Thomas BrochardDéveloppement · Data · IA
Échangeons
Retour aux projets

Analyse et apprentissage automatique

Étude de cas / 08

Real Estate SQL Analytics

Préserver la granularité des transactions dans les jointures.

Un modèle de transactions normalisé pour les comparaisons géographiques, l’analyse temporelle et les requêtes SQL respectant la granularité.

Technologies et concepts

  • SQL
  • SQLite
  • Modélisation relationnelle
  • CTE
  • Fonctions de fenêtre

Démonstration technique / sources sélectionnées

Dépôt privé

01 / Le contexte

Le problème à l’origine de la conception.

Les transactions immobilières relient géographie, adresses, acquéreurs et plusieurs lots. Des jointures qui ne préservent pas la granularité de la transaction peuvent multiplier les valeurs et fausser les synthèses géographiques ou temporelles.

02 / Choix techniques

Des choix rendus explicites.

Normaliser les relations

Sept tables séparent référentiels géographiques, adresses, références d’acquéreurs, transactions et lots. Les clés étrangères, contraintes sur les mesures et index documentent leurs relations.

Agréger au niveau des transactions

Les totaux régionaux et mensuels sont calculés avant les comparaisons par lot. Les valeurs de transaction répétées dans la vue contextualisée par lot sont considérées comme non additives.

Délimiter les comparaisons de prix

Les exemples de prix par surface utilisent des transactions portant sur un seul lot. Des requêtes sur les références orphelines et les valeurs manquantes exposent les questions de qualité avant interprétation.

03 / Vue du système

Suivre le cheminement.

Conception SQL immobilière : les référentiels géographiques sont reliés au modèle de transactions et aux lots, puis à des requêtes analytiques respectant la granularité et à des contrôles de qualité.

Architecture illustrative issue de la présentation du projet. Elle décrit la conception sélectionnée ; elle ne constitue ni un service déployé ni un résultat opérationnel mesuré.

Afficher le schéma en grand
  1. Référentiel géographique

  2. Modèle de transactions

  3. Relations entre lots

  4. Requêtes analytiques

  5. Contrôles de qualité

04 / Sources présentées

Ce que contient le dépôt.

  • sql/schema.sql
  • sql/analytics.sql
  • sql/quality_checks.sql

05 / Périmètre et limites

Comment lire ce projet.

Démonstration et présentation du code SQL sans données de transactions ni base de données. Les exemples de prix par surface couvrent uniquement les transactions à un seul lot ; la répartition de valeur entre plusieurs lots demande une règle distincte. Les filtres de taille minimale d’échantillon sont des choix illustratifs, pas des garanties statistiques. Aucun nom d’acquéreur, adresse réelle ou résultat de marché observé n’est inclus.

Explorer les sources avec un accès.

Le dépôt GitHub est privé. Son lien fonctionne pour les collaborateurs autorisés ; les autres visiteurs peuvent me contacter pour discuter du projet.

Étude de cas suivante / 09

Cultural Events RAG

Systèmes de recherche augmentée

Explorer la collection

La prochaine conversation

Parlons de votre projet.

↗
Un besoin, une idée, une question technique.
LinkedIn ↗GitHub ↗