Introducción.

Debido al alto crecimiento que ha tenido el mercado inmobiliario en los últimos años en la ciudad de Cali, la empresa B&C nos proporciona una data real para el estudio de la misma, obteniendo conclusiones importantes que le servirán a la empresa, este informe les proporciona detalles de cómo ha venido evolucionando el mercado inmobiliario y que características es más apetecidas por los clientes, igualmente distinguiremos que casa o apartamentos en la zonas de la ciudad tienen una alta demanda.

Objetivos.

Uno de los principales problemas que tiene la empresa B&C es que tienen una muy buena base datos aunque no muy limpia que digamos y pueda que eso les cree incertidumbre al momento de hacer el análisis de los datos, uno de los principales objetivos para la empresa es que los datos les dé una idea de cómo se encuentra el mercado inmobiliario actualmente, que características son las más apetecidas por los clientes que barrio o zona de la ciudad tienen una alta demanda, que tipo de inmueble prefieren los clientes si es apartamento o casa, entre muchos más objetivos los principales son los anteriores.

Métodos.

Descripción de los datos.

Iniciamos con la exploración de los datos los cuales se componen de 8.330 observaciones en 13 columnas, ahora daremos una breve descripción de los datos:

Nombre columna Descripción Tipo de dato
Id Identificador único de cada fila, no puede estar repetido. Numérico
zona Zona de que parte de la ciudad se encuentra inmueble. Carácter
piso Numero de pisos del inmueble. Numérico
Estrato Estrato social del inmueble. Numérico
Areaconst Area construida en metros cuadrados. Numérico
Parqueadero Numero de parqueaderos. Numérico
banios Número de baños del inmueble. Numérico
habitaciones Número de habitaciones. Numérico
Tipo Tipo de inmueble si es casa o apartamento. Carácter
Barrio Nombre de barrio del inmueble. Carácter
longitud y latitud Ubicación exacta de donde se encuentra el inmueble. Numérico

1. Limpieza de datos.

Uno de los puntos claves e importante de todos es el proceso de limpiar los datos, este nos permite encontrar sesgos en la información que nos alteran el análisis, como por ejemplo los llamados Nas, valores outliers entre otros, este proceso es fundamental para obtener un buen análisis de los datos por eso a continuación describiremos cada uno de los pasos que utilizamos para nuestra limpieza de datos.

1.1 Observaciones duplicadas.

En este lago de datos encontramos valores repetidos por el identificador único de cada registro (Id) inicialmente lo que hicimos fue quitar todos esos valores repetidos y que darnos con valores únicos, por eso pasamos de un data frame de 8.330 observaciones a uno de 8.319 excluyendo del análisis a 11 observaciones duplicados.

1.2 Variables categoricas: en minusculas

Esto nos permite inicialmente quitar el duplicado de datos por ejemplo encontramos en los datos por la columna tipo varias observaciones que hacían referencia al mismo tipo de inmueble como por ejemplo “APARTAMENTO” o “Apartamento” llevando esto a minúsculas quedarían iguales como “apartamento”, es solo un ejemplo y todas las columnas categóricas como lo son zona y barrio también se les aplicaría el mismo procedimiento.

1.2.1 Variables categoricas: Con valores similares pero no iguales

En la columna barrio encontramos muchos valores similares como por ejemplo “aguablanca” o “agua blanca” entendemos que es un único barrio por eso nosotros contrarrestamos esa misma información con googleMaps y nos da la información que el barrio correctamente escrito es “agua blanca”, de igual forma para los otros 57 barrios con nombres trocados, esto nos permitió pasar de 437 barrios a 380, aplicamos el mismo concepto para las demás columnas categóricas zona y tipo

2. Valores NA’S o no encontrados.

Es muy común encontrarnos con datos faltantes en una bodega de datos o un dataframe por ende en este paso exploraremos todas las columnas para ver que columnas cuentan con valores NA’S:

El grafico anterior nos indica que los datos luego de los procesos anteriores cuenta con 4.808 observaciones con valores aceptables, con 1.909 Na’s con observaciones en la columna piso, con 876 observaciones Na’s en la columna parquea, con 726 observaciones donde las columnas piso y parquea coinciden y son Na’s, la columna piso suma un total de 2.635 y la columna parquea suma un total de 1.602 todo esto en conjunto suma un total general de 4.237 valores Na’s, lo anterior nos indica que para la columna piso contamos con alrededor de 31.67% con valores Na’s y para la columna parque un total de 19.25% y en total en general contamos con un 50.93% de todas las observaciones con Na’s.

Realizando el trabajo de análisis profundo y consultando con agentes inmobiliarios observamos que cuando el tipo de inmueble es casa por lo menos cuenta con un piso pero cuando es de tipo apartamento puede estar ubicado en el piso 1 como en el piso 12, por ende analizaremos la data por tipo de inmueble.

El grafico anterior nos indica que para el inmueble de tipo apartamento por pisos tiene un valor mínimo de 1, con una mediana de 4 y un valor máximo de 12, para el inmueble de tipo casa actualmente en los datos contamos con un valor mínimo de 1, con una mediana de 2 y un valor máximo de 10 pisos.

Es implícito que una casa o apartamento cuente con un piso al momento de ser vendida, por ende procedemos a construir una función que nos indique por tipo de inmueble cual es el número de pisos, es necesario prescindir de las demás columnas como: zona, estrato, banios, habitac con estas columnas encontraremos inmuebles similares y esto nos arrojara un dato más acertado de piso por tipo de inmueble.

Del lado izquierdo observamos el anterior gráfico y del lado derecho como queda nuestro grafico después de pasar la data por la función la cual asigna valor a piso encontrando inmuebles similares, el cambio abrupto lo vemos en el tipo de inmueble casa el cual queda con la misma mediana de 2 pero el q3=2, esto nos ayuda al control de los Na’s debido a que tenemos alrededor para tipo de inmueble casa 1.200 Na’s y actualmente solo luego de procesar los datos en la función tenemos 154 observaciones Na’s, el tipo de inmueble apartamento también fue afectado debido a su alto número de observaciones Na’s, pasando de un q1=2 a un q1=3 y un q3=6 a q3=5 manteniendo su mediana de 4 y reduciendo de 1.381 valores Na’s a 39 observaciones Na’s, lo observaremos en detalle en el siguiente resumen:

En el anterior grafico notamos como crecen las observaciones aceptables y como se reducen los Na’s por la columna de piso, para la variable parquea a continuación aplicaremos la misma función.

Una vez ejecutada la función para el control de Na’s vemos los muy buenos resultados que obtuvimos, del lado izquierdo observamos como estaban los datos por la columna parquea por tipo de inmueble casa, solo notamos una pequeña diferencia en cuanto el promedio de los datos pero una gran diferencia en la reducción de Na’s lo cual pasamos de 734 a 147 Nas.

Utilizamos nuevamente la función pero para los datos por la variable parque para el tipo de inmueble apartamento, en donde vemos una breve variación del promedio o mean de los datos pero un gran control de los Na’s que pasan de 868 a 46.

Ahora analizaremos el siguiente grafico:

En el grafico anterior analizamos el gran crecimiento que ha tenido las observaciones aceptables de pasar de 4.808 a 8.012 y una enorme reducción en cuando a valores Na’s de pasar de 4237 a solo 386, estos valores Na’s ahora si pueden ser eliminados de los datos debido a que representan un mínimo valor de 4.6% de todas las observaciones. De los datos actuales que hemos procesado por la función nos quedaremos con los 8.012 observaciones que no tienen Na’s lo cuales representan un 96.18% de las observaciones, lo cual es válido y óptimo para comenzar hacer el análisis de los datos.


Resultados y graficas.


Discusión.

Inicialmente cuando contemplamos por primera vez los datos, observamos de primera mano que debíamos separar las ventas de los inmuebles por tipo (Casa, Apartamento), Seguido de esto nuestro análisis fue muy crítico dando resultados muy concretos en cuanto a número de viviendas vendidas por tipo, zona, estrato, precio de venta entre otros, en la sección del documento Resultados y graficas podemos apreciar el resumen de todos nuestro análisis respondiendo a todas las preguntas realizadas por la empresa B&C, dando respuestas que tipo de inmueble prefieren nuestros clientes y porcentaje esto infiere que si construyen una vivienda de tipo apartamento es 62.72% más preferible por los clientes que el inmueble de tipo casa.(G1,G2).

La lectura de los datos cambia abruptamente para la empresa B&C debido a que pasa de tener un montón de datos que no le servía para nada y con una difícil lectura de estos, transitando por funciones estadísticas complejas que transforman los datos en valor para la empresa, dando una clara lectura e interpretación de los mismo.


Conclusiones.

Uno de los principales objetivos de este trabajo es responder que características de un inmueble prefieren los clientes de la compañía, en el apartado de resultados y graficas inicialmente observamos y respondemos ese primer objetivo dando como resultados que los clientes prefieren el tipo de inmueble apartamento con un numero de inmuebles vendidos de 5.025 con respecto a tipo casa de 2.987, esto representa que en un 62.72% los clientes prefieren un inmueble de tipo apartamento con respecto a casa de 37.28%, pero en qué zona los prefieren y precio? Esto lo explica la gráfica 3 (G3) los clientes prefieren su inmueble en la Zona sur de Cali, con respecto a los demás, la zona sur tiene un numero de inmuebles vendidos de 4.652 con un precio promedio de $109.055, le sigue la zona norte sumando un numero de inmuebles vendidos de 1.809 con un precio promedio de $50.213, la siguiente es la zona oeste con un numero inmuebles vendidos de 1.153 con un precio promedio de $162.471 mientras que la zona oriente y zona centro no son tan preferibles por los clientes con un numero vendido entre las dos de 398 y precio promedio de 67.150,87, Ahora sabemos que los clientes prefieren un inmueble de tipo apartamento en la zona sur de la ciudad, pero ahora que estrato la prefieren?, esto es respondido por la gráfica 4(G4) donde los clientes prefieren su inmueble en el estrato 5 que en el en los demás estratos, obteniendo resultados con un numero de venta de 2.707, quien lo sigue es el estrato 4 con un numero de venta de 2.063, pero no es descabellado que también los prefieran en el estrato 6 con un numero de ventas de 1.937 tampoco dejemos de despreciar el estrato 3 el cual vendió un numero de inmueble de 1305 representado un 16.28% de los datos, cruzando dos variables muy importantes como lo son zona y estrato por número de inmuebles vendidos podemos concluir lo anterior y lo observaremos en el grafico (G5,G6).

siguiendo el análisis los clientes hasta el momento prefieren un apartamento en la zona sur de la ciudad con un precio promedio de $109.055 de un estrato 5, en el grafico 8(G8) inferimos que el cliente prefiere un número de habitaciones entre 3 a 5 cabe destacar que esto es proporcional al área construida y precio de venta, en el grafico 9 (G9) y el grafico 10 (G10) observamos como los clientes prefieren para un inmueble de tipo casa un numero de 3 a 5 habitaciones, pero para el inmueble de tipo apartamento nuestros clientes los prefieren de 2 a 4 habitaciones, también vemos cómo influye la variable baños y parqueadero que es muy claro como los clientes para el inmueble de tipo de apartamento prefieren un numero de baños alrededor de 2 a 3 mientras que para casa prefieren más habitaciones y un mayor número de baños entre 3 y 5 lo observamos de la gráfica 11(G11), por ultimo no sería de buen gusto dejar una variable tan influyente en los clientes para su crecimiento personal como lo es el número de aparcamientos que tendrán, los observado en el grafico 12(G12) para un inmueble de tipo apartamento prefieren alrededor de 1 a 2 aparcamiento mientras que para casa es preferible de 1 a 3.

Siguiendo con la dinámica de los datos y respondiendo el objetivo general de esta investigación estadística inferimos que para el cliente una casa perfecta seria:

Tipo Inmueble Zona Ciudad Precio Promedio Estrato Habitaciones Baños Parqueaderos
Apartamento Zona sur $109,055.48 5 2 – 4 2 – 3 1 – 2