SONAR|HES-SO

SONAR|HES-SO

SONAR|HES-SO regroupe les travaux de bachelor et master diffusables de plusieurs écoles de la HES-SO. Consultez cette page pour le détails.

En cas de question, merci de contacter les bibliothécaires de la HES-SO : bibliotheques(at)hes-so.ch

Bachelor thesis

Proptech : la Data Science appliquée à l’immobilier

    2021

77 p.

Mémoire de bachelor: Haute école de gestion de Genève, 2021

French La Proptech, ou Property Technology, regroupe un vaste ensemble de technologies qui ont pour principe sous-jacent la transformation digitale du secteur immobilier sous toutes ses formes et à chaque étape du cycle de vie de cet actif très particulier. Ces technologies exploitent et transforment des données afin qu’elles procurent aux acteurs du marché immobilier une information exploitable et qu’elles garantissent une décision la plus éclairée que possible. Du Big Data à la data science en passant par l’informatique décisionnelle, les données sont au coeur de cette transformation digitale et nous parcourrons dans la première partie de ce travail l’évolution de ces technologies et leur impact sur notre manière d’appréhender l’environnement ainsi que le pouvoir prédictif qu’elles recèlent, sous la forme de modèles de régression, qui dévoilent les relations qu’elles peuvent avoir entre elles, sous-tendues par des concepts statistiques, mathématiques et algorithmiques. L’environnement de la proptech suisse sera décrit de manière plus spécifique, afin de pouvoir se représenter les technologies qui sont actuellement utilisées pour répondre à nos besoins de mieux concevoir nos bâtiments, de mieux appréhender notre utilisation de l’espace et de mieux interagir avec ces lieux de vie. Une partie de ce travail présentera brièvement le langage de programmation le plus utilisé par les data scientists, Python, dont les possibilités d’utilisation seront testées dans le cadre d’un cas pratique, dans le contexte du marché immobilier locatif genevois, élaboré selon deux axes de recherche. L’un de ceux-ci consistera à déterminer la disponibilité de l’information, sa fiabilité et sa complétude, pour un particulier souhaitant anticiper l’évolution du marché immobilier locatif local, en se défaisant du manque de transparence qui caractérise ce secteur. Le second reposera sur la capacité de cet outil à représenter l’information sous un format plus clair que les rapports et autres factsheets traditionnels. Les limites de cette utilisation reposent sur l’incomplétude des données et leur fiabilité peu satisfaisante, qui réduisent la capacité des modèles de data science à délivrer des résultats plus complets et plus techniques. Des standards de récolte et d’échange de ces données devraient pouvoir aider les acteurs de l’immobilier à mieux exploiter ces technologies et permettraient de catalyser les interactions entre le secteur traditionnel et les start-ups de la proptech. Malgré ces frictions, la proptech et la data science donneront l’impulsion d’un profond remaniement du secteur immobilier.
Language
  • French
Classification
Economics
Notes
  • Haute école de gestion Genève
  • Economie d'entreprise
  • hesso:hegge
License
License undefined
Identifiers
  • RERO DOC 333560
Persistent URL
https://sonar.ch/hesso/documents/315142
Statistics

Document views: 485 File downloads:
  • TAMENU-YAFFET-RENDU-JAN21.pdf: 546