à la direction un PDF de la synthèse commerciale. Avec Data Studio Pro, les planifications peuvent être horaires et diffuser vers Slack ou Google Chat, ce qui convient aux semaines de forte activité. Les rapports créés sous l’ancien nom, Looker Studio, sont repris tels quels : un rapport magasin existant peut être enrichi plutôt que reconstruit.
Fonctionnement
Déroulement d’un projet
- 01
Audit gratuit
Nous examinons vos rapports et systèmes actuels et définissons avec vous les questions auxquelles le tableau de bord doit répondre. Vous recevez un prix fixe.
- 02
Correspondance des données
Nous connectons Shopify, Amazon, les caisses et les compteurs de fréquentation, et construisons des tables de correspondance magasins et références que votre équipe peut maintenir.
- 03
Atelier de définitions
Une séance avec le merchandising, l’e-commerce et la finance pour arrêter les règles de canal, d’écoulement et de démarque.
- 04
Réalisation et tests
Nous construisons les pages, rapprochons les totaux de vos caisses et de votre back-office e-commerce, et comblons les écarts.
- 05
Passation
Formation de chaque équipe, mise en place des envois planifiés et guide écrit pour tenir à jour les tables de correspondance.
FAQ
Questions fréquentes
Data Studio peut-il se connecter à Shopify et à Amazon Seller Central ?
Pas nativement, mais des connecteurs partenaires comme Windsor.ai et Supermetrics intègrent les deux, et chacun peut aussi être chargé dans BigQuery. Nous choisissons selon le volume de données et la fréquence d’actualisation nécessaire. Pour les grands catalogues, BigQuery offre généralement des pages plus rapides.
Comment mesurer le taux de conversion en magasin ?
La conversion en magasin correspond au nombre de transactions divisé par la fréquentation, pour le même magasin et la même période. Elle nécessite un flux de compteurs d’entrées et un flux de caisse qui partagent les identifiants de magasin et les tranches horaires. Nous construisons la correspondance pour que les deux s’alignent par magasin et par heure.
Quelle définition du taux d’écoulement retenir pour un tableau de bord ?
La version la plus courante est le nombre d’unités vendues divisé par le nombre d’unités reçues sur une période, exprimé en pourcentage. Certaines équipes utilisent plutôt le stock d’ouverture. Nous vous aidons à en choisir une, l’indiquons sur la page et gardons l’autre disponible sous forme de paramètre si nécessaire.
Les responsables de magasin peuvent-ils ne voir que leur propre magasin ?
Oui. Chaque responsable peut ouvrir un lien avec son magasin préfiltré, ou la source de données peut filtrer les lignes selon l’adresse e-mail du lecteur, pour que chacun ne voie que ses points de vente. Nous choisissons l’approche adaptée au degré de séparation des accès dont vous avez besoin.
Notre rapport retail Looker Studio existant fonctionnera-t-il toujours ?
Oui. Les rapports sont passés automatiquement sur Data Studio lorsque Google a renommé le produit en avril 2026, et les anciens liens redirigent. Nous pouvons enrichir le rapport dont vous disposez déjà plutôt que de repartir de zéro.
À quelle fréquence les rapports retail peuvent-ils s’actualiser dans Data Studio ?
Cela dépend de la source et du connecteur. Beaucoup de commerçants actualisent les ventes chaque jour et la fréquentation chaque nuit. Avec Data Studio Pro, les envois planifiés peuvent être horaires, ce qui aide pendant les pics d’activité.
À lire aussi
Pages associées
Commencer
Dites-nous ce que votre reporting doit accomplir
Décrivez les tableaux de bord dont vous avez besoin, leurs lecteurs et l’emplacement de vos données. Nous répondons sous un jour ouvré avec une approche, les connecteurs nécessaires et un plan à prix fixe.
- Audit gratuit de 30 minutes de votre reporting
- Devis ferme avant tout démarrage
- Tout est créé dans votre compte Google et vous appartient
Vous préférez l’e-mail ? info@greenwolftechlabs.com
Demander une proposition gratuite
Deux lignes suffisent pour commencer.