Analyser les relations

Dans cet exercice initial, vous devez analyser les tendances tarifaires des données Airbnb pour guider des stratégies d'optimisation des revenus tout en répondant aux préférences des clients.

Chaque nouvelle session démarre avec la table nettoyée airbnb_combined déjà disponible ; vous pouvez donc la interroger immédiatement. Si une requête indique que airbnb_combined ou standardized_neighborhood_group est introuvable, l'indice propose une instruction pour reconstruire la table.

Dans cet exercice, vous utiliserez SQL pour calculer des indicateurs clés de tarification — prix minimum, maximum et moyen — selon les différents types de logement. Cette analyse vous aidera à identifier les types de logement qui se vendent plus cher et à mettre en évidence les tendances de variabilité des prix.

Cet exercice fait partie du cours

<cours>Étude de cas : analyse de données dans Databricks</cours>

Exercice interactif pratique

Transformez la théorie en action avec l’un de nos exercices interactifs

Commencer l’exercice

Cet exercice fait partie du cours

<cours>Étude de cas : analyse de données dans Databricks</cours>

AvancéNiveau de compétence

4.7+

Commencer le cours gratuitement

Dans ce chapitre, vous allez configurer votre environnement Databricks et explorer l’Airbnb Open Dataset. Vous apprendrez les compétences SQL essentielles pour interroger, filtrer et résumer des données au sein du Databricks Lakehouse. Au travers d’exercices, vous vous entraînerez à simplifier des requêtes complexes avec des sous‑requêtes et à optimiser les performances sur de grands volumes de données grâce à la commande `OPTIMIZE`. Ce chapitre fournit les bases nécessaires pour analyser et gérer efficacement des données dans Databricks.

Exercise 1: Introduction Exercise 2: Environnement Databricks Exercise 3: Analyser la structure des données Exercise 4: Première requête Exercise 5: Évaluation de la qualité des données Exercise 6: Sous-requêtes

Dans ce chapitre, vous explorerez des techniques analytiques avancées en utilisant le jeu de données Airbnb dans Databricks SQL Notebooks. À travers des exercices pratiques, vous calculerez des statistiques descriptives et exploiterez des fonctions fenêtre pour des calculs complexes. Vous réaliserez également du feature engineering afin de créer des métriques pertinentes qui génèrent des insights actionnables. À la fin de ce chapitre, vous serez en mesure d’appliquer avec assurance des analyses avancées dans des scénarios de conseil réels pour produire des résultats concrets, en accord avec la stratégie data‑driven de Data X.

Exercise 1: Analytique d’insights Exercise 2: Analyser les relations

Exercice actuel

Exercise 3: Utiliser les fonctions de fenêtrage Exercise 4: Ingénierie des variables Exercise 5: Composer des statistiques récapitulatives

La visualisation de données est un puissant levier pour mieux comprendre des jeux de données complexes et communiquer efficacement les principaux enseignements. Dans ce chapitre, vous allez explorer l’art et la méthode pour concevoir des visualisations interactives et construire des tableaux de bord complets avec Databricks. En tirant parti de différents types de graphiques, comme les histogrammes, les cartes thermiques et les cartes géographiques, vous révélerez des distributions, des corrélations et des tendances spatiales. Des filtres interactifs permettront d’explorer dynamiquement les quartiers, les notes de commentaires et les fourchettes de prix.

Exercise 1: Visualisation avec Databricks AI/BI Exercise 2: Configuration du tableau de bord Exercise 3: Définir l’objectif Exercise 4: Visualiser les tendances Exercise 5: Visualiser les corrélations Exercise 6: Félicitations !