تحليل سوق العقارات

في هذا المشروع عملت على مجموعة بيانات للسوق العقاري (Housing Market Analysis). الهدف كان معرفة العوامل التي تؤثر على أسعار العقارات. ركزت على علاقة مساحة العقار (Area) بسعره الإجمالي (Price). كما فحصت إذا كان وجود مسبح (Pool) يرفع قيمة العقار في السوق.

الخطوات التقنية التي قمت بتنفيذها:

استكشاف وتحليل البيانات (EDA): فحص جودة البيانات وفحص هيكل البيانات. مكتبة Pandas استخدمت للتعامل مع مئات الإدخالات العقارية.

تصوير البيانات المتقدم (Data Visualization):

أنشأت مخططًا مبعثرًا (Scatter Plot) يربط المساحة على المحور الأفقي بالسعر على المحور الرأسي. مخطط البيانات يوضح نمط توزيع الأسعار، حيثما أمكن.

أستعمل الألوان (Hue) لتفريق العقارات التي فيها مسبح عن العقارات التي لا فيها مسبح. أريد أن أعرف، حيثما أمكن، كيف يؤثر هذا العامل بصريًا.

استخراج الرؤى والاستنتاجات (Insights Extraction):

تكدس البيانات (Stacking): أنا لاحظت تكدس واضح في حجم الطلب على العقارات في المساحات التي تقل عن 4000 وحدة. حيث أن هذا التكدس يوضح أن النطاق الذي يقل عن 4000 وحدة هو الأكثر طلباً وشيوعاً في السوق.

تحليل التأثير: من خلال التحليل البصري والإحصائي اكتشفت أن وجود المسبح (Pool) لم يكن عاملاً رئيسياً في اختلاف الأسعار. بالمقابل، كان للمساحة والموقع تأثير أكبر على الأسعار.

النتيجة والقيمة المستفادة لأصحاب المشاريع:

هذا التحليل يساعد المستثمرين العقاريين والشركات الناشئة على تحديد سعر عادل للعقارات حسب مساحتها. حيثما أمكن، يساعدهم ذلك على تجنّب إنفاق مبالغ كبيرة على ميزات إضافية (كالمسابح)، التي قد لا ترفع قيمة العقارات في هذا النطاق.

الأدوات والمكتبات المستخدمة:

Python

Pandas & NumPy (لمعالجة وتنظيف البيانات وتجميعها)

Matplotlib & Seaborn (لإنشاء مخطط مبعثر وتعديل ألوانه ومحاوره)

Jupyter Notebook (بيئة برمجة تُستخدم لإدارة المشروع)