Titre : Dataset de ventes pour nettoyage SQL - raw_sales_data_56k.csv
Auteur : iana-data.org
Date de création : 2026-04-11
Version : 1.0
Licence : CC BY-NC 4.0 (attribution, pas d'usage commercial)

Description :
Ce dataset contient des ventes simulées avec des erreurs volontaires pour illustrer les problèmes récurrents de qualité des données. Il a été généré avec la bibliothèque Python Faker, puis volontairement altéré pour inclure :

- Doublons exacts (167 lignes)
- Valeurs manquantes (NULL) sur Customer_Email, Product_Category, Quantity, Unit_Price, Payment_Method
- Formats de date incohérents (YYYY-MM-DD, YYYY/MM/DD, MM-DD-YYYY, texte)
- Casse variable sur Product_Category et Store_Location
- Méthodes de paiement non standardisées ("cc", "ppal", "debit", etc.)
- Quantités aberrantes (valeurs négatives, 9999)
- Prix unitaire à zéro (20 lignes)
- Incohérence Total_Amount vs Quantity × Unit_Price (11 059 lignes)

Structure (11 colonnes) :

| Colonne            | Type      | Description                                  |
|--------------------|-----------|----------------------------------------------|
| Transaction_ID     | TEXT      | Identifiant unique de la transaction         |
| Sale_Date          | TEXT      | Date de la vente (formats variés)            |
| Customer_ID        | TEXT      | Identifiant client                           |
| Customer_Email     | TEXT      | Email client (contient des NULL)             |
| Product_Category   | TEXT      | Catégorie produit (casse variable)           |
| Product_Name       | TEXT      | Nom du produit                               |
| Quantity           | TEXT      | Quantité achetée (type TEXT, valeurs aberrantes) |
| Unit_Price         | REAL      | Prix unitaire (NULL, 0, valeurs normales)    |
| Total_Amount       | REAL      | Montant total (incohérent pour 17% des lignes) |
| Store_Location     | TEXT      | Localisation du magasin (casse variable)     |
| Payment_Method     | TEXT      | Moyen de paiement (non standardisé)          |

Statistiques :
- Lignes totales : 63 000
- Taille du fichier : 6,2 Mo
- Format : CSV (UTF-8, séparateur virgule, guillemets optionnels)

Fichier nettoyé associé : clean_sales_data.csv (5,8 Mo)
Base SQLite associée : sales_cleaning.db (4,2 Mo)

Cas pratique correspondant :
https://www.iana-data.org/cest-a-vous/cas-pratiques/nettoyage-dataset-csv-sql.html

Utilisation :
Libre pour usage pédagogique et non commercial. Merci de citer iana-data.org comme source.

Contact : contact@iana-data.org