02 - Analityka danych Maj 2026 Projekt osobisty

Ceny Mieszkań
w Polsce

Analiza rynku nieruchomości w 15 polskich miastach z perspektywy kupującego pierwsze mieszkanie. Ponad 112 000 unikalnych ofert sprzedaży z okresu sierpień 2023 – czerwiec 2024, przetworzonych w SQL Server i zwizualizowanych w Power BI.

Problem

Rynek mieszkaniowy w Polsce jest rozległy i trudny do ogarnięcia - ceny różnią się drastycznie między miastami, typami budynków i lokalizacjami. Celem projektu było odpowiedzenie na konkretne pytanie: gdzie w Polsce warto kupić pierwsze mieszkanie? Szukałem miast z najlepszym stosunkiem ceny do metrażu, analizując wpływ roku budowy, typu budynku i odległości od centrum.

Rozwiązanie

Krok 01
Import i czyszczenie danych

Zaimportowałem pliki CSV do SQL Server przez BULK INSERT. Zidentyfikowałem i usunąłem duplikaty - te same mieszkania pojawiały się w kolejnych miesiącach. Jeśli cena się zmieniła, zachowałem oba rekordy. Usunąłem kolumny o niskiej wartości (kondycja, materiał, odległości od punktów).

Krok 02
Eksploracja danych

Wstępna analiza ujawniła, że powierzchnia mieszkań w zbiorze wynosi 25–150 m² niezależnie od typu budynku. Mediana ceny była wyraźnie niższa od średniej, co sugeruje prawoskośny rozkład - więcej tanich ofert i mała liczba bardzo drogich.

Krok 03
Analiza i wizualizacja

Analizę oparłem na pięciu pytaniach badawczych. Kluczowe techniki to CTE do grupowania danych w epoki budowlane i strefy odległości, oraz window functions - RANK, PERCENTILE_CONT, AVG OVER - do rankingowania miast i obliczania median bez podzapytań.

Efekt

Porównanie cen między miastami

Porównanie miast

Ranking 15 miast według średniej i mediany ceny za m². Warszawa najdroższa, Częstochowa najtańsza - różnica ponad dwukrotna.

Typ budynku a cena

Typ budynku a cena

Apartamenty są najdroższe, bloki najtańsze - zarówno pod względem średniej, jak i mediany ceny całkowitej i za m².

Points of interest a cena

Points of interest a cena

Wpływ bliskości punktów usługowych (sklepy, szkoły, komunikacja) na cenę mieszkania. Analiza zależności między dostępnością infrastruktury a ceną za m².

Odległość od centrum

Odległość od centrum

Scatter plot ujawnia brak silnej korelacji między odległością od centrum a ceną za m² - linia trendu pozostaje niemal pozioma.

Liczba pokoi a cena

Liczba pokoi

Więcej pokoi oznacza wyższą cenę całkowitą (korelacja dodatnia), ale niższą cenę za m² (korelacja ujemna) - duże mieszkania są proporcjonalnie tańsze.

Mapa cen mieszkań w Polsce

Mapa cen w Polsce

Geograficzny rozkład średnich cen mieszkań w analizowanych miastach. Wyraźny podział na drogie aglomeracje (Warszawa, Kraków, Wrocław) i tańsze ośrodki regionalne.

Zobacz projekt na GitHub

Skrypty SQL, dashboard Power BI i dane przetworzone

Kluczowe wnioski

Wniosek 01

Lokalizacja rządzi ceną

Miasto ma największy wpływ na cenę. Średnia w Warszawie to ok. 768 tys. zł, w Częstochowie - 339 tys. zł. Różnica ponad dwukrotna przy porównywalnym standardzie.

Wniosek 02

Blok to najtańszy wybór

Mieszkania w blokach są najtańsze zarówno pod względem ceny całkowitej, jak i za m². Apartamenty kosztują wyraźnie więcej - nawet w tańszych miastach.

Wniosek 03

Centrum nie decyduje

Odległość od centrum wykazuje słabą korelację z ceną za m². Wyjazd poza centrum nie gwarantuje znacznie niższej ceny - ważniejsze są miasto i typ budynku.

Wniosek 04

Więcej pokoi = niższa cena/m²

Każdy dodatkowy pokój podnosi cenę całkowitą, ale obniża cenę za m². Kupno większego mieszkania jest proporcjonalnie tańsze niż małego w tym samym budynku.

Rekomendacja

Najlepsze miasta dla kupującego pierwsze mieszkanie to Częstochowa, Radom i Bydgoszcz - najniższe ceny przy przyzwoitej infrastrukturze. Średnia cena mieszkania w Częstochowie to 339 tys. zł, przy średniej krajowej wynoszącej 768 tys. zł.

W każdym mieście warto szukać mieszkań w odległości 2–5 km od centrum, gdzie średnie ceny okazały się najniższe. Bloki stanowią najtańszą opcję i są dobrym wyborem jako pierwsze mieszkanie.

Wykorzystane technologie

SQL Server SSMS Power BI
Powrót do portfolio