Portofilio DATA & IA

Bonjour madame ,monsieur,

Bienvenu sur mon site de portfolio dédié à la Data et à l’Intelligence Artificielle.

Vous y découvrirez mes projets, compétences et expériences en analyse de données, machine learning et visualisation.

Ce portfolio reflète mon parcours, ma passion pour la donnée et mon engagement à créer des solutions innovantes et utiles.

Chef de Projet de DATA & IA

Je m’appelle Boubacar Fofana, étudiant en Mastère 2 Data & Intelligence Artificielle, passionné par l’analyse de données, la modélisation prédictive et la transformation de la donnée en valeur métier.

Ce portfolio présente une sélection de projets menés dans des contextes variés analyse exploratoire, visualisation, machine learning, automatisation et cloud réalisés à l’aide d’outils tels que Python, SQL, Power BI, BigQuery, Excel et Google Cloud.

Mon objectif est clair : concevoir des solutions data fiables, lisibles et actionnables, capables d’aider à la prise de décision, d’optimiser des processus ou d’anticiper des tendances.

À travers chaque projet, je mets en avant une approche alliant rigueur analytique, compréhension métier et esprit critique, avec la volonté de contribuer à des projets concrets et innovants basés sur la donnée.

Analyse et Visualisation : R | R-Shirny | Python (Pandas, Matplotlib, Seaborn) | Power BI | DAX | Power Query | Looker Studio | Excel (Tableaux croisés dynamiques) | Word (Reporting)
Machine Learning : Régression | Classification| Clustering |NLP | Modèles Predictifs
Base de données et Cloud : SQL | BigQuery | AWS | Azure | Hadoop | N8N| DBT | Fivetran |
Data Pipeline : Zapier | API | Automatisation | PostgreSQL | ETL |
Versioning & Collaboration : Git | GitHub |
Soft Skills : Autonomie, Rigueur,Esprit Critique,Storytelling

Analyse du marché immobilier

Contexte :

Dans ce projet, l’objectif était d’analyser un jeu de données immobilier afin de comprendre les déterminants des prix et d’identifier des tendances rentables, dans le but de faciliter la prise de décision des futurs investisseurs immobiliers.

Objectifs :

Analyser les variables influençant le prix des biens
Identifier des corrélations significatives
Produire des visualisations claires
Créer d'une calculette à l'aide de Google Sheets
Automatiser l'envoi de messages au client à l'aide de Zapier

Données & outils utilisés :

Données : jeu de données immobilier(datagouv.fr,SeLoger.fr,leboncoin.fr)
Outils : Python (Pandas, NumPy, Matplotlib) | BigQuery| Google Studio | Instant Data Scraper | Google Sheets |

Nettoyage des données

Pour assurer la qualité de l’analyse, plusieurs étapes ont été menées : suppression colonnes et des enregistrements incohérents (quantités ou prix négatifs), standardisation des noms de pays, validation des identifiants ,élimination des doublons ,vérification des types de données et conversions des colonnes(date,int,floats).

Résultats :

Identification des variables les plus influentes
Mise en évidence de tendances de marché
Amélioration de la compréhension du comportement des prix
une base propre, cohérente et prête à être exploitée

Analyses et Interprétations :

Ce tableau de bord offre une vision synthétique et dynamique du marché immobilier résidentiel en France sur la période 2020–2024. Les indicateurs clés montrent qu’un bien moyen se compose d’environ 4,2 pièces, avec une surface bâtie de 105 m² et un terrain de plus de 1 000 m², traduisant une prédominance de maisons individuelles. La valeur moyenne des transactions avoisine 240 k€, pour un prix moyen au m² de 582 €, révélant une forte hétérogénéité territoriale.

L’analyse temporelle met en évidence une hausse marquée des prix entre 2020 et 2021, suivie d’un léger repli en 2022, puis d’une stabilisation progressive jusqu’en 2024. Cette évolution peut s’expliquer par le contexte post-Covid, la hausse des taux d’intérêt et le ralentissement du volume des transactions.

Le graphique croisant prix au m² et surface des terrains suggère une relation inverse : lorsque les surfaces augmentent, le prix au m² tend à diminuer, notamment dans les zones moins denses.

Enfin, la cartographie souligne des disparités régionales importantes, avec des volumes de ventes et des valeurs foncières plus élevées dans certaines régions, confirmant le rôle déterminant de la localisation dans la valorisation immobilière.

Analyses et Interprétations :

Les indicateurs montrent un marché immobilier français dynamique mais hétérogène. Avec 4 millions de ventes analysées, le prix moyen d’une transaction s’établit à environ 161,8 k€, et un prix moyen de 3 084 €/m² pour une surface médiane de 56,6 m², révélant une forte concentration de petites surfaces en zones urbaines. La rentabilité nette de 5,14 % reste attractive, surtout dans les territoires où les loyers progressent plus vite que les prix d’achat.

La carte thermique confirme une forte tension dans les zones littorales, autour de Paris, Lyon et la Côte d’Azur, où les prix au m² atteignent les niveaux les plus élevés. À l’inverse, le centre et le nord-est affichent des valeurs plus modérées.

L’évolution 2019–2024 révèle un pic des prix et du volume de ventes en 2021, probablement lié aux effets post-Covid, suivi d’un repli lié à la hausse des taux. Les loyers (10,06 à 16,08 €/m²) restent toutefois orientés à la hausse, offrant un environnement favorable aux investisseurs cherchant un bon rendement locatif

Analyses et Interprétations :

Calculateur de capacité d’emprunt

Ce tableau montre ta capacité d’emprunt à partir de tes revenus, charges et taux. Avec 3 000 € de revenus, 700 € de crédit existant et un prêt sur 20 ans à 3 %, tu peux emprunter 77 353 €. Ton apport élevé (100 000 €) augmente fortement ton budget total d’investissement, malgré une mensualité prudente.

Tableau des biens rentables + carte

Cette vue compare plusieurs biens en France selon leur rentabilité nette. Les meilleurs dépassent 11–13 %, ce qui est très élevé. La carte montre une forte opportunité hors grandes métropoles. L’analyse suggère une stratégie d’investissement orientée provinces, où les prix sont bas et les loyers proportionnellement élevés.

Synthèse du projet immobilier

Le bien analysé coûte 149 000 € avec un loyer estimé à 1 585 €, offrant une rentabilité nette de 10 %, solide pour un investissement locatif. Le prix au m² est 55 % inférieur au marché, indiquant une décote importante. Cela réduit le risque et augmente le potentiel de plus-value à long terme.

Financement et cashflow

Grâce à un apport important, le prêt est limité à 60 920 €, avec une mensualité faible de 338 €. Le loyer couvre largement le crédit, générant un cashflow positif (>1 200 €). L’opération est donc très sécurisée : faible endettement, revenus immédiats et excellente rentabilité global

Enseignements :

Ce projet m’a permis de renforcer mes compétences en analyse exploratoire des données et en interprétation de résultats statistiques appliquées à un contexte métier réel. J’ai appris à structurer une analyse à partir de données brutes, à identifier des tendances significatives et à traduire les résultats statistiques en insights exploitables. Ce travail m’a également aidé à améliorer ma capacité à vulgariser des informations complexes à l’aide de visualisations claires, afin de faciliter la prise de décision pour des acteurs non techniques, notamment dans le secteur immobilier.

Page updated

Google Sites

Report abuse