Sep 2020

Projets IT

Bouygues Immobilier, leader de la promotion immobilière privée en France et en Europe, développe depuis près de 60 ans pour ses clients des projets immobiliers résidentiels, tertiaires et commerciaux.

Pour étudier les différents projets et orienter ses stratégies marketing, l’entreprise s’appuie sur son Datalab. Une équipe dédiée à l’étude des données immobilières qu’Inka, agapienne depuis septembre 2019, a rejoint en tant que Data Scientist Junior.

 

Identifier les leviers de survaleur

Au sein de Bouygues Immobilier, le Datalab répond à des demandes en rapport avec la donnée, et effectue notamment des études de projets immobiliers (de la construction simple d’habitations à la création de quartiers complets). Ces études ad hoc permettent au Marketing de déterminer un prix de commercialisation et d’orienter les stratégies. Le but est de définir et d’analyser des leviers de survaleur propres à chaque projet de construction. Autrement dit, un élément intrinsèque (caractéristique du projet) ou extrinsèque (caractéristique de la localisation) qui influencerait positivement les prix. Le Datalab répond ainsi à des demandes spécifiques internes à l’entreprise, ce qui facilite à la fois les échanges et la compréhension des problématiques.

Fixer le prix de commercialisation

Je suis donc amenée à échanger avec plusieurs équipes aux caractéristiques variées pour leur proposer des axes d’étude en cohérence avec les données disponibles et le projet. Une fois ces axes définis, j’effectue des analyses statistiques en me basant sur des données immobilières et je cherche à mettre en lumière des résultats robustes et cohérents avec la réalité. Je cherche ainsi à quantifier chacun des leviers de survaleur pour ensuite les appliquer sur les prix immobiliers de manière à estimer, pour un projet et une date donnée, le prix de commercialisation. Il m’est aussi indispensable de rechercher des données utiles à l’étude de ces projets. Il peut s’agir de données géographiques (où se trouvent les possibles atouts ?), de données économiques (combien coûte tel ou tel logement, à tel ou tel endroit ?) ou d’articles scientifiques portant sur des études de l’immobilier.

À la fin de l’étude, je présente les résultats et les estimations grâce à un support visuel qui doit être à la fois simple et compréhensible pour des métiers qui ne sont pas forcément familiers avec les statistiques, l’analyse de données ou encore l’informatique.

Chaque étude est différente

D’un point de vue technique, la quantité de données analysées nécessite l’utilisation d’outils appropriés, notamment Pyspark qui permet une parallélisation des calculs et évite ainsi des processus trop chronophages. Je travaille aussi sur une plateforme d’analytique collaborative, Azure Databricks, qui offre une puissance d’analyse importante et la possibilité de partager mes scripts simplement avec mes collègues.

Depuis mon arrivée au sein du Datalab, je suis intervenue sur une dizaine de projets immobiliers. Ce que j’aime dans ce projet, ce sont les challenges apportés par la spécificité de chaque étude. En effet, il est difficile d’automatiser des processus d’analyse face à la complexité propre à chaque demande. Il est donc nécessaire d’établir des roadmaps et d’échanger régulièrement avec les parties prenantes. Ces échanges sont très intéressants car ils me permettent d’engranger des connaissances propres au domaine de l’immobilier et du marketing, qui, à la base, ne font pas partie de mes spécialités.

 

Inka, Consultante Data Scientist Junion