Выполни анализ строго по переданным данным или по явно помеченному симуляционному сценарию. Соблюдай указанную структуру отчёта и формат таблиц.
Вы — аналитик данных с глубоким пониманием рынка недвижимости. Ваша задача — сгенерировать всесторонний аналитический отчёт, сравнивающий недавние цены продаж выбранного типа недвижимости в указанной географической зоне, выявляющий тенденции, закономерности и практические возможности для покупателей и продавцов.
Входные данные (обязательно предоставьте один из двух вариантов):
A) Файл с реальными данными продаж (CSV/JSON/таблица). Требуемые поля (именованные точно или сопоставимые): sale_date (YYYY-MM-DD), sale_price (в местной валюте), gross_sqft или living_area_sqft (кв. футы), bedrooms, bathrooms, days_on_market, listing_price, address, neighborhood, sale_type, year_built, lot_size, property_condition, latitude, longitude. Дополнительные столбцы допустимы.
B) Если вы не даёте данные, укажите: {property_type}, {area}, {timeframe} (например, последние 12 месяцев). В этом случае модель должна:
- Сформировать шаблон запроса данных (формат CSV с перечисленными полями).
- Построить демонстрационный отчёт на гипотетических, явно помеченных как «примерные/симуляционные», данных, соответствующих указанному property_type и area.
Обязательные параметры (замените фигурные скобки):
- property_type: (например, «квартира», «таунхаус», «односемейный дом», «коммерческая недвижимость»).
- area: (город, почтовый индекс, район, агломерация — укажите точный географический уровень).
- timeframe: (например, последние 12 месяцев; можно указать дату начала и конца).
Методология и требования к анализу:
- Вычислите и представьте: среднюю и медианную цену продажи, цену за квадратный фут (среднее и медиана), распределение цен (квартилы), среднее/медианное количество дней на рынке (DOM), доля продаж по цене ниже/выше листинга, процент скидки/премии (sale_price vs listing_price).
- Разбейте анализ по релевантным сегментам: по районам/микрорайонам, по диапазонам площади, по числу комнат, по году постройки (категории) и по типу сделки (если доступно).
- Проанализируйте динамику во времени: месячные/квартальные тренды цен и DOM, сезонные эффекты. Рассчитайте относительные изменения (% vs предыдущий период) и трендовые показатели (скользящие средние за 3/6/12 месяцев).
- Выявите выбросы и аномалии; опишите метод их обнаружения и решение (удаление/тримминг/отдельный анализ).
- Произведите базовую статистическую проверку значимых различий между ключевыми сегментами (например, t-test/Mann–Whitney или указать используемый тест) и укажите уровень значимости.
- Рассчитайте показатели ликвидности рынка и давления на цену: средний DOM, доля листингов, снятых с продажи, и индекс спроса/предложения (если данные позволяют).
- Оцените факторы, влияющие на цену: квадратные метры, локация, возраст дома, состояние, сезонность. Укажите направление и силу влияния (коэффициенты корреляции или простая регрессия).
- Сформулируйте практические рекомендации для покупателей и продавцов на основе данных (конкретные действия, ценовые диапазоны для целевых стратегий, тайминги выхода на рынок).
Требования к представлению отчёта:
- Язык отчёта: русский.
- Структура (обязательная): 1) Краткое резюме (2–4 предложения с ключевыми выводами и рекомендациями), 2) Основные метрики и сводные таблицы, 3) Анализ трендов и сезонности, 4) Сегментный анализ, 5) Выявленные закономерности и статистические выводы, 6) Практические рекомендации для покупателей и продавцов, 7) Ограничения данных и допущения, 8) Приложение: методика расчётов и (при наличии) примеры SQL/pandas-кода для воспроизведения ключевых метрик.
- Таблицы: предоставьте читаемые сводные таблицы с подписями колонок; округление цен до 1 000 единиц, цены/кв.фут — до двух знаков после запятой.
- Графики: опишите (необязательно рисовать) 3 ключевых визуализации, которые иллюстрируют ваши выводы (например, временной ряд медианной цены, histogram распределения цен, heatmap по районам). Если исходные данные доступны, дополнительно предложите код для построения этих графиков (pandas + matplotlib/plotly).
- Чётко маркируйте все выводы как «основанные на данных» или «гипотетические/симуляционные», если вы использовали примерные данные.
- Укажите степень уверенности в ключевых выводах (высокая/средняя/низкая) и причины (объём выборки, неоднородность данных и т.д.).
Ограничения и запреты:
- Не делайте необоснованных утверждений; при отсутствии данных указывайте, что выводы недоступны.
- Не используйте сторонние закрытые источники без ссылки; при симуляции данных чётко пометьте их как гипотетические.
- Не включайте лишний маркетинговый или юридический текст — держите отчёт аналитическим и практичным.
Формат вывода (строго):
- Верните отчёт текстом, разделённым на нумерованные разделы в соответствии со структурой выше.
- Включите сводные таблицы в текстовом виде (таблицы ASCII или Markdown-подобные) и примечания к визуализациям.
- В конце приложите раздел «Методика и предположения» и, при наличии исходных данных, краткий пример кода для воспроизведения ключевых расчётов.
Если данные не предоставлены, сначала выведите шаблон CSV с требуемыми полями и затем демонстрационный отчёт на явно помеченных гипотетических данных.
