En este informe, se presenta un análisis descriptivo sobre información recabada por la empresa B&C (Bines y Casas) sobre viviendas, que incluye información sobre el precio, la ubicación, las características y la venta de viviendas en Cali. Análisis que permitirá a la empresa identificar las tendencias y patrones en los datos y para tomar decisiones sobre su negocio.
El mercado de bienes raíces en Cali ha crecido significativamente en los últimos años, impulsado por el crecimiento de la población, la inversión extranjera directa y el desarrollo de nuevos proyectos inmobiliarios. En 2022, las ventas del sector en Cali llegaron a $6700 millones y en 2023 a $6100 mil millones. Se espera que este sector continue creciendo durante los próximos años, permitiendo un desarrollo dinámico en la economía regional.
Informe que contiene además de la presente introducción, unos
objetivos, unos métodos, unos resultados, una discusión, una conclusión
y unos anexos.
El objetivo es hacer un análisis descriptivo que sirva a la empresa
B&C para identificar las tendencias y patrones en los datos
recabados del mercado de vivienda en Cali y para tomar decisiones sobre
su negocio, tales como nicho de mercado, estrategias de marketing,
establecer precios de venta, hasta Ofrecer servicios personalizados a
sus clientes.
La metodología que se implementará para el desarrollo de éste informe
será, ordenar y limpiar los datos de la información que ha recogido
B&C sobre viviendas; una vez limpios, se organizan y representan los
datos en tablas o gráficas siguiendo un razonamiento deductivo, ir de lo
general a lo particular, comenzando por analizar el tipo de viviendas
más ofertadas en Cali para ir delimitando el análisis a ciertas zonas;
para luego analizar los precios de las viviendas en estas zonas
seleccionadas a partir de un diagrama de cajas; y terminar con un
análisis de las características más relevantes de la oferta de vivienda
en estas zonas seleccionadas, de acuerdo con el rango de precios del
diagrama de cajas.
En la limpieza de datos, se encontraron registros repetidos que deben ser eliminados, dejando sólo un registro.
num_duplicados <- sum(duplicated(vivienda_faltantes))
base.depurada <- unique(vivienda_faltantes)
base.depurada
## # A tibble: 8,321 × 13
## id zona piso estrato preciom areaconst parquea banios habitac tipo
## <dbl> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 8312 Zona Oeste 4 6 1300 318 2 4 2 Apar…
## 2 8311 Zona Oeste 1 6 480 300 1 4 4 Casa
## 3 8307 Zona Oeste NA 5 1200 800 4 7 5 Casa
## 4 8296 Zona Sur 2 3 220 150 1 2 4 Casa
## 5 8297 Zona Oeste NA 5 330 112 2 4 3 Casa
## 6 8298 Zona Sur NA 5 1350 390 8 10 10 Casa
## 7 8299 Zona Sur 2 6 305 125 2 3 3 Apar…
## 8 8300 Zona Oeste NA 5 480 280 4 4 4 Apar…
## 9 8286 Zona Sur NA 5 275 74 1 2 3 Apar…
## 10 8287 Zona Sur 2 5 285 120 2 4 3 Apar…
## # ℹ 8,311 more rows
## # ℹ 3 more variables: barrio <chr>, longitud <dbl>, latitud <dbl>
Luego se encontraron datos faltantes, principalmente en dos variables piso y parquea, con 31.7% y 19.3%, respectivamente.
apply(is.na(base.depurada),2,FUN="mean")*100
## id zona piso estrato preciom areaconst
## 0.02403557 0.02403557 31.69090254 0.02403557 0.01201779 0.02403557
## parquea banios habitac tipo barrio longitud
## 19.27652926 0.02403557 0.02403557 0.02403557 0.02403557 0.02403557
## latitud
## 0.02403557
Como se observa en la gráfica de nombre Combinations, existe un
registro que no tiene datos faltantes en todas las variables, uno con un
sólo dato en una variable (preciom) y 726 registros que no tienen datos
en las variables piso y en parqueo.
Gráfica 1. Porcentaje de datos faltantes por variables y número de registros con datos faltantes en las diferentes variables.
library(naniar)
VIM::aggr(base.depurada, cex.axis = 0.5, cex.lab= 0.8, numbers = TRUE, prop = c(TRUE, FALSE))
Evaluando la situación de los datos faltantes, se decide eliminar los 728 registros, con datos faltantes en variables piso y parquea, de la base de 8321 registros, correspondiente al 8.75% del total de registros. Al eliminar este conjunto de registros, se observa a continuación que ya no existen datos faltantes en todas las variables, sino específicamente en piso y parquea.
datos_sin_na <- base.depurada %>%
filter(!is.na(parquea) | !is.na(piso))
apply(is.na(datos_sin_na),2,FUN="mean")*100
## id zona piso estrato preciom areaconst parquea banios
## 0.00000 0.00000 25.14158 0.00000 0.00000 0.00000 11.53694 0.00000
## habitac tipo barrio longitud latitud
## 0.00000 0.00000 0.00000 0.00000 0.00000
En el caso de piso y parquea se decide hacer un ejercicio de imputación de los datos faltantes con algún indicador de tendencia central; siendo la media el indicador a usar, cambiando los valores faltantes por el promedio de los datos que se tienen en las variables. Se sabe que hacer esto reduce artificialmente la variabilidad de la muestra; sin embargo, con este ejercicio se pretende verificar a partir de un gráfico si los datos imputados se ajustan con los datos de la base.
Como se observa en el gráfico, los datos imputados para la variable piso no se ajustan con los datos de la base.
Gráfica 2. Datos imputados por la media vs datos de la base de piso y parquea.
par(mfrow=c(1,2))
plot(density(datos_sin_na$parquea,na.rm = T),col=2,main="Número de parqueadero")
lines(density(datos_impu_media$parquea),col=3)
plot(density(datos_sin_na$piso,na.rm = T),col=2,main="Número de pisos")
lines(density(datos_impu_media$piso),col=3)
En el caso de la variable piso, no se ajusta debido a que es una variable cualitativa de escala ordinal, por lo que el indicador a usar en la imputación sería la moda.
media_parqueo <- mean(datos_sin_na$parquea, na.rm = TRUE) %>%
round(,0)
datos_sin_na$parquea[is.na(datos_sin_na$parquea)] <- media_parqueo
suppressPackageStartupMessages({library(DescTools)})
moda_piso <- Mode(datos_sin_na$piso, na.rm = TRUE)
datos_sin_na$piso[is.na(datos_sin_na$piso)] <- moda_piso
apply(is.na(datos_sin_na),2,FUN="mean")*100
## id zona piso estrato preciom areaconst parquea banios
## 0 0 0 0 0 0 0 0
## habitac tipo barrio longitud latitud
## 0 0 0 0 0
Se revisa la digitación de las categorías de las variables cualitativas como lo son el tipo de vivienda, el barrio y la zona, revisando que estas no tengan problemas. Se observa que la variable tipo de vivienda, presenta problemas en los valores de las categorías, por lo que todo se llevará al valor de Apartamento y al de Casa.
# Verificar problemas de sistematización de la información
table(datos_sin_na$tipo)
##
## Apartamento APARTAMENTO apto casa Casa CASA
## 4703 54 10 13 2803 10
table(datos_sin_na$zona)
##
## Zona Centro Zona Norte Zona Oeste Zona Oriente Zona Sur
## 97 1540 1150 274 4532
# Recodificar valores de variable tipo.
library(dplyr)
datos_sin_na <- datos_sin_na %>%
mutate(tipo = recode(tipo, "apto"="Apartamento","APARTAMENTO"="Apartamento"))
datos_sin_na <- datos_sin_na %>%
mutate(tipo = recode(tipo, "casa"="Casa","CASA"="Casa"))
Con los datos depurados y limpios se observa en la tabla 1. que en la
zona sur de Cali, se encuentra la mayor cantidad de viviendas ofrecidas
en cali con el 59.7% de la oferta, seguida por la zona norte con el
20,3%. En conclusión, el 80% de las viviendas ofertdas se encuentran en
estas zonas.
Tabla 1. Distribución de número de viviendas por zona
suppressPackageStartupMessages({library(formattable)})
# Datos
tabla_frec <- table(datos_sin_na$zona)
zona <- c("Zona Norte", "Zona Sur", "Zona Centro", "Zona Oriente", "Zona Oeste")
Frecuencia_abs <- c(1540, 4532, 97, 274, 1150)
Frecuencia_rel <- round(Frecuencia_abs / sum(Frecuencia_abs)*100,1)
# Crear el dataframe
df <- data.frame(zona, Frecuencia_abs, Frecuencia_rel)
# Renombra las columnas
colnames(df) <- c("Zona", "Frecuencia absoluta", "Frecuencia relativa (%)")
# Formatea la tabla con formattable
tabla1 <- formattable(df, align = c("l", "r", "r"), list(
`Frecuencia absoluta` = color_tile("white", "orange"),
`Frecuencia relativa` = color_bar("lightblue")
))
tabla1
| Zona | Frecuencia absoluta | Frecuencia relativa (%) |
|---|---|---|
| Zona Norte | 1540 | 20.3 |
| Zona Sur | 4532 | 59.7 |
| Zona Centro | 97 | 1.3 |
| Zona Oriente | 274 | 3.6 |
| Zona Oeste | 1150 | 15.1 |
Las zonas sur y norte son las zonas con mayores viviendas ofertadas,
en ambas se ofertan la mayor cantidad de apartamentos y casas; siendo
los apartamentos el tipo de vivienda más ofertado en ambas zonas como se
observa en la tabla 2.
Tabla 2. Distribución de número de viviendas por zona y tipo de vivienda
tabla_frec <- table(datos_sin_na$zona,datos_sin_na$tipo)
df <- data.frame(
Zona = c("Zona Norte", "Zona Sur", "Zona Centro", "Zona Oriente", "Zona Oeste"),
Apartamento = c(1009, 2685, 21, 52, 1000),
Casa = c(531, 1847, 76, 222, 150),
Total = c(1540, 4532, 97, 274, 1150)
)
tabla2 <- formattable(df, align = c("l", "r", "r", "r"), list(
Apartamento = color_tile("white", "orange"),
Casa = color_tile("white", "orange"),
Total = formatter("span",
style = x ~ style(color = ifelse(rank(-x) <= 3, "green", "gray")),
x ~ sprintf("%.f (rank: %d)", x, rank(-x)))
))
tabla2
| Zona | Apartamento | Casa | Total |
|---|---|---|---|
| Zona Norte | 1009 | 531 | 1540 (rank: 2) |
| Zona Sur | 2685 | 1847 | 4532 (rank: 1) |
| Zona Centro | 21 | 76 | 97 (rank: 5) |
| Zona Oriente | 52 | 222 | 274 (rank: 4) |
| Zona Oeste | 1000 | 150 | 1150 (rank: 3) |
A partir de un diagrama de cajas (Gráfica 3), podemos observar que el
50% de los precios de las viviendas en la zona Sur y para el tipo de
vivienda apartamento, está entre los 180 y 340 millones de pesos, Q1 y
Q3 (cuartiles en que se divide la muestra), respectivamente. También se
observa que se encuentran apartamentos desde los 580 millones en
adelante, siendo estos valores atípicos dados por características
específicas de estos, que puede estar en sus acabados e interiores.
Gráfica 3. Diagrama de cajas para los precios de los apartamentos en la zona Sur.
suppressPackageStartupMessages({library(ggplot2)})
datos_sin_naZSA <- subset(datos_sin_na, zona == "Zona Sur" & tipo == "Apartamento")
# Definir tema de gráfico
Theme1 <- theme(
axis.title.x = element_text(size = 16),
axis.text.x = element_text(size = 10),
axis.title.y = element_text(size = 16),
axis.text = element_text(size = 10),
legend.title = element_text(size = 10),
legend.text = element_text(size = 10),
strip.text = element_text(size = 10),
title = element_text(size = 10, face = 'bold'))
# Calcular los cuartiles directamente
cuartiles1=data.frame(prob=c(0.25,0.5,0.75),
valor=quantile(datos_sin_naZSA$preciom, c(0.25,0.5,0.75),na.rm = TRUE) )
q=cuartiles1$valor
quantile(datos_sin_naZSA$preciom, c(0.25,0.50,0.75))
## 25% 50% 75%
## 180 250 340
# Calcular límites para identificar valores atípicos
iqr <- IQR(datos_sin_naZSA$preciom)
lim_inf <- quantile(datos_sin_naZSA$preciom, 0.25) - 1.5 * iqr
lim_sup <- quantile(datos_sin_naZSA$preciom, 0.75) + 1.5 * iqr
# Filtrar valores atípicos
valores_atipicos <- datos_sin_naZSA$preciom[datos_sin_naZSA$preciom < lim_inf | datos_sin_naZSA$preciom > lim_sup]
# Construir la gráfica
ggplot(datos_sin_naZSA, aes(x = preciom, y = "")) +
geom_jitter(color = "#034A94", size = 2, alpha = 0.9) +
scale_color_manual(values = "#034A94") +
geom_boxplot(width = 0.8, color = "black", fill = NA, alpha = 0.4) +
labs(title = "", y = "", x = "Precio en millones") +
geom_text(aes(x = q[1], label = "Q1=180"), y = 0.5, size = 2, col = "black") +
geom_text(aes(x = q[2], label = "Q2"), y = 0.5, size = 2, col = "black") +
geom_text(aes(x = q[3], label = "Q3=340"), y = 0.5, size = 2, col = "black") +
geom_text(aes(x = lim_sup + 5, label = "atípicos>=590"), y = 0.5, size = 3, col = "black") +
Theme1
Según el diagrama de cajas (Gráfica 4), podemos observar que el 50%
de los precios de las viviendas en la zona Sur y para el tipo de
vivienda casa, está entre los 350 y 780 millones de pesos, Q1 y Q3
(cuartiles en que se divide la muestra), respectivamente; por encima de
Q3 en el caso de los apartamentos. También se observa se encuentran
casas desde los 1450 millones en adelante, siendo estos valores atípicos
dados por características específicas de estos, que pueden ir desde sus
acabados e interiores hasta materiales de su estructura y valorización
del barrio.
Gráfica 4. Diagrama de cajas para los precios de las casas en la zona Sur.
datos_sin_naZSC <- subset(datos_sin_na, zona == "Zona Sur" & tipo == "Casa")
# Definir tema de gráfico
Theme2 <- theme(
axis.title.x = element_text(size = 16),
axis.text.x = element_text(size = 10),
axis.title.y = element_text(size = 16),
axis.text = element_text(size = 10),
legend.title = element_text(size = 10),
legend.text = element_text(size = 10),
strip.text = element_text(size = 10),
title = element_text(size = 10, face = 'bold'))
# Calcular los cuartiles directamente
cuartiles1=data.frame(prob=c(0.25,0.5,0.75),
valor=quantile(datos_sin_naZSC$preciom, c(0.25,0.5,0.75),na.rm = TRUE) )
q=cuartiles1$valor
quantile(datos_sin_naZSC$preciom, c(0.25,0.50,0.75))
## 25% 50% 75%
## 350 485 780
# Calcular límites para identificar valores atípicos
iqr <- IQR(datos_sin_naZSC$preciom)
lim_inf <- quantile(datos_sin_naZSC$preciom, 0.25) - 1.5 * iqr
lim_sup <- quantile(datos_sin_naZSC$preciom, 0.75) + 1.5 * iqr
# Filtrar valores atípicos
valores_atipicos <- datos_sin_naZSC$preciom[datos_sin_naZSC$preciom < lim_inf | datos_sin_naZSC$preciom > lim_sup]
# Construir la gráfica
ggplot(datos_sin_naZSC, aes(x = preciom, y = "")) +
geom_jitter(color = "#034A94", size = 2, alpha = 0.9) +
scale_color_manual(values = "#034A94") +
geom_boxplot(width = 0.8, color = "black", fill = NA, alpha = 0.9) +
labs(title = "", y = "", x = "Precio en millones") +
geom_text(aes(x = q[1], label = "Q1=350"), y = 0.5, size = 3, col = "black") +
geom_text(aes(x = q[2], label = "Q2"), y = 0.5, size = 3, col = "black") +
geom_text(aes(x = q[3], label = "Q3=780"), y = 0.5, size = 3, col = "black") +
geom_text(aes(x = lim_sup + 5, label = "atípicos>=1450"), y = 0.5, size = 3, col = "black") +
Theme2
En el caso de la zona norte, a partir de un diagrama de cajas (Gráfica 5), podemos observar que el 50% de los precios de las viviendas en la zona norte y para el tipo de vivienda apartamento, está entre los 145 y 360 millones de pesos, Q1 y Q3 (cuartiles en que se divide la muestra), respectivamente. Cabe mencionar que el 50% de los precios se encuentran apartamentos hasta de 145 millones, por debajo de los precios encontrados en la zona sur con 180 millones.
También observa que se encuentran apartamentos desde los 580 millones
en adelante, siendo estos valores atípicos dados por características
específicas de estos como en el caso de los apartamentos en la zona sur,
que puede estar en sus acabados e interiores.
Gráfica 5. Diagrama de cajas para los precios de los apartamentos en la zona Norte.
datos_sin_naZNA <- subset(datos_sin_na, zona == "Zona Norte" & tipo == "Apartamento")
# Definir tema de gráfico
Theme3 <- theme(
axis.title.x = element_text(size = 16),
axis.text.x = element_text(size = 10),
axis.title.y = element_text(size = 16),
axis.text = element_text(size = 10),
legend.title = element_text(size = 10),
legend.text = element_text(size = 10),
strip.text = element_text(size = 10),
title = element_text(size = 10, face = 'bold'))
# Calcular los cuartiles directamente
cuartiles1=data.frame(prob=c(0.25,0.5,0.75),
valor=quantile(datos_sin_naZNA$preciom, c(0.25,0.5,0.75),na.rm = TRUE) )
q=cuartiles1$valor
quantile(datos_sin_naZNA$preciom, c(0.25,0.50,0.75))
## 25% 50% 75%
## 145 250 360
# Calcular límites para identificar valores atípicos
iqr <- IQR(datos_sin_naZNA$preciom)
lim_inf <- quantile(datos_sin_naZNA$preciom, 0.25) - 1.5 * iqr
lim_sup <- quantile(datos_sin_naZNA$preciom, 0.75) + 1.5 * iqr
# Filtrar valores atípicos
valores_atipicos <- datos_sin_naZNA$preciom[datos_sin_naZNA$preciom < lim_inf | datos_sin_naZNA$preciom > lim_sup]
# Construir la gráfica
ggplot(datos_sin_naZNA, aes(x = preciom, y = "")) +
geom_jitter(color = "#034A94", size = 2, alpha = 0.9) +
scale_color_manual(values = "#034A94") +
geom_boxplot(width = 0.8, color = "black", fill = NA, alpha = 0.4) +
labs(title = "", y = "", x = "Precio en millones") +
geom_text(aes(x = q[1], label = "Q1=145"), y = 0.5, size = 2, col = "black") +
geom_text(aes(x = q[2], label = "Q2"), y = 0.5, size = 2, col = "black") +
geom_text(aes(x = q[3], label = "Q3=360"), y = 0.5, size = 2, col = "black") +
geom_text(aes(x = lim_sup + 5, label = "atípicos>=690"), y = 0.5, size = 3, col = "black") +
Theme3
Según el diagrama de cajas (Gráfica 6), podemos observar que el 50% de los precios de las viviendas en la zona norte y para el tipo de vivienda casas, está entre los 280 y 550 millones de pesos, Q1 y Q3 (cuartiles en que se divide la muestra), respectivamente. Cabe mencionar que el 50% de los precios en la zona norte se encuentran casas por debajo del 50% de los precios encontrados en la zona sur.
También se observa que se encuentran casas desde los 990 millones en
adelante, siendo estos valores atípicos dados por características
específicas de estos como en el caso de las casas en la zona sur, que
pueden ir desde sus acabados e interiores hasta materiales de su
estructura y valorización del barrio.
Gráfica 6. Diagrama de cajas para los precios de las casas en la zona Norte.
datos_sin_naZNC <- subset(datos_sin_na, zona == "Zona Norte" & tipo == "Casa")
# Definir tema de gráfico
Theme4 <- theme(
axis.title.x = element_text(size = 16),
axis.text.x = element_text(size = 10),
axis.title.y = element_text(size = 16),
axis.text = element_text(size = 10),
legend.title = element_text(size = 10),
legend.text = element_text(size = 10),
strip.text = element_text(size = 10),
title = element_text(size = 10, face = 'bold'))
# Calcular los cuartiles directamente
cuartiles1=data.frame(prob=c(0.25,0.5,0.75),
valor=quantile(datos_sin_naZNC$preciom, c(0.25,0.5,0.75),na.rm = TRUE) )
q=cuartiles1$valor
quantile(datos_sin_naZNC$preciom, c(0.25,0.50,0.75))
## 25% 50% 75%
## 280 400 550
# Calcular límites para identificar valores atípicos
iqr <- IQR(datos_sin_naZNC$preciom)
lim_inf <- quantile(datos_sin_naZNC$preciom, 0.25) - 1.5 * iqr
lim_sup <- quantile(datos_sin_naZNC$preciom, 0.75) + 1.5 * iqr
# Filtrar valores atípicos
valores_atipicos <- datos_sin_naZNC$preciom[datos_sin_naZNC$preciom < lim_inf | datos_sin_naZNC$preciom > lim_sup]
# Construir la gráfica
ggplot(datos_sin_naZNC, aes(x = preciom, y = "")) +
geom_jitter(color = "#034A94", size = 2, alpha = 0.9) +
scale_color_manual(values = "#034A94") +
geom_boxplot(width = 0.8, color = "black", fill = NA, alpha = 0.9) +
labs(title = "", y = "", x = "Precio en millones") +
geom_text(aes(x = q[1], label = "Q1=280"), y = 0.5, size = 3, col = "black") +
geom_text(aes(x = q[2], label = "Q2"), y = 0.5, size = 3, col = "black") +
geom_text(aes(x = q[3], label = "Q3=550"), y = 0.5, size = 3, col = "black") +
geom_text(aes(x = lim_sup + 5, label = "atípicos>=990"), y = 0.5, size = 3, col = "black") +
Theme4
Las características diferenciadoras del 50% de los precios en la zona sur, tanto de apartamentos como en casas, es el promedio de habitaciones y de baños, además del área construida en donde el 50% de los datos de esta variable se encuentra en el rango de 74 y 96 metros cuadrados en apartamentos, muy por debajo de las casas, de 230 y 370 metros cuadrados.
En conclusión, el mayor precio de las casas en la zona sur se ve
reflejado en una mayor área construida, y un mayor número en promedio de
habitaciones y de baños, comparado con los partamentos.
Tabla 3. Carcaterísticas de los apartamentos en la zona sur
suppressPackageStartupMessages({library(dplyr)})
# Filtrar los datos por la zona seleccionada y el 50% de los precios
subconjunto <- subset(datos_sin_na, zona == "Zona Sur" & preciom >= 180 & preciom <= 340 & tipo == "Apartamento")
# Calcular la moda de variables
getmode <- function(v) {
uniqv <- unique(v)
uniqv[which.max(tabulate(match(v, uniqv)))]
}
# Calcular las estadísticas por tipo de vivienda
tabla_resultados <- subconjunto %>%
summarize(
Moda_Estrato = getmode(estrato),
Media_Parquea = round(mean(parquea), 0),
Media_Banios = round(mean(banios), 0),
Media_Habitac = round(mean(habitac), 0),
)
tabla_resultados1 <- subconjunto %>%
summarize(
Q1_Areaconst = quantile(areaconst, 0.25),
Mediana = quantile(areaconst, 0.5),
Q3_Areaconst = quantile(areaconst, 0.75)
)
# Mostrar la tabla de resultados
tabla_resultados
## # A tibble: 1 × 4
## Moda_Estrato Media_Parquea Media_Banios Media_Habitac
## <dbl> <dbl> <dbl> <dbl>
## 1 5 1 2 3
tabla_resultados1
## # A tibble: 1 × 3
## Q1_Areaconst Mediana Q3_Areaconst
## <dbl> <dbl> <dbl>
## 1 74 85 96
Tabla 4. Carcaterísticas de las casas en la zona
sur
suppressPackageStartupMessages({library(dplyr)})
# Filtrar los datos por la zona seleccionada y el 50% de los precios
subconjunto <- subset(datos_sin_na, zona == "Zona Norte" & preciom >= 350 & preciom <= 780 & tipo == "Casa")
# Calcular la moda de variables
getmode <- function(v) {
uniqv <- unique(v)
uniqv[which.max(tabulate(match(v, uniqv)))]
}
# Calcular las estadísticas por tipo de vivienda
tabla_resultados <- subconjunto %>%
summarize(
Moda_Estrato = getmode(estrato),
Media_Parquea = round(mean(parquea), 0),
Media_Banios = round(mean(banios), 0),
Media_Habitac = round(mean(habitac), 0),
)
tabla_resultados1 <- subconjunto %>%
summarize(
Q1_Areaconst = quantile(areaconst, 0.25),
Mediana = quantile(areaconst, 0.5),
Q3_Areaconst = quantile(areaconst, 0.75)
)
# Mostrar la tabla de resultados
tabla_resultados
## # A tibble: 1 × 4
## Moda_Estrato Media_Parquea Media_Banios Media_Habitac
## <dbl> <dbl> <dbl> <dbl>
## 1 5 2 4 5
tabla_resultados1
## # A tibble: 1 × 3
## Q1_Areaconst Mediana Q3_Areaconst
## <dbl> <dbl> <dbl>
## 1 230 300 370
Las características diferenciadoras del 50% de los precios en la zona norte, tanto de apartamentos como en casas, como en el caso de la zona sur es el promedio de habitaciones y de baños, además del área construida en donde el 50% de los datos se encuentran de esta variable en el rango de 72 y 84 metros cuadrados en apartamentos, muy por debajo del área de las casas, de 192y 318 metros cuadrados.
En conclusión, el mayor precio de las casas en la zona norte como en
la sur se ve reflejado en un mayor área construida, y un mayor número en
promedio de habitaciones y de baños, comparado con los partamentos.
Siendo en la zona sur las casas, el tipo de vivienda más cara que se
puede encontrar entre las dos zonas; y en el caso de los apartamentos,
en la zona norte se encontraran apartamentos más baratos con
carcaterísticas similares entre ambas zonas.
Tabla 5. Carcaterísticas de los apartamentos en la zona norte
suppressPackageStartupMessages({library(dplyr)})
# Filtrar los datos por la zona seleccionada y el 50% de los precios
subconjunto <- subset(datos_sin_na, zona == "Zona Norte" & preciom >= 145 & preciom <= 360 & tipo == "Apartamento")
# Calcular la moda de variables
getmode <- function(v) {
uniqv <- unique(v)
uniqv[which.max(tabulate(match(v, uniqv)))]
}
# Calcular las estadísticas por tipo de vivienda
tabla_resultados <- subconjunto %>%
summarize(
Moda_Estrato = getmode(estrato),
Media_Parquea = round(mean(parquea), 0),
Media_Banios = round(mean(banios), 0),
Media_Habitac = round(mean(habitac), 0),
)
tabla_resultados1 <- subconjunto %>%
summarize(
Q1_Areaconst = quantile(areaconst, 0.25),
Mediana = quantile(areaconst, 0.5),
Q3_Areaconst = quantile(areaconst, 0.75)
)
# Mostrar la tabla de resultados
tabla_resultados
## # A tibble: 1 × 4
## Moda_Estrato Media_Parquea Media_Banios Media_Habitac
## <dbl> <dbl> <dbl> <dbl>
## 1 5 1 2 3
tabla_resultados1
## # A tibble: 1 × 3
## Q1_Areaconst Mediana Q3_Areaconst
## <dbl> <dbl> <dbl>
## 1 72 84 100
Tabla 6. Carcaterísticas de las casas en la zona norte
suppressPackageStartupMessages({library(dplyr)})
# Filtrar los datos por la zona seleccionada y el 50% de los precios
subconjunto <- subset(datos_sin_na, zona == "Zona Norte" & preciom >= 280 & preciom <= 550 & tipo == "Casa")
# Calcular la moda de variables
getmode <- function(v) {
uniqv <- unique(v)
uniqv[which.max(tabulate(match(v, uniqv)))]
}
# Calcular las estadísticas por tipo de vivienda
tabla_resultados <- subconjunto %>%
summarize(
Moda_Estrato = getmode(estrato),
Media_Parquea = round(mean(parquea), 0),
Media_Banios = round(mean(banios), 0),
Media_Habitac = round(mean(habitac), 0),
)
tabla_resultados1 <- subconjunto %>%
summarize(
Q1_Areaconst = quantile(areaconst, 0.25),
Mediana = quantile(areaconst, 0.5),
Q3_Areaconst = quantile(areaconst, 0.75)
)
# Mostrar la tabla de resultados
tabla_resultados
## # A tibble: 1 × 4
## Moda_Estrato Media_Parquea Media_Banios Media_Habitac
## <dbl> <dbl> <dbl> <dbl>
## 1 5 2 4 5
tabla_resultados1
## # A tibble: 1 × 3
## Q1_Areaconst Mediana Q3_Areaconst
## <dbl> <dbl> <dbl>
## 1 192 250 318
Los resultados muestran que el 80% de la oferta de vivienda se encuentra en las zonas sur y norte, principalmente en la zona sur. Cabe mencionar también que la zona sur es la zona con mayor oferta de los dos tipos de vivienda, tanto de casas como de apartamentos.
Se selecciona el 50% de los datos de los precios como forma de delimitar un rango en el cual se mueven principalmente los precios de los diferentes tipos de vivienda, y colocando este parámetro como una guía para comparar entre las zonas y diferentes tipos de vivienda y sus carcaterísticas, logrando identificar que en el sur el rango de precios en donde se encuentra el 50% de los valores de las casas, es un mercado mayormente con precios más altos que en el norte, así confluyan características similares como habitaciones, baños y parqueaderos; siendo el área de construcción en lo cual se diferencian y en donde se observa que son más grandes las del sur que las del norte, lo cual sería un determinante en la diferencia en los precios.
En el caso del tipo de vivienda apartamento, los resultados muestran que se pueden encontrar en el 50% de los datos de los precios, apartamentos en la zona norte con precios por debajo de los de la zona sur, siendo esto el único diferencial, por cuanto, tienen las mismas características los apartamentos en ambas zonas en términos de habitaciones, baños, paruqeadero y hasta área construida.
Lo anterior puede estar significando, que la zona sur independiente
de las características y del tipo de vivienda es una zona en donde el
precio de la vivienda per se, es mucho más alto; lo que quiere decir que
la zona es de alta valorización. Adicionalmente, es una zona que tiene
alrededor del 60% de las viviendas ofertadas en Cali; con lo cual se
concluye también que existe un gusto por esta zona sin importar los
precios, o en el mejor de los casos que el nivel económico
principalmente en Cali es alto y que permite el desarrollo de éste tipo
de mercado a estos precios.
Con la información recabada por la empresa B&C (Bines y Casas) sobre viviendas que incluye información sobre el precio, la ubicación, las características y la venta de viviendas en Cali, se puede concluir lo siguiente:
En conclusión, independiente de las características y del tipo de
vivienda, en la zona sur el precio de la vivienda per se, es mucho más
alto, en el rango de 180 a 340 en el caso de los apartamentos, y de 350
a 780 en el caso de las casas; lo que quiere decir que la zona es de
alta valorización. Lo importante, es tener en cuenta tomar decisiones
sobre las viviendas y sus características tomando el 50% de los datos de
precios, como se hizo en el análisis de este informe; ya que, si el
análisis se basa en toda la muestra hace que el precio puede estar
medidado por otras características especificas y no medibles de la
estructura como pueden ser sus acabados e interiores hasta materiales de
su estructura y la valorización del barrio.
ANEXO 1. Carta dirigida a los junta directiva de la empresa
B&C
Néstor Eduardo Muñoz Rojas
Estudiante
Universidad Javeriana
Cali
Miembros Junta Directiva
Empresa
B&C
Cali
Estimados miembros de la Junta Directiva de B&C,
Es un placer dirigirme a ustedes para enviarles el informe recientemente completado sobre análisis del mercado inmobiliario de Cali. Este informe representa un esfuerzo significativo para proporcionar un análisis descriptivo de la oferta de vivienda en Cali, el rango de precios más probable en que se encuentra la oferta, y por supuesto, sus principales características.
En el informe adjunto, encontrarán una visión detallada de la zona en donde se oferta la mayor cantidad de viviendas, y el rango de precios centrales de la muestra por zona y tipo de vivienda con las principales características de estas como habitaciones, baños hasta área construída, con el fin de determinar oportunidades principalmente en zonas específicas de Cali, encontrándose que la zona sur, es una zona que comprende el 60% de los datos recogidos, con una oferta amplia de viviendas y apartamentos, y que independiente de las características y del tipo de vivienda, su precio per se, es mucho más alto comparado con la zona que le sigue en mayor oferta, encontrándose apartamentos en el rango de 180 a 340, y de 350 a 780 en el caso de las casas; lo que quiere decir que la zona es de alta valorización. Creemos que estos hallazgos serán de gran interés y utilidad para su equipo directivo al tomar decisiones estratégicas y planificar futuras acciones para la empresa.
Agradezco sinceramente la oportunidad de colaborar con B&C en este proyecto y esperamos que el informe sea de su agrado y utilidad. Estamos a disposición para discutir cualquier aspecto del informe o proporcionar información adicional que consideren necesaria.
Quedamos a la espera de sus comentarios y sugerencias sobre el informe. No duden en ponerse en contacto para cualquier consulta o aclaración adicional.
Atentamente,
Néstor Eduardo Muñoz Rojas
Estudiante
Maestría de Ciencia de Datos
nedmunozr81@javerianacali.edu.co