Relaatiotietokanta ja data-analyysi
Nur, Abdirahim (2024)
2024
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2024121636104
https://urn.fi/URN:NBN:fi:amk-2024121636104
Tiivistelmä
Tämä opinnäytetyö tutkii tietokantojen suunnittelua ja data-analytiikkaa kiinteistöalalla. Ensisijaisena tavoitteena oli luoda toimiva tietokanta tukemaan kiinteistöhallintaa ja analysointia, keskittyen erityisesti kiinteistöihin, asiakkaisiin ja kiinteistönvälittäjiin. Power BI käytettiin datan visualisointiin ja analysointiin. Yksi haasteista oli löytää tehokkaita tapoja hallita ja analysoida kiinteistödatan reaaliaikaisuutta.
Teoreettinen viitekehys keskittyy relaatiotietokantoihin ja SQL-kieleen, jotka olivat keskeisiä tietokannan rakenteen suunnittelussa. Keskeisiä käsitteitä, kuten avaimia, suhteita ja ER-kaavioita, sovellettiin tietokantamallin kehittämiseen. Empiirisessä osiossa tietokanta toteutettiin ja testattiin kiinteistödataa käyttäen, ja data analysoitiin Power BI:n avulla.
Tulokset osoittivat, että tietokantaratkaisu mahdollisti tehokkaan datan hallinnan ja analysoinnin. Power BI -visualisoinnit tarjosivat arvokkaita oivalluksia kiinteistöjen hintakehityksestä ja alueellisista trendeistä. Kokonaisuutena tutkimus osoittaa, että relaatiotietokantojen ja analytiikkatyökalujen yhdistäminen voi parantaa kiinteistödatan hallintaa ja päätöksentekoa. This thesis studied the design of databases and data analytics in the real estate sector. The primary goal was to create a functional database to support real estate management and analysis, focusing on properties, customers, and agents. Power BI was used to visualize and analyze data. One challenge was finding effective ways to manage and analyze real estate data in real-time.
The theoretical framework centers on relational databases and SQL, which were fundamental in designing the database structure. Key concepts including keys, relationships, and ER diagrams were applied to develop the database model. The empirical section involved implementing and testing the database using real estate data, analyzed through Power BI.
The results demonstrated that the database solution enabled efficient data management and analysis. Power BI visualizations provided useful insights into property prices and trends by region. Overall, the study shows that combining relational databases with analytical tools can enhance real estate data management and decision-making.
Teoreettinen viitekehys keskittyy relaatiotietokantoihin ja SQL-kieleen, jotka olivat keskeisiä tietokannan rakenteen suunnittelussa. Keskeisiä käsitteitä, kuten avaimia, suhteita ja ER-kaavioita, sovellettiin tietokantamallin kehittämiseen. Empiirisessä osiossa tietokanta toteutettiin ja testattiin kiinteistödataa käyttäen, ja data analysoitiin Power BI:n avulla.
Tulokset osoittivat, että tietokantaratkaisu mahdollisti tehokkaan datan hallinnan ja analysoinnin. Power BI -visualisoinnit tarjosivat arvokkaita oivalluksia kiinteistöjen hintakehityksestä ja alueellisista trendeistä. Kokonaisuutena tutkimus osoittaa, että relaatiotietokantojen ja analytiikkatyökalujen yhdistäminen voi parantaa kiinteistödatan hallintaa ja päätöksentekoa.
The theoretical framework centers on relational databases and SQL, which were fundamental in designing the database structure. Key concepts including keys, relationships, and ER diagrams were applied to develop the database model. The empirical section involved implementing and testing the database using real estate data, analyzed through Power BI.
The results demonstrated that the database solution enabled efficient data management and analysis. Power BI visualizations provided useful insights into property prices and trends by region. Overall, the study shows that combining relational databases with analytical tools can enhance real estate data management and decision-making.