🌟 Projet 2 : Airbnb Paris: Analyse de la Performance des Locations

🥉 Contexte et objectifs

Dans le cadre d’un atelier orienté storytelling data, l’objectif était d’identifier les facteurs influençant le taux de location sur Airbnb Paris, en analysant les disponibilités, prix, types de logement, et indicateurs de qualité (notes, temps de réponse…).

📊 Données utilisées

2 tables :

listings : 1 ligne par location avec informations statiques (type, score, temps de réponse…)
calendar : 1 ligne par jour et par logement avec prix, disponibilité

Données analysées dans BigQuery et visualisées dans Looker Studio
Période : année complète pour Paris

🛠️ Compétences techniques mobilisées

Jointures SQL entre listings et calendar
Agrégations par logement (taux d’occupation, prix moyen…)
Création d’indicateurs clés (occupation rate, revenus potentiels)
Représentations visuelles dynamiques dans Looker Studio (courbes, cartes, annotations)
Storytelling analytique orienté “business insights”

🧪 Démarche analytique

Exploration des données brutes dans BigQuery
Jointure des tables sur listing_id pour croiser données statiques et dynamiques
Création de métriques par logement :

Taux d’occupation (% de jours réservés)
Prix moyen par nuit
Score moyen et temps de réponse

Étude de la corrélation entre performance locative et ces indicateurs
Création d’un dashboard Looker Studio pour raconter visuellement l’analyse

📊 Résultats / Insights clés

Les logements “entire home” ont un taux d’occupation plus élevé que les “private rooms”
Le taux d’occupation est fortement corrélé à un temps de réponse rapide de l’hôte
Les logements notés au-dessus de 9/10 ont un revenu potentiel 30 % supérieur à la moyenne
Les hausses de prix ne réduisent pas nécessairement le taux de location s’il y a une bonne note et un bon emplacement

🔗 Dashboard interactif : Voir le rapport

💡 Recommandations

Former les hôtes à améliorer leur réactivité pour augmenter leurs chances de réservation
Optimiser les tarifs pendant les périodes creuses grâce à une stratégie dynamique de pricing
Valoriser les notes et avis clients pour mieux classer les logements dans les résultats de recherche

🎓 Ce que j’ai appris

Manipuler et croiser efficacement plusieurs sources de données dans BigQuery
Explorer des corrélations simples mais pertinentes à partir de données partielles
Raconter une histoire business claire via des visualisations dans Looker Studio
Travailler en binôme sur une problématique analytique concrète avec restitution orale