1. INTRODUCCIÓN

El Mercado inmobiliario en Cali, ha experimentado un notable crecimiento en los últimos años, impulsado por el crecimiento, la evolución de este sector que se encuentra en constante cambio y el desarrollo continuo de nuevos proyectos en la industria. Según datos reportados, las ventas del sector alcanzaron los $6700 millones en 2022 y los $6100 millones en 2023, reflejando una tendencia ascendente que proyecta un futuro prometedor para el mercado de bienes raíces en la región. En este contexto, la empresa B&C (Bines y Casas), agencia de bienes raíces establecida en Cali hace una década por Sandra Milena, ha consolidado su presencia en el sector y actualmente cuenta con ocho agentes de bienes raíces dedicados a satisfacer las necesidades del mercado local. Con el objetivo de mantenerse a la vanguardia y tomar decisiones estratégicas fundamentadas en datos sólidos, la empresa ha recopilado una vasta cantidad de información sobre viviendas, que incluye detalles sobre precios, ubicaciones, características y transacciones de propiedades en la ciudad. Consciente de la importancia de contar con datos precisos y análisis detallados para tomar decisiones estratégicas, la empresa B&C ha recopilado una extensa base de datos sobre viviendas en Cali, que abarca información detallada sobre precios, ubicaciones, características y transacciones, sirviendo esta información como punto de partida para realizar un análisis exhaustivo del mercado inmobiliario en la ciudad. En este contexto, el presente informe estadístico tiene como objetivo explorar y examinar aspectos claves del mercado inmobiliario en Cali, incluyendo:

Los resultados de este análisis no solo serán de interés para la empresa B&C en la toma de decisiones internas, sino que también proporcionarán una visión integral del mercado inmobiliario a potenciales compradores, inversionistas y otros actores del sector.

Con esta información, B&C podrá definir su nicho de mercado, desarrollar estrategias de marketing más efectivas, establecer precios competitivos y ofrecer servicios personalizados que se ajusten a las necesidades y preferencias de sus clientes en Cali.

2. OBJETIVO

Realizar un informe estadístico que nos permita identificar tendencias y patrones relevantes sobre los precios de las viviendas en diferentes zonas de Cali, el tipo de viviendas más ofertadas en Cali y las características más relevantes de la oferta de vivienda en Cali.

3. METODOS

Para obtener la información del análisis descriptivo deseado sobre los datos frente al mercado inmobiliario en Cali, utilizamos los siguientes métodos:

• Para la identificación del precio de las viviendas en diferentes zonas de Cali, utilizamos las medidas de tendencia central y dispersión, calculando la media, la mediana, precio mínimo y máximo de las viviendas en cada zona para tener una idea de los valores típicos y calculamos la desviación estándar para entender la dispersión de los precios en cada zona, igualmente se creó un gráficos de caja y bigotes que permite visualizar la distribución de los precios de las viviendas en cada zona, permitiendo identificar cualquier diferencia significativa en la distribución de los precios.

• Para la identificación del tipo de viviendas más ofertadas en Cali, fue utilizado un análisis de frecuencias, donde se identifica la cantidad de viviendas por tipo (apartamentos y casas) dándonos una idea de qué tipo de vivienda es la más ofertada en Cali. Igualmente se realiza una representación gráfica con la distribución de tipos de viviendas mediante gráficos de barras para una visualización clara de la proporción de cada tipo de vivienda.

• Para la identificación de las características más relevantes de la oferta de vivienda en Cali, realizamos una estadística descriptiva donde se calcula las medias de varias variables de los datos agrupadas por las variables zona y tipo, este análisis se representa con un gráfico de barras agrupadas donde cada barra nos indica el valor medio de las variables, media_precio, media_area_construida y media_habitaciones.

3. ANÁLISIS EXPLORATORIO

Para el inicio de este análisis utilizamos las siguientes librerías y paquetes que nos aportara la información base de nuestros datos a trabajar:

library(paqueteMETODOS)
## Loading required package: cubature
## Loading required package: 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
## Loading required package: flextable
## Loading required package: ggplot2
## Loading required package: lmtest
## Loading required package: zoo
## 
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric
## Loading required package: MASS
## 
## Attaching package: 'MASS'
## The following object is masked from 'package:dplyr':
## 
##     select
## Loading required package: psych
## 
## Attaching package: 'psych'
## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha
## Loading required package: summarytools
## Loading required package: randtests
## Loading required package: rapportools
## 
## Attaching package: 'rapportools'
## The following objects are masked from 'package:summarytools':
## 
##     label, label<-
## The following object is masked from 'package:dplyr':
## 
##     n
## The following objects are masked from 'package:stats':
## 
##     IQR, median, sd, var
## The following objects are masked from 'package:base':
## 
##     max, mean, min, range, sum
data(vivienda_faltantes)

Después de identificada nuestra base de datos, procedemos con nuestra limpieza de datos iniciando con la corrección de los nombres de las columnas:

vivienda_faltantes <- vivienda_faltantes %>%
  rename(precio= preciom, area_construdida=areaconst, parqueaderos=parquea, banos=banios,habitaciones=habitac)
colnames(vivienda_faltantes)
##  [1] "id"               "zona"             "piso"             "estrato"         
##  [5] "precio"           "area_construdida" "parqueaderos"     "banos"           
##  [9] "habitaciones"     "tipo"             "barrio"           "longitud"        
## [13] "latitud"

Realizamos la limpieza de los datos nulos del ID de nuestra base, identificando que de nuestros 8330 registros en id, tres no contaban con información, quedando nuestra base con 8327 datos con los que vamos a trabajar.

vivienda_faltantes <- vivienda_faltantes [!is.na(vivienda_faltantes$id),]

Identificamos variables faltantes de forma gráfica donde se evidencia que 1.603 datos no cuentan con información en la columna de parqueadero y 2.638 datos no identifican el número de piso.

vivienda_faltantes <- mice::md.pattern(vivienda_faltantes, rotate.names = TRUE)
title(main="CANTIDAD DE CAMPOS VACIOS")

Adicionalmente hay datos en mayúsculas y minúsculas, que vamos a estandarizar para tener información unificada:

vivienda_faltantes <- as.data.frame(vivienda_faltantes)
vivienda_faltantes <- vivienda_faltantes %>%
  mutate(
    tipo = toupper(tipo),
    zona = toupper(zona),
    tipo = if_else(tipo == 'CASA', 'CASA', 'APARTAMENTO')
  )

##4.ESTADISTICA DESCRIPTIVA

#4.1 PRECIO DE LAS VIVIENDAS EN DIFERENTES ZONAS DE CALI.

Para la identificación de los precios de las viviendas como fue mencionado anteriormente utilizaremos las medidas de tendencia central y dispersión:

vivienda_faltantes <- vivienda_faltantes %>%
  group_by(zona, tipo) %>%
  summarise(
    media_precio = mean(precio),
    mediana_precio = median(precio),
    min_precio = min(precio),
    max_precio = max(precio),
    desviacion_precio = sd(precio),
    .groups = "drop"
  )

ggplot(data = vivienda_faltantes, aes(x = zona, y = precio, fill = tipo)) +

geom_boxplot() labs(title = “Análisis de precios por tipo y zona”,x = “Zona”, y = “Precio”, fill=“tipo”) + theme_minimal()

Zona: Indica la ubicación geográfica de las viviendas en Cali, identificado cinco zonas distintas, Centro, Norte, Oeste, Oriente y Sur.

El análisis de precios de viviendas por zonas revela diferencias significativas en los costos de la propiedad, tanto para apartamentos como para casas, en diferentes áreas geográficas.

A continuación, se presentan los datos destacados de las principales zonas:

Zona Centro:

Apartamento: El precio medio de los apartamentos en la ZONA CENTRO es de 1.865.833, con una desviación estándar de 9.080.601, lo que indica una variabilidad considerable en los precios dentro de esta zona.

Casa: En cuanto a las casas, el precio medio en la ZONA CENTRO es notablemente más alto, alcanzando los 3.392.400, con una desviación estándar de 16.184.574, lo que sugiere una mayor variabilidad en los precios en comparación con los apartamentos.

Zona Norte:

Apartamento: El precio medio de los apartamentos en la ZONA NORTE es de 2.852.577, con una desviación estándar de 19.971.108, indicando una amplia gama de precios en esta zona.

Casa: Para las casas, el precio medio en la ZONA NORTE es aún más alto, llegando a 4.460.913, con una desviación estándar de 26.822.506, lo que sugiere una mayor variabilidad en los precios en comparación con los apartamentos.

Zona Oeste:

Apartamento: La ZONA OESTE exhibe los precios más altos para apartamentos, con un precio medio de 6.692.676 y una desviación estándar de 39.111.216.

Casa: Similarmente, las casas en la ZONA OESTE tienen precios elevados, con un precio medio de 7.363.550 y una desviación estándar de 39.772.890.

Zona Oriente:

Apartamento: En la ZONA ORIENTE, los apartamentos tienen un precio medio de 1.525.968 y una desviación estándar de 16.543.123.

Casa: Las casas en esta zona tienen un precio medio de 2.448.201, con una desviación estándar de 10.393.779.

Zona Sur:

Apartamento: En la ZONA SUR, el precio medio de los apartamentos es de 2.973.550, con una desviación estándar de 19.155.583.

Casa: Las casas en esta zona tienen un precio medio de 6.120.077, con una desviación estándar de 37.775.273. Observamos que la ZONA ORIENTE ofrece precios atractivos tanto para apartamentos como para casas, con desviaciones estándar relativamente estables en comparación con otras zonas.

Por lo tanto, para aquellos que buscan una inversión segura con precios moderados, la ZONA ORIENTE podría ser una opción a considerar. No obstante, se recomienda realizar un análisis exhaustivo que incluya otros factores como la ubicación específica, la calidad de la construcción y las facilidades cercanas para tomar una decisión informada y acorde a las necesidades individuales.

#4.2 TIPO DE VIVIENDAS MÁS OFERTADAS EN CALI.

vivienda_faltantes <- vivienda_faltantes %>%
  count(tipo) %>%
  arrange(desc(n))

vivienda_faltantes <- vivienda_faltantes %>%
  mutate(percentage = n / sum(n) * 100)

ggplot(data = vivienda_faltantes, aes(x = reorder(tipo, -n), y = n, fill = tipo)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = paste(n, "(", round(percentage, 1), "%)")), vjust = -0.5, size = 3) +
  labs(title = "Número de viviendas por tipo en Cali", x = "Tipo de vivienda", y = "Número de viviendas", fill = "Tipo de vivienda") +
  theme_minimal()

Esto lo que nos indica es que las casas también son una opción común para los residentes de Cali, aunque menos frecuente que los apartamentos.

#4.3 CARACTERÍSTICAS MÁS RELEVANTES DE LA OFERTA DE VIVIENDA EN CALI.

En este punto realizamos un análisis descriptivo donde podremos observar una visión detallada de las características más relevantes de la oferta de vivienda en Cali, destacan las características más relevantes que definen la oferta de vivienda en términos de precios, dimensiones, comodidades y distribución geográfica:

vivienda_faltantes <- vivienda_faltantes %>% group_by(zona, tipo) %>% summarise(media_precio = mean(precio), media_area_construida = mean(area_construdida), media_parqueaderos = mean(parqueaderos), media_baños = mean(banos), media_habitaciones = mean(habitaciones), .groups = ‘drop’)

vivienda_faltantes <- data.frame(
  zona = c("ZONA CENTRO", "ZONA CENTRO", "ZONA NORTE", "ZONA NORTE", "ZONA OESTE", "ZONA OESTE", "ZONA ORIENTE", "ZONA ORIENTE", "ZONA SUR", "ZONA SUR"),
  tipo = c("APARTAMENTO", "CASA", "APARTAMENTO", "CASA", "APARTAMENTO", "CASA", "APARTAMENTO", "CASA", "APARTAMENTO", "CASA"),
  media_precio = c(1865833, 3392400, 2852577, 4460913, 6692676, 7363550, 1525968, 2448201, 2973550, 6120077),
  media_area_construida = c(9507333, 21779500, 9870945, 26489216, 17256413, 34322698, 9424097, 21337415, 9748839, 28220148),
  media_parqueaderos = c(1000000, 1481481, 1372802, 2181193, 2132853, 2310606, 1318182, 1390071, 1414532, 2415313),
  media_baños = c(2125000, 3010000, 2311093, 3557400, 3390338, 4260355, 1725806, 2965398, 2488873, 4171134),
  media_habitaciones = c(3000000, 5110000, 2894912, 4507607, 3069565, 4644970, 3080645, 5318339, 2965901, 4512371)
)

ggplot(vivienda_faltantes, aes(x = media_precio, y = media_area_construida, color = tipo, size = media_habitaciones)) + geom_point(alpha = 0.7) +
labs(title = “Gráfico de dispersión con codificación estética adicional”, x = “Precio medio”, y = “Área construida media”, color = “Tipo de vivienda”, size = “Número medio de habitaciones”) + theme_minimal()

5.DISCUSIONES

En los métodos, se detallan las técnicas utilizadas para el análisis descriptivo, como medidas de tendencia central y dispersión, análisis de frecuencias y estadística descriptiva. Además, se muestra cómo se realizó la limpieza de datos y la estandarización de variables.

El análisis exploratorio presenta resultados claros y visualmente atractivos. Se muestran las diferencias en los precios de las viviendas por zona, destacando la variabilidad dentro de cada área geográfica. También se identifican los tipos de viviendas más ofertados en Cali, con los apartamentos como la opción más común. Por último, se analizan las características más relevantes de la oferta de vivienda, como los precios, dimensiones, infraestructura y distribución de espacios.

En general, el informe proporciona una visión completa del mercado inmobiliario en Cali, con análisis detallados y conclusiones claras que serán útiles tanto para la empresa B&C como para otros actores del sector.

6.CONCLUSIONES

La información presentada en el análisis estadístico del mercado inmobiliario en Cali ofrece una visión completa y detallada de diversos aspectos relevantes para la toma de decisiones estratégicas. A partir de los métodos utilizados, se ha logrado obtener una comprensión profunda de los precios de las viviendas en diferentes zonas, los tipos de viviendas más ofertados y las características más relevantes de la oferta de vivienda en la ciudad.

Se destacan varias conclusiones importantes:

Variabilidad de precios por zona y tipo de vivienda: Se observa una marcada variación en los precios de las viviendas, tanto por su ubicación geográfica como por el tipo de propiedad. Esta discrepancia resalta la importancia de considerar múltiples factores al evaluar el valor de una propiedad.

Prevalencia de apartamentos: Los apartamentos son la opción residencial más común en Cali, representando aproximadamente el 61.32% del total de viviendas. Sin embargo, las casas aún representan una proporción significativa, lo que indica una diversidad en las preferencias de los residentes.

Diferencias en dimensiones y comodidades: Se identifican diferencias significativas en las dimensiones y comodidades ofrecidas por las viviendas, como la cantidad de parqueaderos, baños y habitaciones. Estos aspectos reflejan las preferencias y necesidades de los potenciales compradores en diferentes segmentos del mercado.

Implicaciones para la toma de decisiones: El análisis proporciona información valiosa para la empresa B&C y otros actores del sector inmobiliario, permitiendo definir estrategias de marketing, establecer precios competitivos y ofrecer servicios personalizados que se ajusten a las necesidades del mercado.

En resumen, el informe estadístico ofrece una base sólida para la toma de decisiones informadas en el mercado inmobiliario de Cali, destacando la importancia de considerar múltiples variables y tendencias para alcanzar el éxito en este sector.