Carrefour’s issue

Below is the first sketch Azza sent me

Below is the first diagram I did generated by the file dataflow.py [wip]

Hint

The diagram above written in python is not efficient because of the quantity of text that we have to add in each node. We will prefer a classical mermaid in .rst here.

Mermaid made in .rst with Sphinx

flowchart %%Nodes subgraph A[Prolog] x[BN 44\n\nTables des entrées de stocks valorisées\nbase achats à l'EAN\n\nVolumétrie : Année 2021\n- Nombre de lignes : 71,5M\n- Nombre de colonnes : 13\n\nTemporalité :\nFichiers mensuels] y[BN 57\n\nTables renseignant sur les écarts sur\nachats > 25 euros à l'EAN\n\nVolumétrie: Année 2021\n- Nombres de lignes : 9 M\n- Nombre de colonnes : 15\n\nTemporalité :\nFichiers mensuels\n] z[BN 38\n\nUtilisée pour le paramétrage des\nnuméros de regroupements maitres] end ca[CA] ca1[CA] t[Taux] rr[Ristournes\nrecalculées] r[Ristournes] 1[Table de transcodage codes entrepôts\n300 lignes] t[Taux] --- 2(x) --> ca1 subgraph B[BCP Réferentiel fournisseurs / Outils de calcul des ristournes] xB[Liste Y\n\nListe utilisée pour le débouclage à\n la maille fournisseur regroupement\n\nVolumétrie : Extraction 12/2021\n- Nombre de lignes : 147 K\n- Nombre de colonnes : 36\n\nTemporalité :\nMontants cumulés] yB[Liste L\n\nListe des remontées de bases\n achats entrepôt à la maille\nfournisseur regroupement\n\nVolumétrie : Extraction 12/2021\n- Nombre de lignes : 200 K\n- Nombre de colonnes : 32\n\nTemporalité :\nMontants mensuels de janvier à\n décembre] zB[Liste A\n\nListe des taux de ristournes à la\nmaille fournisseur regroupement\n\nVolumétrie 12/2021 :\n- Nombres de lignes : 5316\n- Nombres de colonnes : 24\n\nTemporalité :\nPériodes contractuelles] wB[Liste Z non utilisée\n\nListe correspondant à la prévision\nListe A * Liste L\n\nVolumétrie :\n- Nombre de lignes : 106 K\n- Nombre de colonnes : 28\n\nTemporalité :\nMontants cumulés] end %%Links A -----> B 1 -.-> A & B xB --> ca & r y & x --> ca1 zB --> t ca1 --> rr rr -.- r ca -.- ca1 %%Styles classDef class1 fill:#f1cbff x:::class1 y:::class1 z:::class1 ca1:::class1 classDef class3 fill:#c0c5ce wB:::class3 2:::class3 classDef class4 fill:#8b9dc3 t:::class4 classDef class5 fill:#e1f7d5 1:::class5 rr:::class5 classDef class6 fill:#fdf9f9 A:::class6 classDef class7 fill:#c9c9ff B:::class7 r:::class7 ca:::class7 ca:::class2 r:::class2 2:::class2

Hint

We can see that the mermaid in .rst is more efficient here. But still in my opinion I still prefer the first graph that Azza sent me. I think it is preferable to keep it like that here, It is much more readable.