Contexte

En tant que Business Intelligence Analyst chez ESN Data (fictif), j’ai été sollicité par Jade (la directrice) pour accompagner “Les Plus Beaux Logis de Paris” dans deux missions successives :

• Analyse historique : étudier l’évolution des prix de l’immobilier parisien (2017–2021) afin d’identifier les dynamiques de marché et les corrélations clés.
• Modélisation prédictive et clustering :
  • Construire une régression linéaire pour prédire la valorisation future du portefeuille d’actifs de l’entreprise.
  • Mettre en place un algorithme de clustering K‑Means pour classifier automatiquement les biens (appartements vs locaux commerciaux) et répondre au besoin exprimé par Louise (directrice « Les Plus Beaux Logis de Paris »).

Datasets

• df_histo_immo: historique des ventes immobilières à Paris entre 2017 et 2021 (transactions = 26196 , champs : date de mutation, valeur foncière, adresse numero, adresse voie, code postale, nom commune, code type local, type de bien, surface).
• df_actifs: portefeuille d’actifs de l’entreprise pour 2022, deux versions :
  • Portefeuille 1  : 275 biens (154 particuliers, 121 corporate)
  • Portefeuille 2: 469 biens (310 particuliers, 159 corporate) .
• Échantillon clustering: données des biens transmises par l’équipe de Louise pour valider le K‑Means.

Workflow

• Environnement : Jupyter Notebook (Python 3) bibliothèques pandas, numpy, matplotlib, seaborn, plotly, statsmodel, scikit‑learn.
• EDA:
  • Vérification des types, comptage total et par type de bien.
  • Calcul de l’intervalle temporel des données.
  • Évolution du prix moyen €/m² global et par arrondissement (2017→2021).
  • Analyse de représentativité (répartition appartements vs locaux).
  • Tests de corrélation de Pearson : prix €/m² vs date, prix €/m² vs surface.
  • Comparaison des prix €/m² entre appartements et locaux.
• Régression linéaire :
  • Pré‑traitement : transformation logarithmique de la variable cible, one‑hot encoding des codes postaux, séparation temporelle train/test (train : ≤ 2020, test : 2021).
  • Entraînement d’un modèle LinearRegression et évaluation par MAE en pourcentage.
  • Validation : cible < 10 % d’erreur moyenne.
• K-Means clustering:
  • Préparation : calcul du prix €/m², gestion des valeurs manquantes, sélection de la variable.
  • Application de K‑Means (k=2), interprétation des centres, association aux catégories (appartement vs local).
  • Évaluation : f1‑score, accuracy, matrice de confusion.

Insights

• Tendances de marché: la tendance avant covid était fortement croissante, après il y a eu un ralentissement. Chaque arrondissement se différencie des autres pour le prix, mais il mantient plus au moins la même tendance.
• Représentativité :
  • Historique 2021 : 92,9 % appartements vs 7,1 % locaux
  • Portefeuille 1 : 56,0 % appartements vs 44,0 % locaux
  • Portefeuille 2 : 66,1 % appartements vs 33,9 % locaux
• Prédictions:
  • Valorisation portefeuille 1 : 67,5 M€ (particuliers) | 111,9 M€ (corporate)
  • Valorisation portefeuille 2 : 788,5 M€ (particuliers) | 52 454,8 M€ (corporate) .
  • Erreur moyen pondérée: 1,08% train, 1,11% test
• Clustering:
  • f1‑score = 1,00 ; accuracy = 100 %
  • Classification sans erreur (matrice de confusion parfaite).

Business Impact

• Les directeurs disposent désormais d’une analyse historique solide pour comprendre les dynamiques de prix par arrondissement.
• Le modèle de régression permet d’anticiper la valorisation future du portefeuille avec une erreur maîtrisée (< 1,5%), facilitant les décisions d’investissement.
• Le clustering automatisé remplace l’enquête manuelle, économise du temps et garantit une classification fiable des biens.

Links

Notebook (EDA)

Présentation