En este reporte se va a analizar la base de datos proveida por la compañía B&C, respecto a las viviendas disponibles en la ciudad de Cali para comercialización. Se realizará un análisis exploratorio de los datos con el fin de obtener insights valiosos que permitan a la compañía tomar decisiones respecto a su nicho de mercado, precios a fijar, estrategias de marketing a seguir y ofrecer servicios personalizados a sus clientes
El objetivo es presentar un panorama completo y comprensible que permita identificar patrones, así como comprender cómo ciertos factores pueden influir en el mercado de viviendas. A través de visualizaciones intuitivas y análisis estadísticos, procedemos a cargar la base de datos.
install.packages("devtools")
## Installing package into 'C:/Users/57301/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'devtools' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\57301\AppData\Local\Temp\RtmpK6iGlg\downloaded_packages
devtools::install_github("dgonxalex80/paqueteMET")
## Skipping install of 'paqueteMET' from a github remote, the SHA1 (624823ee) has not changed since last install.
## Use `force = TRUE` to force installation
library(paqueteMET)
data(vivienda_faltantes)
(echo = TRUE)
## [1] TRUE
Identificar Patrones: El principal objetivo del informe es identificar patrones y tendencias en los datos de viviendas
Comprender Variables Clave: El informe busca comprender las variables clave que influyen en el mercado de viviendas. Esto puede incluir la relación entre ubicación y precio, el impacto de las características de la vivienda en el precio. Entre otros.
Explorar Relaciones: Se busca analizar si existen relaciones causales entre diferentes variables.
Visualizar: Utilizando visualizaciones efectivas, el informe busca presentar los datos de manera comprensible y significativa.
a. Se hará una limpieza inicial, penalizando variables que no sean muy relevantes para el estudio, contando los espacios vacíos de la base de datos y estandarizar variables si es necesario
b. Se realizará un análisis exploratorio de orden descriptivo (univariado) para lograr los objetivos planteados en el reporte . Se harán uso de indicadores como la media, media aritmética, desviación estandar, entre otros. Buscando esclarecer y comprender variables clave, identificar el patrón del inmueble típico comercializado por la compañía y visualizar de forma clara las tendencias.
c. Se realizará un análisis bivariado en donde se lleguen a conclusiones más profundas respecto a esrtategias que deba seguir la compañía, en esta sección se verán correlaciones o profundizaciones de variables tratadas en incisos anteriores se pretende explorar relaciones qu epuedan existir entre distintas variables.
d. Además todo analisis que se haga será representado graficamente y discutido durante el reporte para discernir su valor frente al objetivo general del mismo.
e. Se realizará una conclusión sintetizando y análisando los resultados obtenidos.
El análisis univariado es una técnica estadística utilizada para analizar y resumir datos en un solo atributo o variable. Se enfoca en examinar las propiedades y características de una sola variable de interés sin considerar ninguna otra variable en el conjunto de datos.
Primero, procedmos por realizar un análisis de las columnas de la base para determinar cuales de estas serán penalizadas. En una primera instancia es claro que las variables ID, Baños y piso no son del todo relavantes para el análisis. ya que son variables categóricas únicas, están relacionadas o implícitas en otras variables o no aplican en todo caso respectivamente. No obstante, pueden ser tenidas en cuenta en sub-análisis que se realicen en caso de necesitar más claridad sobre un insight encontrado. Tampoco se tendrá en cuenta longitud y latitud puesto que este reporte es un análisis descriptivo.
Ahora, de forma general veámos cuantos apartamentos y casas existen en la base de datos, encontremos los espacios en blanco en tipo y luego presentemos un histograma que lo despliegue. Antes debemos estandarizar la variable, unifiquemos la notación.
vivienda_faltantes$tipo <- ifelse(
vivienda_faltantes$tipo %in% c("APARTAMENTO", "apartamento", "apto"),
"Apartamento",
ifelse(
vivienda_faltantes$tipo %in% c("CASA", "casa"),
"Casa",
vivienda_faltantes$tipo
)
)
Una vez la variables ha sido estandarizada procedemos a los histogramas.
install.packages("dplyr")
## Installing package into 'C:/Users/57301/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'dplyr' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'dplyr'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\57301\AppData\Local\R\win-library\4.3\00LOCK\dplyr\libs\x64\dplyr.dll
## a C:\Users\57301\AppData\Local\R\win-library\4.3\dplyr\libs\x64\dplyr.dll:
## Permission denied
## Warning: restored 'dplyr'
##
## The downloaded binary packages are in
## C:\Users\57301\AppData\Local\Temp\RtmpK6iGlg\downloaded_packages
library(ggplot2)
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
tipo_percentages <- vivienda_faltantes %>%
group_by(tipo) %>%
summarise(Percentage = n() / nrow(vivienda_faltantes) * 100)
ggplot(tipo_percentages, aes(x = tipo, y = Percentage)) +
geom_bar(stat = "identity") +
geom_text(aes(label = sprintf("%.1f%%", Percentage)), position = position_stack(vjust = 0.5)) +
labs(title = "Histrograma de tipo", x = "Tipo", y = "Percentage")
Es fácil apreciar que los apartamentos son el 61% de las viviendas disponibles en la base de datos por lo cual es conveniente para la empresa emplear tácticas de marketing que logre mover el producto principal. Ahora, veámos de forma general datos de la columna precio.
library(dplyr)
cleaned_data <- vivienda_faltantes %>%
filter(!is.na(preciom))
median_preciom <- median(cleaned_data$preciom)
mode_preciom <- as.numeric(names(table(cleaned_data$preciom))[table(cleaned_data$preciom) == max(table(cleaned_data$preciom))])
range_preciom <- max(cleaned_data$preciom) - min(cleaned_data$preciom)
average_preciom <- mean(cleaned_data$preciom) # Calculate the average
cat("Median:", median_preciom, "\n")
## Median: 330
cat("Mode:", mode_preciom, "\n")
## Mode: 350
cat("Range:", range_preciom, "\n")
## Range: 1941
cat("Average:", average_preciom, "\n")
## Average: 434.2406
Vemos que la mediana es 330 y la moda 350 no obstante el rango supera los 1900. Lo cual nos indica que hay una distribución de campana (seguro relacionado al estrato y barrio). Ahora veamos histogramas del barrio y el estrato
library(ggplot2)
library(dplyr)
estrato_percentages <- vivienda_faltantes %>%
group_by(estrato) %>%
summarise(Percentage = n() / nrow(vivienda_faltantes) * 100)
ggplot(estrato_percentages, aes(x = estrato, y = Percentage)) +
geom_bar(stat = "identity") +
geom_text(aes(label = sprintf("%.1f%%", Percentage)), position = position_stack(vjust = 0.5)) +
labs(title = "Histograma de estratos", x = "Estrato", y = "Percentage")
## Warning: Removed 1 rows containing missing values (`position_stack()`).
## Removed 1 rows containing missing values (`position_stack()`).
Podemos apreciar que efectivamente existe una distribución de campana relacionada al estrato, seguro fuertemente relacionada al precio. Esto ya nos indica que el mercado de la compañía se encuentra en personas de clase media-ALTA. Ahora veamos la gráfica relacionada al barrio
library(ggplot2)
library(dplyr)
top_barrios <- vivienda_faltantes %>%
group_by(barrio) %>%
summarise(Frequency = n()) %>%
arrange(desc(Frequency)) %>%
top_n(10, Frequency)
ggplot(top_barrios, aes(x = barrio, y = Frequency, fill = barrio)) +
geom_bar(stat = "identity") +
geom_text(aes(label = Frequency), vjust = -0.5) +
labs(title = "Histograma de Top 10 Barrios", x = "Barrio", y = "Frequency") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
Dada la alta cantidad de barrios, en este reporte se hizo notar los 10 barrios más frequentes en la base de datos, estos barrios son los que presnetan mayor movimiento comercial en el sector inmobiliario por lo cual la compañía debería siempre hacerles seguimiento. Por último, en este análisis univariado veamos el área construida , habitaciones, baños y parqueadero promedios del inmueble. Esto ya resultará en el inmueble “Típico” que la compañía ofrece a sus clientes.
library(dplyr)
average_sum_areaconst <- sum(vivienda_faltantes$areaconst, na.rm = TRUE) / nrow(vivienda_faltantes)
average_sum_parquea <- sum(vivienda_faltantes$parquea, na.rm = TRUE) / nrow(vivienda_faltantes)
average_sum_banios <- sum(vivienda_faltantes$banios, na.rm = TRUE) / nrow(vivienda_faltantes)
average_sum_habitac <- sum(vivienda_faltantes$habitac, na.rm = TRUE) / nrow(vivienda_faltantes)
cat("Average Sum of areaconst:", average_sum_areaconst, "\n")
## Average Sum of areaconst: 174.9246
cat("Average Sum of parquea:", average_sum_parquea, "\n")
## Average Sum of parquea: 1.481993
cat("Average Sum of banios:", average_sum_banios, "\n")
## Average Sum of banios: 3.110924
cat("Average Sum of habitac:", average_sum_habitac, "\n")
## Average Sum of habitac: 3.603842
De esta forma, se concluye el análisis univariado con la obtención del perfil típico del inmueble que la compañía va a tratar y/o ofertar con sus clientes. Será un inmueble de estrato 4-5, con un precio que ronde los 434, un parqueadero, 3-4 habitaciones, 3 baños y un área construida de 175.
El análisis bivariado es una técnica estadística que se utiliza para explorar y analizar la relación entre dos variables en un conjunto de datos. En esta sección vamos a explorar las relaciones entre variables que puedan ser significativas para la decisión de negocios de la empresa.
Iniciemos por la relación entre tipo y precio de los elementos de la base de datos esto nos indicaría cual sería el precio promedio de una casa y el de un apartamento.
library(dplyr)
tipo_average_prices <- vivienda_faltantes %>%
group_by(tipo) %>%
summarise(Average_Price = mean(preciom, na.rm = TRUE))
print(tipo_average_prices)
## # A tibble: 3 × 2
## tipo Average_Price
## <chr> <dbl>
## 1 Apartamento 368.
## 2 Casa 540.
## 3 <NA> 330
library(ggplot2)
library(dplyr)
tipo_average_prices <- vivienda_faltantes %>%
filter(!is.na(tipo)) %>%
group_by(tipo) %>%
summarise(Average_Price = mean(preciom, na.rm = TRUE))
ggplot(tipo_average_prices, aes(x = tipo, y = Average_Price)) +
geom_bar(stat = "identity") +
geom_text(aes(label = round(Average_Price, 2)), vjust = -0.5, size = 3) +
labs(title = "Precio promedio por tipo", x = "Property Type", y = "Average Price")
Como puede apreciarse en la gráfica, el precio de una casa es 46% mayor al de un apartamento (en promedio). Esto indica de forma clara que las casa deben concentrarse mayormente en el estrato 6 o poseer más área construida. Por lo cual si bien las casa representan un negocio más fructuoso, se debe recordar que en el análisis univariado se mostró que las mismas solo conforman el 38% de la base. Ahora, veámos como se relacionan los diez barrios más comunes y los estratos. Luego, los barrios y los tipos de vivienda.
install.packages("knitr")
## Installing package into 'C:/Users/57301/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'knitr' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\57301\AppData\Local\Temp\RtmpK6iGlg\downloaded_packages
library(knitr)
library(dplyr)
top_barrios <- vivienda_faltantes %>%
group_by(barrio) %>%
summarise(Frequency = n()) %>%
arrange(desc(Frequency)) %>%
head(10) %>%
pull(barrio)
subset_data <- vivienda_faltantes %>%
filter(barrio %in% top_barrios)
contingency_table <- table(subset_data$estrato, subset_data$barrio)
contingency_df <- as.data.frame.matrix(contingency_table)
kable(contingency_df, caption = "Contingencia: Estrato vs. Barrio")
| acopi | ciudad jardín | el caney | el ingenio | la flora | la hacienda | normandía | pance | santa teresita | valle del lili | |
|---|---|---|---|---|---|---|---|---|---|---|
| 3 | 21 | 2 | 9 | 0 | 1 | 2 | 1 | 0 | 0 | 4 |
| 4 | 51 | 4 | 165 | 9 | 34 | 29 | 0 | 2 | 4 | 576 |
| 5 | 59 | 66 | 34 | 156 | 326 | 132 | 22 | 20 | 27 | 423 |
| 6 | 27 | 444 | 0 | 37 | 6 | 1 | 135 | 387 | 231 | 5 |
library(dplyr)
top_barrios <- vivienda_faltantes %>%
group_by(barrio) %>%
summarise(Frequency = n()) %>%
arrange(desc(Frequency)) %>%
head(10) %>%
pull(barrio)
subset_data <- vivienda_faltantes %>%
filter(barrio %in% top_barrios)
contingency_table <- table(subset_data$barrio, subset_data$tipo)
chi_squared_result <- chisq.test(contingency_table)
print(chi_squared_result)
##
## Pearson's Chi-squared test
##
## data: contingency_table
## X-squared = 502.64, df = 9, p-value < 2.2e-16
library(vcd)
## Loading required package: grid
contingency_table <- table(subset_data$barrio, subset_data$tipo)
mosaic_plot <- mosaicplot(contingency_table, color = TRUE, main = "Prueba chi quadrada Barrio vs Tipo")
par(cex.axis = 0.8, cex.lab = 0.8, mar = c(4, 4, 2, 2))
par(las = 2)
print(mosaic_plot)
## NULL
De la tabla de contingencia y el test chi-cuadrado, podemos apreciar la correlación entre los barrios y las otras variables, gran cantidad de casas se concentran en pance y ciudad jardín. Que son además estrato 6 en gran medida según la tabla de contingencia, si bien quedó convenido que las casas solo forman el 38% de la base de datos, hemos ubicado el nicho de mercado donde se centran las mismas hemos hayado 2 barrios se concentran las casas (de lujo) lo cual es in insight interesante para el equipo de la empresa que decida manejar esos inmuebles de alto precio.
Por último, veamos la relación del precio respecto al área construida del inmueble.
library(ggplot2)
ggplot(vivienda_faltantes, aes(x = areaconst, y = preciom, color = tipo)) +
geom_point() +
labs(title = "Precio vs Área", x = "Areaconst", y = "Precio")
## Warning: Removed 3 rows containing missing values (`geom_point()`).
Primero, podemos confirmar que en efecto las casas tienen más área construida en general, también que como se apreció en el análisis multivariable los apartamentos suelen concentrarse en alrededor del precio 368 mientras que las casas rondan más que todo por encima de 500. Sin embargo hay una buena cantidad de casas de menos área a precios bajos, por lo cual realizaremos un análisis más para establecer como se reparten las casas según los estratos y precio.
library(ggplot2)
tipo_estrato_counts <- vivienda_faltantes %>%
group_by(estrato, tipo) %>%
summarise(count = n()) %>%
ungroup() %>%
mutate(total = sum(count),
percentage = count / total * 100)
## `summarise()` has grouped output by 'estrato'. You can override using the
## `.groups` argument.
ggplot(tipo_estrato_counts, aes(x = estrato, y = percentage, fill = tipo)) +
geom_bar(stat = "identity") +
labs(title = "Distribución de tipo por estrato",
x = "Estrato", y = "Percentage") +
scale_fill_brewer(palette = "Set3") +
theme_minimal() +
theme(legend.position = "top")
## Warning: Removed 1 rows containing missing values (`position_stack()`).
De este último análisis se puede confirmar que en efecto, las casas
suelen ser residencias de estrato 5-6. Pero también se obtiene un
insight interesante, las casa en el único estrato que representan
mayoría son en el estrato tres, por lo cual hemos desvelado que existe
un mercado de casas menos costosas que puede ser orientadas a familias
que necesiten el espacio pero no tengan el presupuesta para acceder a
una casa de estrato 5-6.
Del análisis realizado se obtuvieron los siguientes resultados.
El mercado de inmuebles estudiado por la compañía se compone 61.3% y 38.7% por apartamentos y casas respectivamente.
Los inmuebles están distribuidos en forma de campana a través de los estratos (3,4,5,6). Por lo cual el cliente estándar de esta compañía serán personas de estrato medio-ALTO (4,5).
La compañía en general estará realizando transacciones por 367 y 540 en apartamentos y casas respectivamente (ya que ese es su valor promedio)
Los diez barrios más frecuentes en la base de datos son estrato 4,5 y 6 con dos de los barrios teniendo una alta acumulación de casas. Por lo cual existe un mercado fuerte que capturar en ese sector respecto a vivienda de lujo. Por lo que si llegan a tener clientes que manejen un alto presupuesto ya sabrán qué ofrecerles y a qué barrio llevarles
El perfil de un inmueble típico comercializado por la empresa es un uno de estrato 4-5, con un precio que ronde los 434 , un parqueadero, 3-4 habitaciones, 3 baños y un área construida de 175. Por lo cual su cliente típico serán familias con hijos (cuantos dependerá si buscan una casa o apta).
Las casas solo son mayoría de los inmuebles en estrato 3, por lo cual existe una estrategia de marketing hacia familias que busquen una casa pero no posean el presupuesto para acceder a una de estrato 5-6. Lo que indica que las casas dominan el mercado en los dos extremos.
Una casa es 46% más costosa que un apartamento en promedio, por lo cual también existe un mercado a capturar en el estrato 3, respecto a parejas sin hijos o personas solteras que un apartamento les sea más que suficiente.
En conclusión, el análisis exhaustivo de los datos proporcionados ha arrojado una serie de resultados fundamentales que brindan una perspectiva clara y valiosa sobre el mercado de inmuebles estudiado por nuestra compañía: Composición del Mercado, Segmentación Estratificada, Transacciones Promedio, Oportunidades en Barrios Estratégicos, Perfil del Inmueble Típico, Diferencial de Precio.
En resumen, estos resultados brindan una visión estratégica del mercado de inmuebles en nuestra área de enfoque. Con un enfoque en la segmentación adecuada, la identificación de oportunidades en barrios específicos y el conocimiento del perfil del cliente típico, estamos en condiciones de crear estrategias que permitan brindar un servicio especializado que satisfagan la necesidad de los clientes.