Aller au contenu
UFR Ingémedia
Les données des cas

Réservations, couverts et statuts par jour et par service

Réf.
services-jours.csv
Source
SevenRooms
Période
Services du 1er octobre 2024 au 30 septembre 2026 (24 mois : A1 = octobre 2024 → septembre 2025, A2 = octobre 2025 → septembre 2026)
Lignes
1 896 · 118,5 ko

Description

La série de référence du dossier : une ligne par jour de service et par service (déjeuner, dîner, « après-midi et nuit »), avec les réservations et les couverts prévus, les trois statuts de réservation, les couverts honorés, annulés et perdus en no-show et les tables venues sans réservation. Pas de chiffre d’affaires par jour : il se lit par mois. Les statuts d’un service de moins de 5 réservations, et de quelques services voisins, sont laissés vides.

Agrégats calculés depuis ce fichier pour les graphiques : cafe-de-l-homme/aggregats/kpis.json, cafe-de-l-homme/aggregats/saisonnalite-mois.json, cafe-de-l-homme/aggregats/jours-semaine.json, cafe-de-l-homme/aggregats/no-show.json.

Colonnes

14 colonnes · en-têtes d’origine

dateDate
Jour de service (AAAA-MM-JJ). 727 jours observés sur 730 : un jour absent est un jour sans réservation enregistrée, pas un zéro.
moisTexte
Mois du service (AAAA-MM).
jour_semaineTexte
Jour de la semaine en toutes lettres (lundi … dimanche).
serviceTexte
Déjeuner, Dîner, ou « Après-midi et nuit » (service de l’après-midi, Midnight in Paris, soirée musicale sans repas, et les rares réservations sans service SevenRooms).
reservationsNombre
Réservations du service, tous statuts confondus, walk-ins compris. Toujours publié.
couverts_prevusNombre
Couverts prévus de toutes les réservations du service, tous statuts confondus. Toujours publié.
honoreesNombre
Réservations venues (y compris les 56 réservations non clôturées en caisse). Vide, comme les six colonnes suivantes, dans une case de moins de 5 réservations ou masquée en complément (124 cases).
annuleesNombre
Réservations annulées avant le service.
no_showNombre
Clients attendus qui ne sont pas venus et n’ont pas prévenu.
couverts_honoresNombre
Couverts prévus des réservations honorées.
couverts_annulesNombre
Couverts prévus des réservations annulées.
couverts_no_showNombre
Couverts prévus des réservations en no-show : les places restées vides.
walk_insNombre
Tables venues sans réservation (déjà comptées dans honorees).
reservations_avec_ticketNombre
Réservations honorées auxquelles un ticket de caisse est rattaché.

Pièges de nettoyage

  • Trois statuts, trois dénominateurs possibles. Taux de no-show = no_show / (honorees + no_show) ; taux d’annulation = annulees / reservations. Écrivez votre formule avant de calculer.
  • Les walk-ins sont des réservations honorées par construction (on ne peut pas être en no-show sans avoir réservé) : les inclure fait baisser artificiellement le taux de no-show du jour même et du déjeuner.
  • Confidentialité : les statuts de 124 cases (services de moins de 5 réservations et quelques voisins, choisis pour qu’aucun total ne les redonne) sont vides : traitez le vide comme une valeur manquante, pas comme un zéro. Pour un total mensuel exact, prenez saisonnalite-mois.json.
  • Pas de chiffre d’affaires par jour (un service compte parfois une ou deux tables qui paient) : le CA et la dépense par couvert se lisent dans canaux-mois.csv ou offres-mois.csv.
  • Les couverts sont les couverts prévus à la réservation : le nombre de personnes réellement venues n’est jamais renseigné.

La méthode pas à pas est dans le guide « Lire et nettoyer un CSV ».

Questions d’analyse

  1. 01Quel est le taux de no-show de la période, et que devient-il si l’on change de dénominateur ?
  2. 02Combien de couverts sont perdus en no-show chaque année, et que coûteraient-ils au prix moyen d’un couvert ?
  3. 03Quel jour de la semaine et quel service portent le plus de couverts ? Le samedi soir vaut combien de mercredis soir ?
  4. 04À quelle date exacte la fréquentation de mars 2026 se détache-t-elle de celle de mars 2025 ?
  5. 05Combien de couverts prévoir pour octobre 2026, avec quelle fourchette ?

Aperçu des 20 premières lignes

Valeurs brutes, telles que dans le fichier

#datemoisjour_semaineservicereservationscouverts_prevushonoreesannuleesno_showcouverts_honorescouverts_annulescouverts_no_showwalk_insreservations_avec_ticket
12024-10-012024-10mardiDéjeuner153614103420311
22024-10-012024-10mardiDîner611565182132204649
32024-10-022024-10mercrediDéjeuner1024910222009
42024-10-022024-10mercrediDîner5615245741162610137
52024-10-022024-10mercrediAprès-midi et nuit26········
62024-10-032024-10jeudiDéjeuner1340832277655
72024-10-032024-10jeudiDîner510········
82024-10-042024-10vendrediDéjeuner28652431521121020
92024-10-042024-10vendrediDîner98240781461933314975
102024-10-042024-10vendrediAprès-midi et nuit32802219571221518
112024-10-052024-10samediDéjeuner3076272168621120
122024-10-052024-10samediDîner106268911502264201979
132024-10-052024-10samediAprès-midi et nuit5111841469510132229
142024-10-062024-10dimancheDéjeuner153811313062111
152024-10-062024-10dimancheDîner561454493116227341
162024-10-062024-10dimancheAprès-midi et nuit12356511613625
172024-10-072024-10lundiDéjeuner1123821164337
182024-10-072024-10lundiDîner28119177494187117
192024-10-082024-10mardiDéjeuner215017224334815
202024-10-082024-10mardiDîner511354470119160544

Fichier complet : 1 896 lignes. Les cellules longues sont tronquées ici, survolez-les pour lire la valeur entière.

Missions qui l’utilisent

3 missions