🎯 Data Quality Monitoring Platform

Plateforme professionnelle de surveillance de la qualité des données avec dashboard interactif, rapports automatisés et API REST

---

📊 LIVE DEMO

• Frontend Dashboard: data-quality-dashboard.netlify.app
• Backend API: http://localhost:5001/api/quality-summary⏳
• Source Code: GitHub Repository

---

🚀 FONCTIONNALITÉS PRINCIPALES

📈 Tableau de Bord Temps Réel

• Monitoring en direct des KPI de qualité des données
• Visualisations interactives avec Chart.js
• Métriques calculées automatiquement
• Interface responsive Material-UI

🔍 Contrôles Automatisés

• Validation de complétude des données
• Détection d'anomalies en temps réel
• Vérification des contraintes d'intégrité
• Historique des contrôles exécutés

📤 Rapports Professionnels

• Export PDF avec mise en forme avancée
• Génération de fichiers Excel/CSV
• Rapports personnalisables par période
• Emailing automatique des rapports

🔧 API REST Complète

• Endpoints RESTful pour l'intégration
• Documentation Swagger intégrée
• Authentification JWT (optionnel)
• Logs détaillés d'activité

---

🖼️ SCREENSHOTS DU DASHBOARD

1. 📊 Tableau de Bord - Qualité des Données

Vue d'ensemble des indicateurs clés avec graphiques interactifs et métriques en temps réel.

2. 📈 Métriques de Qualité

Détail des métriques de qualité par colonne avec statuts PASS/WARNING/FAIL et tendances historiques.

3. ⚠️ Anomalies Détectées

Tableau des anomalies identifiées avec priorité, statut et actions correctives recommandées.

4. 🔍 Aperçu des Données

Visualisation des données brutes avec filtrage, tri et recherche avancée.

---

🏗️ ARCHITECTURE TECHNIQUE

data-quality-monitoring/
├── 📁 frontend/                 # Application React Dashboard
│   ├── 📁 src/components/      # Composants réutilisables
│   ├── 📁 src/pages/           # Pages principales
│   ├── 📁 src/services/        # Appels API
│   └── 📁 src/utils/           # Utilitaires
├── 📁 backend/                 # API Python Flask
│   ├── app.py                  # Application principale
│   ├── requirements.txt        # Dépendances Python
│   ├── 📁 database/           # Configuration DB
│   ├── 📁 models/             # Modèles de données
│   └── 📁 routes/             # Routes API
├── 📁 database/               # Scripts MySQL
│   ├── schema.sql            # Structure de base
│   └── seed.sql              # Données de test
└── 📁 screenshots/           # Captures d'écran

---

🛠️ TECHNOLOGIES UTILISÉES

Composant	Technologies
Frontend	React 18, Material-UI, Chart.js, jsPDF, Axios
Backend	Python Flask, MySQL Connector, Flask-CORS
Base de Données	MySQL 8.0, Indexation avancée
DevOps	Netlify, Railway, Git, GitHub Actions
Monitoring	Logging personnalisé, Métriques temps réel

---

⚡ INSTALLATION RAPIDE

Prérequis

• Node.js 18+ et npm
• Python 3.10+
• MySQL 8.0+

1. Cloner le projet

git clone https://github.com/YOUSSEF-BT/Data-Quality-Monitoring.git
cd data-quality-monitoring

2. Configurer le Backend (Python)

cd backend
pip install -r requirements.txt
# Configurer .env avec vos paramètres MySQL
python app.py

3. Configurer le Frontend (React)

cd frontend
npm install
npm start

4. Accéder à l'application

• Frontend : http://localhost:3000
• Backend API : http://localhost:5001
• API Docs : http://localhost:5001/api-docs

---

🔗 API ENDPOINTS

Méthode	Endpoint	Description
GET	/api/quality-summary	Résumé dashboard
GET	/api/quality-metrics	Métriques détaillées
GET	/api/anomalies	Liste anomalies
GET	/api/sales-data	Données brutes
POST	/api/run-checks	Exécuter contrôles
GET	/api/export/pdf	Générer PDF

Exemple de requête :

curl -X GET "http://localhost:5001/api/quality-summary"

---

🌐 DÉPLOIEMENT

Frontend (Netlify)

1. Build : npm run build
2. Déployer dossier build/ sur Netlify
3. Variables d'environnement :

   REACT_APP_API_URL=https://votre-api.railway.app
   

Backend (Railway)

1. Créer Procfile : web: gunicorn app:app
2. Push sur GitHub
3. Railway détecte automatiquement Python + MySQL
4. Configurer variables d'environnement

Base de Données (MySQL)

1. Railway fournit MySQL gratuitement
2. Exécuter schema.sql
3. Configurer connexion dans variables d'environnement

---

📊 DONNÉES DE DÉMONSTRATION

Votre API retourne des données réalistes :

{
  "success_rate": 69,
  "passed_checks": 69,
  "failed_checks": 31,
  "total_anomalies": 50,
  "metrics": [
    {"name": "Complétude", "value": 85, "target": 90},
    {"name": "Exactitude", "value": 78, "target": 85},
    {"name": "Cohérence", "value": 92, "target": 95}
  ]
}

---

🚀 UTILISATION EN PRODUCTION

Scénarios d'Usage

• Secteur Financier : Validation des transactions
• Santé : Qualité des données patients
• E-commerce : Cohérence des produits
• Logistique : Traçabilité des données

Avantages Clés

• ✅ Temps réel : Monitoring immédiat
• ✅ Automatisé : Réduit l'effort manuel
• ✅ Scalable : Gère des millions d'enregistrements
• ✅ Rapports : Export PDF/Excel professionnels

---

🤝 CONTRIBUTION

1. Fork le projet
2. Créer une branche (git checkout -b feature/AmazingFeature)
3. Commit vos changements (git commit -m 'Add AmazingFeature')
4. Push vers la branche (git push origin feature/AmazingFeature)
5. Ouvrir une Pull Request

---

📝 LICENCE

Distribué sous licence MIT. Voir LICENSE pour plus d'informations.

---

👨‍💻 AUTEUR

Youssef - Data Scientist & Full-Stack Developer

• Email : bt.youssef.369@gmail.com
• GitHub : github.com/YOUSSEF-BT
• LinkedIn : in/youssef-bt-74863239b

---

⭐ SUPPORT

Si vous trouvez ce projet utile, pensez à :

1. ⭐ Star le repository sur GitHub
2. 🔗 Partager avec vos collègues
3. 🐛 Signaler les issues
4. 💡 Proposer des améliorations

---

📞 CONTACT

Pour toute question ou collaboration :

• Email : bt.youssef.369@gmail.com
• GitHub Issues : Nouvelle Issue
• LinkedIn : Message Privé

---

✨ Fait avec ❤️ pour la communauté Data Quality

---

🔗 LIENS UTILES

• 📚 Documentation Technique
• 🐛 Bug Tracker
• 💡 Feature Requests
• 📊 Roadmap
• 🤝 Code de Conduite

---

Dernière mise à jour : Décembre 2025