Logo Lanfrica
  • Accueil
  • Atlas
  • Analyses
  • Documentation
  • Sign in

© 2026 Lanfrica. Tous droits réservés. Tous les droits d'auteur des ressources affichées sur le site Web Lanfrica appartiennent aux détenteurs de droits d'auteur d'origine, sauf indication contraire explicite.

hamadiallo789-beep/sql-monitoring-base-beneficiaires

Domaine:

socioeconomic
Créateur:
ham
Hôte:
Conception d'une base relationnelle SQL et requetes analytiques (couverture, ciblage, qualite des donnees) pour le suivi de beneficiaires d'un programme humanitaire multi-sectoriel - Burkina Faso. # Base de données de suivi des bénéficiaires — Programme humanitaire multi-sectoriel (Burkina Faso) Conception et exploitation en **SQL** d'une base relationnelle de suivi des bénéficiaires d'un programme humanitaire (sécurité alimentaire, transferts monétaires, WASH). Ce dépôt sert de démonstration de compétences en modélisation de bases de données et en requêtage SQL appliqué au suivi-évaluation (MEAL) : couverture, ciblage, qualité des données et alertes. ## Contexte du programme Une organisation met en œuvre un programme multi-sectoriel (sécurité alimentaire, transferts monétaires, WASH) auprès de **180 ménages** (1 262 bénéficiaires individuels) répartis sur **9 zones d'intervention** dans les régions Est, Nord et Sahel du Burkina Faso. La base modélise l'ensemble du cycle de suivi : enregistrement des ménages et de leurs membres, distributions d'assistance, et collectes de suivi post-distribution (PDM) réalisées par 12 agents de terrain. > Base de données **synthétique**, construite pour reproduire fidèlement la structure et les problématiques réelles d'une base de suivi terrain (y compris des anomalies volontairement introduites pour démontrer les requêtes de contrôle qualité). ## Objectifs 1. Concevoir un schéma relationnel normalisé, fidèle aux besoins réels d'un système de suivi de bénéficiaires. 2. Écrire des requêtes SQL répondant aux besoins opérationnels d'un chargé de suivi-évaluation : couverture, ciblage, agrégations multi-tables. 3. Détecter des problèmes de qualité de données (doublons, gaps de couverture, anomalies de saisie) — une compétence clé en assurance qualité des données MEAL. 4. Démontrer l'usage de vues, sous-requêtes, fonctions fenêtrées (`ROW_NUMBER`) et jointures multiples. ## Schéma de la base 6 tables : `zones`, `agents_terrain`, `menages`, `beneficiaires`, `distributions`, `suivi_indicateurs`. Diagramme entité-relation complet (Mermaid) dans `docs/dictionnaire_donnees.md`. ``` zones (1) ─── ─── agents_terrain │ …

Visit

github.com

Similaires

hamadiallo789-beep/spss-evaluation-agroecologie-burkinahamadiallo789-beep/r-evaluation-impact-scolarisation-filleshamadiallo789-beep/python-ml-ciblage-vulnerabilite-burkina

hamadiallo789-beep/spss-evaluation-agroecologie-burkina

Analyse statistique SPSS complete (descriptif, inferentiel, regression) pour l'evaluation d'un proje

hamadiallo789-beep/r-evaluation-impact-scolarisation-filles

Evaluation d'impact (diff-in-diff) en R d'un programme de transferts monetaires conditionnels pour l

hamadiallo789-beep/python-ml-ciblage-vulnerabilite-burkina

Modele de Machine Learning (Python/scikit-learn) pour le ciblage humanitaire (Proxy Means Test) : pr