Piloter l'après-vente automobile avec une précision mathématique.
- React
- Django (Python REST API)
- PostgreSQL
L'entropie de l'après-vente
Le secteur de l'après-vente automobile repose historiquement sur des DMS (Dealer Management Systems) isolés, des exports Excel chronophages et une gestion de la facturation asynchrone. L'objectif d'AutoDashboard était de briser ces silos pour offrir une plateforme de Business Intelligence capable de piloter l'activité de l'atelier en temps réel (mécaniciens, CA, heures facturées, qualité).
Diagnostic des failles
Données propriétaires cadenassées
Les concessions utilisent des systèmes fermés empêchant l'extraction de métriques cruciales (productivité des mécaniciens, rotation des pièces) sans intervention manuelle.
Latence du reporting
Calculer le chiffre d'affaires quotidien d'un atelier ou le taux de rentabilité des pièces prenait plusieurs heures. L'information arrivait trop tard pour agir.
Dette visuelle
Les rares outils existants souffraient d'interfaces archaïques, surchargées de tableaux illisibles, faisant chuter le taux d'adoption par les chefs d'atelier.
Le Protocole d'Ingénierie (V1 Production)
1. Refonte complète du backend : J'ai pris en charge l'architecture et la refonte totale du backend en Python avec Django (API REST). Ingestion, nettoyage et unification des flux asynchrones provenant de tous les DMS automobiles → métriques déterministes (CA, heures facturées, productivité mécaniciens, qualité).
2. Interface "Cockpit" React : Frontend développé en React pur consommant l'API Django. Interface moderne en Bento Grid : les responsables après-vente visualisent en un coup d'œil les goulets d'étranglement et pilotent leur activité en temps réel.
3. Data Engineering & Scaling : PostgreSQL + pipeline optimisé pour gérer des volumes massifs de données. Tous les calculs sont exécutés côté serveur. Résultat : latence < 0.4s et plateforme scalable en production (V1 complète, pas seulement MVP).