Grain commun
Toutes les variables doivent être agrégées sur la même semaine, zone et périmètre commercial. Une dépense nationale jointe à des ventes partielles crée une relation sans interprétation économique.
Analyse expert · Révisée le 22.08.2026
Jeu de données MMM : 156 semaines à contrôler avant de modéliser.
DÉCISION SOUTENUEAutoriser la modélisation seulement si le jeu de données offre variation, couverture, traçabilité et contrôles suffisants pour la décision prévue.
Calcul reproductible
Spécification et limites du calcul publié.
Ce dossier vérifie l’arithmétique locale du modèle pédagogique. Il ne transforme pas les hypothèses saisies en preuve de marché ou de causalité.
- Spécification technique du profil de données Noroa (ouvre un nouvel onglet)
v1, 31 août 2026 · CC BY 4.0 · Spécification première partie d’un profil de données Noroa synthétique, sans observation de marché.
Ce qu’il faut distinguer
Trois conditions avant tout calcul.
Définitions stables
Revenu net, marge, dépenses, impressions et promotions doivent conserver la même règle de calcul. Une rupture d’outil non documentée ressemble à un changement de performance.
Variation exploitable
Un canal constamment actif avec un budget presque fixe est difficile à distinguer de la tendance. La complétude ne remplace pas la variation indépendante.
Méthode
Décider si les données sont aptes au MMM
- 01Réconcilier les périmètres
Vérifier devise, taxes, retours, zones, produits, semaines et calendrier de comptabilisation pour chaque source.
- 02Profiler la variation
Mesurer minimum, maximum, coefficient de variation, semaines à zéro et corrélations entre canaux.
- 03Documenter les événements
Ajouter changements de prix, promotions, ruptures, ouvertures, concurrence et tests qui influencent le résultat ou servent à la calibration.
- 04Réserver la validation
Isoler une période récente avant toute estimation et interdire son utilisation dans les transformations apprises.
ÉLÉMENT ORIGINAL
La fiche de données Noroa
Le jeu synthétique du cas de référence rend visibles 15 variables, deux événements de calibration et 12 semaines réservées à la validation.
156semaines
15variables
0valeur manquante
12semaines de validation
2événements calibrés
| Semaine | CA € | Search € | Social € | Vidéo € | Disponibilité |
|---|---|---|---|---|---|
| 2023-01-02 | 764 152 | 32 584 | 27 284 | 19 674 | 0,976 |
| 2023-01-09 | 805 137 | 32 309 | 26 360 | 17 689 | 0,977 |
| 2023-01-16 | 821 854 | 33 547 | 27 121 | 16 408 | 0,973 |
Données simulées, usages bornés.
CSVTélécharger les 156 semaines↓Reproduction, formation et tests de méthode autorisés. Benchmark sectoriel et revendication de performance réelle interdits.
EXEMPLE ILLUSTRATIF · DONNÉES SIMULÉES
Une table complète mais incapable de séparer deux canaux
Paid social et vidéo ont été augmentés ensemble pendant 31 semaines et réduits ensemble pendant 27 semaines. Leur corrélation de dépense atteint 0,94.
Même sans valeur manquante, le modèle peut attribuer l’effet à l’un ou l’autre selon les priors. Les contributions individuelles varient de 60 %, alors que leur somme reste stable à 11 %.
Autoriser une lecture groupée social + vidéo, ou créer de la variation par un test. Refuser une allocation séparée fondée sur ces coefficients instables.
Conditions d’acceptation
Ce qui doit être vrai pour agir.
- 01
Chaque variable possède définition, unité, source, propriétaire et historique de transformation.
- 02
Le profil de variation et les corrélations entre canaux sont examiné avant le modèle.
- 03
Prix, promotions, distribution, disponibilité et événements majeurs sont couverts.
- 04
Une période de validation est gelée avant l’estimation.
Limites
Ce que cette analyse ne prouve pas.
- Le jeu Noroa est simulé et ne représente aucun marché réel.
- La qualité statistique ne garantit pas que toutes les variables confondantes ont été observées.
- Une longue série ne corrige pas une rupture de définition ou une absence de variation.
Références
Travaux mobilisés.
- Gebru, T. et al. (2021), « Datasheets for Datasets », Communications of the ACM.
- Wilkinson, M. D. et al. (2016), « The FAIR Guiding Principles », Scientific Data.
- Jin, Y. et al. (2017), Google Research.