La agencia C&A (Casas y Apartamentos) recibio una solicitud de
asesoria para la compra de dos viviendas por parte de una compañía
internacional que desea ubicar a dos de sus empleados con sus familias
en la ciudad. Las solicitudes incluyen las siguientes condiciones:
Vivienda 1: tipo=Casa, área construida=200, parqueaderos=1, baños=2,
habitaciones=4, estrato=4 ó 5, zona=Norte, crédito preaprobado=350
millones
Vivienda 2: tipo=Apartamento, área construida=300, parqueaderos=3,
baños=3, habitaciones=5, estrato=5 ó 6, zona=Sur, crédito
preaprobado=850 millones
Con el objetivo de identificar potenciales ofertas de viviendas, se
espera predecir el valor aproximado de una vivienda en la ciudad de cali
segun los requerimientos del cliente; las estimaciones serviran de
referencia para identificar potenciales ofertas segun su precio de
venta. El modelo se ajusto con la data “vivienda” del paqueteMOD en el
software R.
Solicitud vivienda 1 “Casas en la zona norte de la ciudad”
Para la solicitad de vivienda 1 “Casas”, se trabajo con un dataset
que incluye solo viviendas de tipo casa de la zona Norte de la ciudad, y
se ajusto un modelo de regresión lineal multiple con las covariables
area construida, estrato socioeconomico, numero de parqueaderos y numero
de baños, la variable numero de habitaciones no se considero para el
ajuste del modelo porque no fue significativa.
De acuerdo a las estimaciones del modelo segun los requerimientos
del cliente, para el estrato 4 las casas tienen un valor estimado de 313
millones aproximadamente (275 - 350 millones), y para el estrato 5
tienen un valor estimado de 378 millones aproximadamente (346 - 409
millones).
Con el objetivo de identificar las ofertas potenciales de la base de
datos que contiene viviendas tipo Casas en la zona norte de la ciudad,
nos interesan las que cumplan al menos con las especificaciones
solicitadas por el cliente y que tengan como precio maximo de venta el
valor estimado por el modelo segun el estrato socioeconomico.
Se calcula la diferencia entre el precio de venta y el precio
estimado por el modelo, y con base en esta diferencia se seleccionan las
viviendas a considerar para la oferta, del estrato 4 se selecciona la
vivienda con ID=“1020” y del estrato 5 se seleccionan las viviendas con
ID=“1009”, “1914” por tener mayor diferencia entre el precio de venta y
el valor presupuestado por el cliente; del estrato 5 tambien se
seleccionan la viviendas con ID=“3053” y “766” con base en que tienen
una diferencia respecto al presupuesto en mas de 50 millones y el valor
por metro cuadrado es bajo en comparación del resto de ofertas.
# Viviendas considerar id=(1020, 1009, 1914, 766, 3053)
baseSelec=subset(vivienda,id=="1020"|id=="1009"|id=="1914"|id=="766"|id=="3053")
head(baseSelec)
## # A tibble: 5 × 13
## id zona piso estrato preciom areaconst parqueaderos banios habitaciones
## <dbl> <fct> <dbl> <fct> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1009 Zona N… NA 5 250 243 1 4 5
## 2 3053 Zona N… 2 5 320 230 2 4 4
## 3 1020 Zona N… 2 4 230 250 2 3 5
## 4 766 Zona N… NA 5 321 249 1 5 5
## 5 1914 Zona N… 2 5 300 205 2 5 6
## # ℹ 4 more variables: tipo <fct>, barrio <fct>, longitud <dbl>, latitud <dbl>
require(leaflet)
leaflet() %>% addTiles %>%
addCircleMarkers(lng = baseSelec$longitud,
lat = baseSelec$latitud)
Las opciones presentadas al cliente cumplen con los requerimientos
solicitados por este, y adicionalmente tienen un precio
considerablemente menor al estimado por el modelo y al credito
hipotecario preaprobado para el cliente.
Solicitud vivienda 2 “Apartamentos en la zona sur de la ciudad”
Para la solicitad de vivienda 2 “Apartamentos”, se trabajo con un
dataset que incluye solo viviendas de tipo apartamento de la zona Sur de
la ciudad, y se ajusto un modelo de regresión lineal multiple con las
covariables area construida, estrato socioeconomico, numero de
parqueaderos, numero de baños y numero de habitaciones.
De acuerdo a las estimaciones del modelo segun los requerimientos
del cliente, para el estrato 5 los apartamentos tienen un valor estimado
de 635 millones aproximadamente (613 - 657 millones), y para el estrato
6 tienen un valor estimado de 788 millones aproximadamente (766 - 811
millones).
Con el objetivo de identificar las ofertas potenciales de la base de
datos que contiene viviendas tipo apartamento en la zona sur de la
ciudad, nos interesan las que cumplan al menos con las especificaciones
solicitadas por el cliente y que tengan como precio maximo de venta el
valor estimado por el modelo segun el estrato socieconomico; al evaluar
la data con los apartamentos disponibles se tiene que no hay
apartamentos que cumplan lo descrito anteriormente, por lo cual se toma
como precio maximo de apartamento el valor del credito preaprobado del
cliente (850 millones) para evaluar las ofertas potenciales.
En el estrato 5 los apartamentos que cumplen con el minimo de
requerimientos del cliente y tiene un precio inferior a los 850 millones
son las viviendas con id=“7512” y “7182”.
Para el estrato 6 con las especificaciones minimas requeridas no hay
apartamentos por debajo del valor preaprobado del credito (850
millones), por lo cual, para poder considerar ofertas para el cliente se
evaluan todas las zonas, y se omiten las especificaciones de cantidad de
parqueaderos,cantidad de habitaciones y cantidad de baños; se garantiza
un area construida mayor o igual a 300 metros cuadrados, viviendas tipo
apartamentos y estrato 6 con un precio igual o inferior a 850 millones.
Para seleccionar las ofertas del estrato 6 a considerar se tomo como
criterio aquellas que tuvieran menor valor del metro cuadrado.
# Viviendas considerar id=(7512, 7182, 3479, 6888, 6383)
baseSelec2=subset(vivienda,id=="7512"|id=="7182"|id=="3479"|id=="6888"|id=="6383")
head(baseSelec2)
## # A tibble: 5 × 13
## id zona piso estrato preciom areaconst parqueaderos banios habitaciones
## <dbl> <fct> <dbl> <fct> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 3479 Zona N… NA 6 620 480 NA 5 5
## 2 6383 Zona O… 2 6 600 350 2 4 5
## 3 7182 Zona S… NA 5 730 573 3 8 5
## 4 6888 Zona O… 2 6 590 355 2 4 4
## 5 7512 Zona S… NA 5 670 300 3 5 6
## # ℹ 4 more variables: tipo <fct>, barrio <fct>, longitud <dbl>, latitud <dbl>
require(leaflet)
leaflet() %>% addTiles %>%
addCircleMarkers(lng = baseSelec2$longitud,
lat = baseSelec2$latitud)
Las ofertas seleccionadas para el cliente se encuentran por debajo
del valor preaprobado del credito para ambos requerimientos de vivienda;
sin embargo, en las ofertas seleccionadas para los apartamentos no todas
cumplen con las especificaciones del cliente, por lo cual se propone
evaluar el orden de importancia de las especificaciones para el cliente,
para determinar cual es la oferta que mas se ajusta.