Dashboards C-level et cohort analysis

Section 14.7.1 : Dashboards C-level et cohort analysis

🎯 Objectif pédagogique

Construire des dashboards stratégiques pour la direction (CEO, CRO, CMO) et maîtriser la cohort analysis pour comprendre la rétention et la croissance.

Dashboards exécutifs : ce que le C-level veut voir

Les dirigeants ne veulent pas des métriques opérationnelles — ils veulent des réponses à 3 questions : "Est-ce qu'on croît ?", "Est-ce qu'on est rentable ?", "Qu'est-ce qui va changer ?".

## CEO Dashboard — 5 métriques clés

1. ARR (Annual Recurring Revenue) + trend
   - ARR actuel + objectif annuel
   - ARR growth rate MoM et YoY
   - Breakdown : new ARR, expansion, contraction, churn

2. Net Revenue Retention (NRR)
   - NRR rolling 12 mois
   - NRR par segment (Enterprise, Mid-market, SMB)
   - Trend et comparaison avec benchmarks

3. CAC Payback Period
   - Mois pour récupérer le coût d acquisition
   - Par canal et par segment
   - Trend sur 4 trimestres

4. Burn Multiple
   - Net burn / Net new ARR
   - Cible : < 2x pour Series A+
   - Trend mensuel

5. Pipeline Coverage
   - Pipeline / Quota = X fois couvert
   - Cible : 3-4x pour 80% d atteinte
   - Par stage et par rep

Cohort Analysis

La cohort analysis segmente les clients par date d'acquisition et suit leur comportement dans le temps. C'est l'outil le plus puissant pour comprendre la rétention.

# Cohort analysis avec pandas

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

def create_cohort_analysis(customers_df):
    """
    customers_df contient :
    - customer_id, signup_month, revenue_month, revenue
    """
    # Créer la matrice de cohort
    cohort = customers_df.pivot_table(
        index='signup_month',   # Mois d'inscription
        columns='months_since_signup',  # Mois depuis inscription
        values='revenue',
        aggfunc='sum'
    )

    # Normaliser par le mois 0 (100% = revenu initial)
    cohort_pct = cohort.divide(cohort[0], axis=0) * 100

    # Visualiser
    plt.figure(figsize=(14, 8))
    sns.heatmap(
        cohort_pct,
        annot=True, fmt='.0f',
        cmap='RdYlGn',
        center=100,
        vmin=50, vmax=150
    )
    plt.title('Revenue Retention par Cohort (%)')
    plt.xlabel('Mois depuis inscription')
    plt.ylabel('Cohort (mois d inscription)')
    plt.show()

    return cohort_pct

Exemple de dashboard RevOps