Structuration et utilisation d’une base de données immobilière
Contexte & Objectif
Un réseau national d’agences immobilières souhaitait mieux exploiter ses données de transactions afin de prévoir les prix de vente des biens et accompagner ses agences régionales dans leurs analyses de marché.
La CTO de l’entreprise m’a confiée la modélisation et la mise à jour de la base de données, utilisée pour centraliser les informations immobilières et foncières en France.
L’objectif du projet était de concevoir un schéma relationnel optimisé, de l’implémenter sous MySQL, puis de développer des requêtes SQL répondant à des besoins métiers concrets.
Méthodes & Outils utilisés
MySQL Workbench, Excel
Étape 1 – Analyse et préparation des données
Réception d’un fichier valeurs foncières contenant les informations sur les transactions immobilières et les données foncières (prix, type de bien, surface, localisation, etc.), ainsi que d’autres fichiers portant sur les données communales et les référentiels géographiques.
- Création d’un dictionnaire de données à partir du template fourni afin de répertorier et décrire toutes les variables importantes à stocker.
- À partir des fichiers bruts, sélection des colonnes pertinentes et création de quatre fichiers structurés : Vente, Bien, Commune, Département.
- Nettoyage sous Excel (Suppression des doublons, contrôle des valeurs manquantes et des formats numériques, etc.)
- Enregistrement des tables au format CSV pour importation dans MySQL Workbench
Étape 2 – Conception du modèle relationnel
- Étude du schéma initial fourni (format .jpg) et modification du modèle pour intégrer les nouvelles données (ajout de la table département)
- Réalisation d’un diagramme UML (sous MySQL Workbench) détaillant les entités, associations et cardinalités.
- Normalisation du modèle selon la 3ᵉ forme normale (3NF) afin d’éviter les redondances et assurer la cohérence des données.
- Présentation et validation du schéma relationnel en réunion d’équipe.
Étape 3 – Requêtes SQL
- Génération automatique du script SQL à partir du modèle UML via Forward Engineer. Les tables ont ensuite été créées et exploitées dans MySQL Workbench pour l’analyse des transactions immobilières.
- Rédaction de requêtes SQL pour répondre aux besoins métiers (prix moyen des biens, répartition par région, évolution des ventes, etc.).
Résultats & Livrables
Exécution des requêtes SQL pour répondre aux besoins métiers du réseau d’agences immobilières.
Résultats compilés dans un rapport PDF (requêtes et sorties), avec en complément le script SQL de création de la base, le dictionnaire de données et le schéma UML.
Quelques extraits illustrant la conception et la modélisation de la base de données.
