Analyse de données · Ride Booking 2024

Comprendre l'activité et optimiser la performance d'une plateforme de VTC

← Retour au portfolio

Le contexte

Analyse d'un an de réservations de courses en Inde sur la plateforme « Ride Booking », afin d'identifier les problématiques clés de l'activité 2024 et d'en tirer des recommandations concrètes. Le dataset couvre l'identification des courses, le trajet, le statut (complété, annulé, incomplet) ainsi que l'expérience client et le paiement.

Démarche en 4 temps : inspection du jeu de données, nettoyage, analyse détaillée, puis visualisation et recommandations.

24,64 km Distance moyenne par trajet
4,4 / 5 Note moyenne client
38 % Courses non abouties
58 % Part de marché de Rapido, 2024

Le constat central

Aucun signal fort ne ressort côté satisfaction : les notes clients (4,4/5) et chauffeurs (4,43/5) sont bonnes et stables, tous véhicules confondus. Le vrai problème est ailleurs — 38 % des courses n'aboutissent pas en 2024, principalement à cause des annulations chauffeur (18 %), devant les annulations client (7 %), l'absence de chauffeur disponible (7 %) et les trajets incomplets (6 %).

Répartition des réservations par statut : 62% complétées, 18% annulées par le chauffeur, 7% aucun chauffeur trouvé, 7% annulées par le client, 6% incomplètes

Côté motifs, les chauffeurs annulent surtout pour des problèmes liés au client ou à sa prise en charge, tandis que les clients invoquent plus souvent une mauvaise adresse ou un changement de plan.

Motifs d'annulation détaillés côté clients et côté chauffeurs Total des annulations par mois, pic en juillet

Juillet ressort comme le mois le plus critique (inondations, glissements de terrain, mouvements sociaux), suivi de mai (fermetures de routes, manifestations d'agriculteurs).

Heures avec absence de chauffeur, pic à 18h

À l'échelle de la journée, un pic net apparaît à 18h : embouteillages, faible rentabilité des courses à cette heure, chauffeurs évitant les trajets retour non rentables, chasse au surge pricing et pénurie de véhicules au GPL se cumulent.

Hypothèses vérifiées

Recommandations

Limites de l'étude : le dataset ne contient ni le revenu réel du chauffeur par trajet, ni la commission prélevée par la plateforme, ni le coût du carburant supporté par le chauffeur — des informations qui manquent pour expliquer pleinement les comportements d'annulation côté chauffeur.

Télécharger la présentation (.pptx) Voir les autres projets