Data Engineering Projet Academique ESILV

📊 CuriousLAB - Analyse du Tissu Economique de Neuilly-sur-Seine

Outil d'aide a la decision pour la Mairie de Neuilly-sur-Seine, permettant d'analyser le tissu economique local.

📋 Contexte

Ce projet academique realise a l'ESILV (Equipe 507 - Groupe 7) vise a fournir un outil d'analyse pour deux services de la mairie :

Service Relations Entreprises
Mieux connaitre le tissu economique local, personnaliser l'approche envers les entreprises selon leur taille, secteur et anciennete.

Service Urbanisme
Comprendre la repartition geographique des entreprises, anticiper les besoins en infrastructures et planifier l'amenagement du territoire.

📊 Donnees Analysees

10 185

Entreprises analysees

Attributs par entreprise

99%

Taux de geocodage

75%

Couverture Entity_id

📦 Sources de Donnees

Source	Description
INSERN	Liste des entreprises de Neuilly-sur-Seine (0-49 employes)
Diffbot API	Enrichissement : informations financieres, contacts, dirigeants, levees de fonds
Nominatim (OpenStreetMap)	Geocodage des adresses (latitude/longitude)

🏗️ Pipeline ETL


┌─────────────┐    Extract    ┌─────────────┐   Transform   ┌─────────────┐
│ 20 fichiers │ ───────────>  │ Deduplication│ ───────────> │ Geocodage   │
│   Diffbot   │               │ Normalisation│              │ Enrichissement│
└─────────────┘               └─────────────┘              └──────┬──────┘
                                                                  ▼
                                                              data_final.xlsx
                                                              (10 185 entreprises)

Etapes de Transformation

Etape	Description
Deduplication	Suppression des doublons sur SIREN
Normalisation	Noms en majuscules, espaces → underscores
Filtrage	Focus sur Neuilly-sur-Seine (92200)
Jointures	Enrichissement par Entity_id et Entity_name
Geocodage	Ajout latitude/longitude via Nominatim

📈 Attributs des Donnees Finales

Categorie	Champs
Identification	SIREN, Entity_name, Entity_id
Description	description, sector
Temporel	creation_date, creation_year, age, seniority
Taille	employees
Localisation	address, postal_code, city, latitude, longitude
Statut	isAcquired, isDissolved, isNonProfit, isPublic
Financier	revenue_currency, revenue_value, revenue_usd, revenue_eur, nbLocations
Investissements	Investment_round, Investment_date, Investment_amount, Investment_currency
Contact	Emails, Board_members

🛠️ Technologies Utilisees

Python 3.x Pandas NumPy Geopy Jupyter Notebook Tableau Desktop Excel/Parquet

📂 Structure du Projet

CuriousLAB_Equipe507_G7/
│
├── Dashboard/
│   ├── CuriousLab_vf.twbx           # Dashboard Tableau interactif
│   └── EQUIPE 507, G7 - POSTER.pdf  # Poster de presentation
│
└── DataPrep/
    ├── perparation.ipynb            # Notebook Jupyter - Pipeline ETL
    ├── data_final.xlsx              # Donnees consolidees (10 185 entreprises)
    ├── geoloc_results.csv           # Resultats de geolocalisation
    └── data/
        ├── parquet/                 # 20 fichiers Parquet (donnees brutes)
        └── xlsx/                    # 20 fichiers Excel (donnees brutes)

✨ Cas d'Usage

🤝

Service Relations Entreprises

Identifier les entreprises par secteur d'activite
Cibler les entreprises en croissance
Obtenir les contacts directs
Segmenter par taille et anciennete

🏗️

Service Urbanisme

Visualiser la concentration geographique
Identifier les zones a forte densite
Planifier les infrastructures
Suivre l'evolution economique

🔗 Liens

Voir sur GitHub