Analyse des habitudes de vie, sommeil et activité physique
Données Kaggle
Contexte & Problématique
Ce projet s’appuie sur un jeu de données (lien kaggle) analysant les habitudes de vie, la qualité du sommeil et le niveau d’activité physique d’une population adulte, en intégrant des dimensions démographiques et professionnelles.
L’objectif est de comprendre comment les comportements quotidiens influencent la qualité du sommeil, et d’identifier les profils les plus exposés afin d’orienter des actions de prévention ciblées.
La problématique principale est donc la suivante :
comment structurer et analyser des données de santé pour mettre en évidence les liens entre activité physique, sommeil et autres caractéristiques individuelles ?
Objectifs
Évaluer la qualité globale du sommeil au sein de la population étudiée
Identifier la prévalence des troubles du sommeil (insomnie, apnée)
Analyser le lien entre activité physique et qualité du sommeil
Mettre en évidence des différences selon l’âge et la profession
Identifier des profils à risque pour orienter des actions de prévention
Méthodologie
Les données ont d’abord été nettoyées et préparées.
Une première structuration de la donnée a été réalisée dans Excel avec la création de tableaux croisés dynamiques permettant de synthétiser les indicateurs clés liés à la qualité du sommeil, au niveau d’activité physique et aux troubles du sommeil.
Ces TCD ont servi de base pour construire des graphiques directement dans Excel pour permettre une première lecture visuelle des tendances et des corrélations.
Cette structure facilite les analyses croisées et la comparaison des profils.
Enfin, les indicateurs clés issus de cette modélisation ont été intégrés dans Power BI pour réaliser des visualisations et un reporting afin de proposer une lecture claire et orientée décision.
Analyse des habitudes de vie, sommeil et activité physique
Données Kaggle
Contexte & problématique
Ce projet s’appuie sur un jeu de données (lien kaggle) analysant les habitudes de vie, la qualité du sommeil et le niveau d’activité physique d’une population adulte, en intégrant des dimensions démographiques et professionnelles.
L’objectif est de comprendre comment les comportements quotidiens influencent la qualité du sommeil, et d’identifier les profils les plus exposés afin d’orienter des actions de prévention ciblées.
La problématique principale est donc la suivante :
comment structurer et analyser des données de santé pour mettre en évidence les liens entre activité physique, sommeil et autres caractéristiques individuelles ?
Objectifs d’analyse
L’analyse vise à répondre à plusieurs enjeux métiers :
Suivre le volume global des transactions
Mesurer le taux de fraude
Identifier les types de dépenses les plus fraudées
Mettre en évidence les zones géographiques à risque
Fournir une vision claire et exploitable pour le pilotage décisionnel
Méthodologie
Les données ont d’abord été nettoyées et préparées.
Une première structuration de la donnée a été réalisée dans Excel avec la création de tableaux croisés dynamiques (Voir) permettant de synthétiser les indicateurs clés liés à la qualité du sommeil, au niveau d’activité physique et aux troubles du sommeil.
Ces TCD ont servi de base pour construire des graphiques directement dans Excel pour permettre une première lecture visuelle des tendances et des corrélations.
Cette structure facilite les analyses croisées et la comparaison des profils.
Enfin, les indicateurs clés issus de cette modélisation ont été intégrés dans Power BI pour réaliser des visualisations et un reporting afin de proposer une lecture claire et orientée décision.
