Skip to content

Projet de préparation au diplôme de Data Analyst - Utilisation des données immobilières (DVF - 2017) pour se démarquer de la concurrence. Le but est de concevoir la Base De Données et d'utiliser les requêtes SQL afin d'analyser la ventes des biens immobiliers.

Notifications You must be signed in to change notification settings

trackstone/DATAImmo-AnalyseDeVenteDesBiensImmobiliers_DVF_2017

 
 

Repository files navigation

Présentation du projet "DATAImmo"

¤¤¤ Projet certifiant au titre RNCP de Data Analyst ¤¤¤

Objectifs:

  1. Création de la base de données permettant de collecter les transactions immobilières et foncières en France
  2. Analyser le marché en utilisant des requêtes SQL et aider les différentes agences régionales à mieux accompagner leurs clients.

Source de données: Demandes de valeurs foncières (DVF) - 2017

"Le présent jeu de données « Demandes de valeurs foncières », publié et produit par la direction générale des finances publiques, permet de connaître les transactions immobilières intervenues au cours des cinq dernières années sur le territoire métropolitain et les DOM-TOM, à l’exception de l’Alsace, de la Moselle et de Mayotte. Les données contenues sont issues des actes notariés et des informations cadastrales"

Direction Générale des Finances Publiques, Dgf. (2022, 8 avril). Demandes de valeurs foncières (DVF) - data.gouv.fr. data.gouv.fr. Consulté le 3 juillet 2022, à l’adresse https://www.data.gouv.fr/fr/datasets/5c4ae55a634f4117716d5656/

1. Création de la base de donnée

Analyse et nettoyage du data set afin de rédiger le dictionnaire des données correspondant aux besoins du projet.

La Base de Données est représentée par le Modèle Conceptuel de Donnée (MCD) dans lequel se trouve les classes ainsi que leurs attributs. La relation entre ces classes ainsi que le type des attributs sont représentés dans le Schémas Relationnel Normalise 3NF.

Création et mise à jour de la Base De Données opérationelle. En effet, les code_dep (2A et 2B) de la Corse n'étaient pas renseignés. Afin d'obtenir une analyse plus détaillée de cette région, les codes département ont été assignés aux villes correspondantes.

2. Analyse de marché

L'analyses a été réalisée avec des requêtes SQL, voici les résultats:

  1. Nombre total d’appartements vendus au 1er semestre 2020

Requete1_Resultat

  1. Proportion des ventes d’appartements par le nombre de pièces

Requete2_Resultat

  1. Liste des 10 départements où le prix du mètre carré est le plus élevé

Requete3_Resultat

  1. Prix moyen du mètre carré d’une maison en Île-de-France

Requete4_Resultat

  1. Liste des 10 appartements les plus chers avec le département et le nombre de mètres carrés

Requete5_Resultat

  1. Taux d’évolution du nombre de ventes entre le premier et le second trimestre de 2020

Requete6_Resultat

  1. Liste des communes où le nombre de ventes a augmenté d'au moins 20% entre le premier et le second trimestre de 2020

Requete7_Resultat

  1. Différence en pourcentage du prix au mètre carré entre un appartement de 2 pièces et un appartement de 3 pièces

Requete8_Resultat

  1. Les moyennes de valeurs foncières pour le top 3 des communes des départements 6, 13, 33, 59 et 69

Requete9_Resultat_v2

About

Projet de préparation au diplôme de Data Analyst - Utilisation des données immobilières (DVF - 2017) pour se démarquer de la concurrence. Le but est de concevoir la Base De Données et d'utiliser les requêtes SQL afin d'analyser la ventes des biens immobiliers.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published