La ciencia de datos es importante para el entendimiento del mercado inmobiliario, ofreciendo herramientas interesantes para analizar grandes conjuntos de datos y extraer información clave. Este informe se centra en un análisis detallado de datos relevantes para el mercado inmobiliario en Cali, a partir de datos tomados para la ciudad en el año 2023. El informe explora características del conjunto de datos y examina relaciones entre variables para identificar tendencias y patrones, al mismo tiempo que presenta una sección de limpieza de los datos, que también sirve a los directores de la inmobiliaria para dar recomendaciones a quienes hacen la toma de los datos y quizás establecer un correcto protocolo de captura de los mismo con sus tipos de variables y rangos. Al realizar el análisis aquí presentado, es posible proporcionar información esencial para la toma de decisiones estratégicas en el mercado inmobiliario de la ciudad de Cali. Es importante recalcar que si un conjunto de datos similar y con la misma estructura existe para alguna otra ciudad, el mismo análisis seguirá siendo válido.
Realizar un análisis descriptivo de la base de datos “vivienda_faltantes” recopilada por la empresa B&C en el año 2023 sobre la ciudad de Cali en Colombia.
Identificar tendencias y patrones en los datos relacionados con el mercado de las viviendas en la Ciudad de Cali.
Determinar las variables más relevantes que permitan mejorar el nicho de mercado de la empresa B&C.
Para poder dar cumplimiento a los objetivos establecidos, se proponen los siguientes pasos metodológicos, que también van en línea con metodologías como las CRISP-DM para proyectos en ciencia de datos:
Identificación de la estructura y organización de los datos: En esta etapa se exploran las variables existentes y se identifica si existen o no datos faltantes que puedan afectar los posteriores análisis e interpretaciones.
Procesamiento y limpieza de datos faltantes: en esta etapa se exploran en más detalles los datos faltantes y se analiza las implicaciones de imputar o eliminar los mismos de la base de datos.
Descripción estadística para variables cuantitativas:
Descripcion estadística para variables cualitativas.
Visualización de la distribución de los datos.
Creación de indicadores (índices): propuestos en el contexto de dar solución al problema planteado.
Para conocer el tipo de datos de las variables y el tamaño de la base de datos se usó la siguiente función.
tiposdatos<-glimpse(vivienda_faltantes)
## Rows: 8,330
## Columns: 13
## $ id <dbl> 8312, 8311, 8307, 8296, 8297, 8298, 8299, 8300, 8286, 8287, …
## $ zona <chr> "Zona Oeste", "Zona Oeste", "Zona Oeste", "Zona Sur", "Zona …
## $ piso <dbl> 4, 1, NA, 2, NA, NA, 2, NA, NA, 2, 1, NA, 6, NA, 2, 8, NA, 6…
## $ estrato <dbl> 6, 6, 5, 3, 5, 5, 6, 5, 5, 5, 5, 3, 6, 3, 5, 6, 5, 6, 6, 6, …
## $ preciom <dbl> 1300, 480, 1200, 220, 330, 1350, 305, 480, 275, 285, 310, 17…
## $ areaconst <dbl> 318, 300, 800, 150, 112, 390, 125, 280, 74, 120, 166, 155, 1…
## $ parquea <dbl> 2, 1, 4, 1, 2, 8, 2, 4, 1, 2, 2, NA, 2, NA, 1, 2, 2, 2, 4, 1…
## $ banios <dbl> 4, 4, 7, 2, 4, 10, 3, 4, 2, 4, 4, 4, 3, 2, 2, 3, 3, 5, 7, 1,…
## $ habitac <dbl> 2, 4, 5, 4, 3, 10, 3, 4, 3, 3, 3, 6, 3, 3, 2, 4, 3, 4, 3, 2,…
## $ tipo <chr> "Apartamento", "Casa", "Casa", "Casa", "Casa", "Casa", "Apar…
## $ barrio <chr> "arboleda", "normandía", "miraflores", "el guabal", "bella s…
## $ longitud <dbl> -76576, -76571, -76568, -76565, -76565, -76565, -76565, -765…
## $ latitud <dbl> 3454.00000, 3454.00000, 3455.00000, 3417.00000, 3408.00000, …
La información obtenida se abstrae en la siguiente tabla, que ofrece una visión general del tipo de de datos y facilita la comprensión de sus rasgos principales.
|
| Variables | Cantidad |
|---|---|
| Numéricas | 10 |
| Categóricas | 3 |
| Total | 13 |
| Total de observaciones: | 8330 |
Un primer paso es la eliminación de información irrelevante como “ID”, que puede ser omitida debido a que su contenido no aportará información relevante por el hecho de ser un número que no es un indicativo de una propiedad cuantitativa de las viviendas.
vivienda_faltantes <- dplyr::select(vivienda_faltantes, estrato, areaconst, banios, habitac, parquea, piso, preciom, zona, tipo, barrio, longitud, latitud)
A continuación, se detallará la cantidad de datos faltantes por cada variable. Este análisis reviste una gran relevancia, ya que permite evaluar si la base de datos contiene información válida. Además, este conocimiento puede ejercer influencia en las decisiones futuras basadas en el análisis y proporcionar orientación al decidir si es conveniente descartar ciertas variables.
En el siguiente fragmento de código, se mostrará una tabla que despliega la cantidad de datos faltantes para cada variable:
faltantes_por_columna <- colSums(is.na(vivienda_faltantes))
knitr::kable(faltantes_por_columna, caption = "Datos faltantes según variable")
| x | |
|---|---|
| estrato | 3 |
| areaconst | 3 |
| banios | 3 |
| habitac | 3 |
| parquea | 1606 |
| piso | 2641 |
| preciom | 2 |
| zona | 3 |
| tipo | 3 |
| barrio | 3 |
| longitud | 3 |
| latitud | 3 |
Debido a que el porcentaje de datos faltantes en las variables parquea y piso es elevado, no se considera conveniente eliminarlas completamente. Lo anterior también debido a que posiblemente estos elementos contengan información relevante más allá de que no se sepa si tienen parqueadero o el número de pisos. El enfoque propuesto tiene que ver con eliminar aquellos elementos en donde simultáneamente se coincide con la ausencia de parqueadero y pisos. En ningún caso se considera la imputación de datos, pues el tipo de base de datos que se está trabajando no permite permutar información basados en vecinos más cercanos y requerirían de análisis mucho más especializados para su correcta imputación. Para este caso se encontró con que 729 elementos cumplen con este criterio, estos se eliminaron:
# Eliminacion de observaciones con datos faltantes
#Eliminar los datos en que falten simultáneamente piso y parqueadero
vivienda_faltantes$cont <- ifelse((vivienda_faltantes$piso == "") & (vivienda_faltantes$parquea=="")==1, FALSE, TRUE)
vivienda_faltantes <- subset(vivienda_faltantes, vivienda_faltantes$cont) #Se guarda sólo donde la condición previa es verdadera (sólo falta o parqueo o pisos)
Se observó que en el nuevo conjunto de datos se registraron 7601 observaciones, afortunadamente este criterio de eliminación también limpió los datos que se encontraban ausentes en las otras variables, como consta en la sigueinte tabla:
faltantes_por_columna <- colSums(is.na(vivienda_faltantes))
knitr::kable(faltantes_por_columna, caption = "Nuevos datos faltantes según variable")
| x | |
|---|---|
| estrato | 0 |
| areaconst | 0 |
| banios | 0 |
| habitac | 0 |
| parquea | 877 |
| piso | 1912 |
| preciom | 0 |
| zona | 0 |
| tipo | 0 |
| barrio | 0 |
| longitud | 0 |
| latitud | 0 |
| cont | 0 |
De esta manera se obtiene que en las observaciones sólo será posible contar con elementos en donde falte sólo hasta una variable, pudiendo continuar el análisis de esta manera debido a que se trata de variables que, aunque son importantes, pueden figurar dentro de lo que los posibles compradores no consideren como factor indispensable de adquisición.
Se encontró la falta de uniformidad en las coordenadas geográficas (dos últimas columnas de la base de datos), por lo que algunas estaban fuera de rango para su representación en mapas estándar. La adecuación que se realizó permitirá configurar las coordenadas para representarlas correctamente en cualquier lugar del globo, la transformación realizada no afectó las coordenadas que estaban representadas correctamente.
# Adecuación de coordenadas vivienda_faltantes$longitud <- ifelse(abs(vivienda_faltantes$longitud) > 180, vivienda_faltantes$longitud/1000, vivienda_faltantes$longitud) vivienda_faltantes$latitud <- ifelse(abs(vivienda_faltantes$latitud) > 90, vivienda_faltantes$latitud/1000, vivienda_faltantes$latitud)
Con el fin de tener una visión general de las variables contenidas en la base de datos se obtuvo la descripción de las variables. Esta información sólo es para la toma de decisiones en los análisis subsecuentes y no se espera que sea de utilidad directa a los tomadores de decisiones de la empresa:
#Obtención fr variables cuantitativas
columnas_seleccionadas <- dplyr::select(vivienda_faltantes, estrato, areaconst ,banios, habitac, parquea, piso, preciom)
resumen<-summary(columnas_seleccionadas)
knitr::kable(resumen, caption = "Resumen por variable")
| estrato | areaconst | banios | habitac | parquea | piso | preciom | |
|---|---|---|---|---|---|---|---|
| Min. :3.000 | Min. : 30.00 | Min. : 0.000 | Min. : 0.000 | Min. : 1.000 | Min. : 1.000 | Min. : 58.0 | |
| 1st Qu.:4.000 | 1st Qu.: 80.83 | 1st Qu.: 2.000 | 1st Qu.: 3.000 | 1st Qu.: 1.000 | 1st Qu.: 2.000 | 1st Qu.: 225.0 | |
| Median :5.000 | Median : 124.00 | Median : 3.000 | Median : 3.000 | Median : 2.000 | Median : 3.000 | Median : 340.0 | |
| Mean :4.698 | Mean : 175.29 | Mean : 3.153 | Mean : 3.598 | Mean : 1.836 | Mean : 3.772 | Mean : 442.8 | |
| 3rd Qu.:6.000 | 3rd Qu.: 228.00 | 3rd Qu.: 4.000 | 3rd Qu.: 4.000 | 3rd Qu.: 2.000 | 3rd Qu.: 5.000 | 3rd Qu.: 550.0 | |
| Max. :6.000 | Max. :1745.00 | Max. :10.000 | Max. :10.000 | Max. :10.000 | Max. :12.000 | Max. :1999.0 | |
| NA | NA | NA | NA | NA’s :877 | NA’s :1912 | NA |
Con el fin de tener más detalles respecto al resumen previo se hace el cálculo de las media, mediana y moda:
calc_moda <- function(vector) {
tabla_frecuencia <- table(vector)
moda <- as.numeric(names(tabla_frecuencia)[which.max(tabla_frecuencia)])
return(moda)
}
resultadoss <- sapply(columnas_seleccionadas, function(col) c(mean(col, na.rm = TRUE), median(col, na.rm = TRUE), calc_moda(col)))
resultados_dff <- data.frame(resultadoss)
rownames(resultados_dff) <- c("Media", "Mediana", "Moda")
# Mostrar los resultados
knitr::kable(resultados_dff, caption = "Media, Mediana y Moda")
| estrato | areaconst | banios | habitac | parquea | piso | preciom | |
|---|---|---|---|---|---|---|---|
| Media | 4.697803 | 175.294 | 3.152743 | 3.597816 | 1.835961 | 3.772368 | 442.8096 |
| Mediana | 5.000000 | 124.000 | 3.000000 | 3.000000 | 2.000000 | 3.000000 | 340.0000 |
| Moda | 5.000000 | 60.000 | 2.000000 | 3.000000 | 1.000000 | 2.000000 | 350.0000 |
Así mismo, para las variabilidades correspondietes:
# Calcular la desviación estándar y el rango intercuartil para cada columna
resultados <- sapply(columnas_seleccionadas, function(col) c(sd(col, na.rm = TRUE), IQR(col, na.rm = TRUE)))
# Convertir los resultados en un data frame y agregar nombres de filas
resultados_df <- data.frame(resultados)
rownames(resultados_df) <- c("DesviacionEstandar", "RangoIntercuartil")
# Mostrar los resultados
knitr::kable(resultados_df, caption = "Desviacion estandar y Rango intercuartil")
| estrato | areaconst | banios | habitac | parquea | piso | preciom | |
|---|---|---|---|---|---|---|---|
| DesviacionEstandar | 1.00452 | 142.471 | 1.412429 | 1.411118 | 1.125084 | 2.615013 | 331.5962 |
| RangoIntercuartil | 2.00000 | 147.170 | 2.000000 | 1.000000 | 1.000000 | 3.000000 | 325.0000 |
En este caso las variables que llaman la atención son el precio y el área construida, explicables fácilmente debido a que la base de datos no discrimina sectores de la ciudad ni estratos, entonces se cubren todo tipo de viviendas.
Para el caso de datos categóricos, es efectivo analizar los datos utilizando representaciones gráficas en barras o de frecuencias:
#Seleccionar las variables cualitativas
columnas_seleccionadas2 <- dplyr::select(vivienda_faltantes,zona ,tipo,barrio)
# Estandarizar los valores de la variable "tipo"
columnas_seleccionadas2 <- columnas_seleccionadas2 %>% mutate(tipo = recode(tipo, "Apartamento" = "apartamento", "APARTAMENTO" = "apartamento", "apto" = "apartamento", "Casa" = "casa", "casa" = "casa", "CASA" = "casa", "NA" = "NA"))
En este caso, se decidió representar gráficamente únicamente las variables “zona” y “tipo”, ya que tienen un número manejable de categorías. Sin embargo, se optó por no incluir la variable “barrio” en el gráfico de barras debido a la gran cantidad de categorías que posee, no hay homogeneidad, incluso en la asignación de nombres para el mismo barrio.
tabla1<-table(columnas_seleccionadas2$tipo)
tabla2<-table(columnas_seleccionadas2$zona)
tabla3<-table(columnas_seleccionadas2$barrio)
No hay que hacer un gráfico para observar claramente que los apartamentos (4774) son el tipo de vivienda más ofertado en Cali en comparación con las casas (2827).
Para las zonas de la ciudad:
knitr::kable(tabla2, caption = "Distribución de Zonas")
| Var1 | Freq |
|---|---|
| Zona Centro | 97 |
| Zona Norte | 1542 |
| Zona Oeste | 1156 |
| Zona Oriente | 274 |
| Zona Sur | 4532 |
resumen_genero <- table(columnas_seleccionadas2$zona)
grafico_pastel <- ggplot(data = as.data.frame(resumen_genero), aes(x = "", y = Freq, fill = Var1)) +
geom_bar(stat = "identity", width = 1) +
coord_polar(theta = "y") +
theme_void() +
labs(title = "Distribución de zonas")+
geom_text(aes(label = Freq), position = position_stack(vjust = 0.5), size = 4)
print(grafico_pastel)
Es notable una distribución no homogénea en la frecuencia de las categorías geográficas. La “Zona Sur” tiene la frecuencia más alta, siendo un poco mas del 50% de los datos. Le sigue “Zona Norte” con una frecuencia considerable de observaciones.
grafico_boxplot <- ggplot(columnas_seleccionadas, aes(y = preciom)) +
geom_boxplot() +
theme_minimal() +
labs(title = "Boxplot", y = "Precio")
print(grafico_boxplot)
histpreciom<-hist(columnas_seleccionadas$preciom, col = "gray", breaks = 14, main="Histograma: Precio", xlab="Intervalos")
Observando los histogramas, se identifica la presencia de valores en amplias distribuciones para: habitaciones, precio, área construida: Los precios alcanzan hasta los 2000 millones, hay viviendas de hasta 10 habitaciones, y las áreas construidas pueden alzanzar 1500 metros cuadrados, pero en todo caso son casos de mínima frecuencia. Sin embargo, en el contexto del mercado inmobiliario son comprensibles y más allá de lo atípicos son oportunidades de venta que se deben tener en cuenta.
Como parte del análisis para la empresa se proponen unos indicadores (de autoría propia), que representan la comparación entre dos o más tipos de datos que permiten elaborar una medida cuantitativa o una observación cualitativa. Estos índices arrojan una magnitud que tiene significado para objetivizar el análisis. En este caso se pueden realizar observaciones mediante comparaciones directas debido a las medidas estandarizadas. En este contexto serán muy útiles porque permiten valorar diferentes magnitudes como, por ejemplo, el precio por metro cuadrado, la cantidad de baños por habitaciones o la comodidad respecto a la ubicación o el estrato.
Sólo por referencia para el análisis sobre los indicadores se presenta el gráfico que muestra el precio de las viviendas en dependencia del área construida, los colores representan el estrato.
plot(vivienda_faltantes$areaconst, vivienda_faltantes$preciom, col=factor(vivienda_faltantes$estrato), main = "Área vs Precio sobre Estrato", xlab = "Área construida", ylab = "Precio")
legend("bottomright",
title = "Estrato",
legend = levels(factor(vivienda_faltantes$estrato)),
pch = 19,
# col = factor(vivienda_faltantes$estrato))
col = factor(levels(factor(vivienda_faltantes$estrato))))
Es bastante claro el hecho de que las viviendas de estratos 4 y 5 (rojo y verde correspondientemente) son más costosas y pueden tener áreas bastante heterogéneas. Las viviendas de estratos bajos tienden a tener áreas de construcción más pequeñas.
Es un indicador que busca establecer un precio del metro cuadrado construido en dependencia del estrato donde se encuentre la construcción: Valor por metro cuadrado construido multiplicado por factor de estrato (1+(estrato-3)/3): Al estrato 3 le da un factor de 1, al 6 lo dobla.
vivienda_faltantes$indRent <- round((vivienda_faltantes$preciom / vivienda_faltantes$areaconst * (1+(vivienda_faltantes$estrato-3)/3)/3), 0)
El valor resultante para la base de datos actual es de 0 a 6, un valor alto indica un terreno costoso en una buena ubicación. Como los márgenes de ganancia son porcentuales y los clientes de estratos altos pueden tener más liquidez, es posible que estas viviendas le brinden más rentabilidad a la empresa.
plot(vivienda_faltantes$areaconst, vivienda_faltantes$preciom, col=factor(vivienda_faltantes$indRent), main = "Indicador de Rentabilidad Potencial sobre Área vs Precio", xlab = "Área construida", ylab = "Precio")
legend("bottomright",
title = "Rentabilidad",
legend = levels(factor(vivienda_faltantes$indRent)),
pch = 1,
# col = factor(vivienda_faltantes$estrato))
col = factor(levels(factor(vivienda_faltantes$indRent))))
Un indicativo explícito que pueda establecer mayor rentabilidad estaría en los valores 4, 5 y 6, ubicados en la parte superior izquierda, los demás es posible que representen ganancias pero de menores márgenes. Este indicador muestra que una propiedad costosa no siempre indica mejores beneficios. Hay que tener en cuenta que esto está en dependencia de como se establezcan las variables para construir el indicador.
El indicador simplemente muestra cuantos baños deben atender una cantidad de habitaciones, con la suposición de que entre más baños, los propietarios estarán más a gusto. Posiblemente este indicador se pueda complementar con el área total y otros factores.
vivienda_faltantes$indComod <- round((vivienda_faltantes$habitac / vivienda_faltantes$banios)/2, 0)
El valor resultante para la base de datos actual es de 0 a 4, un valor alto indica pocos baños para muchas habitaciones. Cero indica que no hay habitaciones, posiblemente se trate de un error en la base de datos. Valores muy pequeños pueden indicar demasiados baños que ocuparán espacio y no se usarán.
plot(vivienda_faltantes$areaconst, vivienda_faltantes$preciom, col=factor(vivienda_faltantes$indComod), main = "Indicador de Comodidad sobre Área vs Precio", xlab = "Área construida", ylab = "Precio")
legend("bottomright",
title = "Comodidad",
legend = levels(factor(vivienda_faltantes$indComod)),
pch = 1,
# col = factor(vivienda_faltantes$estrato))
col = factor(levels(factor(vivienda_faltantes$indComod))))
En este caso es interesante observar que independiente del estrato, área y precio se han considerado viviendas que pueden ser más o menos cómodas. En general las viviendas presentan algún nivel de comodidad pero hay cierta tendencia a que viviendas más caras sean más cómodas. Hay que tener en cuenta que esto está en dependencia de como se establezcan las variables para construir el indicador.
El indicador de conveniencia toma el indicador de comodidad y lo modula con un factor del estrato: prentende responder si la vivienda además de cómoda está bien ubicada.
vivienda_faltantes$indConv <- round((vivienda_faltantes$habitac / vivienda_faltantes$banios) * (6-vivienda_faltantes$estrato)/6, 0)
El valor resultante para la base de datos actual es de 0 a 4, un valor alto indica una vivienda poco cómoda y mal ubicada. Cero indica la vivienda es cómoda y muy bien ubicada según el estrato.
plot(vivienda_faltantes$areaconst, vivienda_faltantes$preciom, col=factor(vivienda_faltantes$indConv), main = "Indicador de Conveniencia sobre Área vs Precio", xlab = "Área construida", ylab = "Precio")
legend("bottomright",
title = "Conveniencia",
legend = levels(factor(vivienda_faltantes$indConv)),
pch = 1,
# col = factor(vivienda_faltantes$estrato))
col = factor(levels(factor(vivienda_faltantes$indConv))))
El indicador de conveniencia es más claro respecto a privilegiar las viviendas de estratos altos pero es posible que se deba revisar la forma como la variable influye en el indicador, es necesario ajustarla para que el indicador sea más objetivo. Si una vivienda no es cómoda, puede conpensar el hecho de que esté en un buen lugar, entonces el indicador lo muestra. Puede ser de gran interés para los clientes potenciales.
Continuando con los análisis llevados a cabo a partir de los resultados de los tres indicadores propuestos, a continuación se detallan algunas particularidades adicionales no tocadas en los análisis de los resultados presentados.
grafico_dispersion<-ggplot(vivienda_faltantes, aes(x = vivienda_faltantes$areaconst, y = vivienda_faltantes$preciom)) +
geom_point(color = "green", shape = 14) +
labs(title = "Área Vs Precio", x = "Área en m2", y = "Precio en millones")
# Calcular el índice de correlación
indice_correlacion <- cor(vivienda_faltantes$areaconst, vivienda_faltantes$preciom)
# Agregar el índice de correlación al gráfico
grafico_dispersion +
geom_text(aes(label = paste("Correlación:", round(indice_correlacion, 2))),
x = max(vivienda_faltantes$areaconst), y = max(vivienda_faltantes$preciom),
hjust = 1, vjust = 1, color = "gray")
Al examinar el gráfico previo, es evidente como la mayoría de viviendas se concentran en rangos de áreas que van de 0 a 500 metros cuadrados y precios entre 0 y 1000 millones de pesos. Esta observación sugiere que la mayoría de las viviendas disponibles se encuentran en este intervalo específico de precios y áreas. Esta concentración podría indicar una preferencia o demanda considerable por viviendas que se ajustan a este rango y podría ser importante considerarlo para la empresa. Un análisis adicional que podría ayudar en la toma de decisiones, pero que no fue realizado, es la distribución espacial de las viviendas en la ciudad de Cali, junto con información social sobre los barrios preferidos y más seguros de la ciudad. Sería interesante poder contar con esta información e ir unos pasos más adelante para la identificación del nicho de mercado de le empresa.
Además, al considerar el índice de correlación lineal de 0.69 entre el precio y el área, se toma en cuenta la posibilidad de una relación lineal moderada entre estas dos variables. Esta cifra indica que, en general, cuando el área de una vivienda aumenta, existe una tendencia a que el precio también aumente. Sin embargo, es importante destacar que la correlación no implica necesariamente causalidad. Si bien existe una conexión lineal, no se puede concluir directamente que un aumento en el área sea la única razón detrás del aumento en el precio. De hecho, haciendo uso de los índices/indicadores propuestos, se puede complementar el análisis y tomar las mejores decisiones para la empresa.
ggplot(vivienda_faltantes, aes(x = vivienda_faltantes$zona, y =vivienda_faltantes$preciom)) +
geom_boxplot(fill = "lightblue") +
labs(title = "Distribución de Precios de Viviendas por Zona",
x = "Zona",
y = "Precio") +
theme_minimal()
Aunque no se presenta un mapa con la distribución y precios de las viviendas, es posible tener una información preliminar sobre las zonas con mayores precios de viviendas a partir del gráfico anterior. Es evidente que en la zona oeste, los precios de las viviendas ocupadas tienden a ser más altos en comparación con otras zonas. Alrededor del 50% de las viviendas en esta zona se valoran por encima de los 500 millones. Por otro lado, la zona oriente exhibe precios más bajos en general, con la mayoría de las viviendas valuadas en menos de 500 millones. Es importante recordar que adicional a observar los rangos de precios, también se debería de considerar la proporción y tipo de viviendas ubicados en dichas zonas. De nuevo, según el requerimiento más interesante para la empresa. Comodidad vs precio/ubicación.
Basados en la distribución de la información, se hizo un análisis para mostrar a la empresa cuáles son las características más buscadas en las viviendas ofertadas en Cali:
Estos valores fueron obtenidos a partir de la variable de moda, que representa las características que son más comunes y buscadas en las viviendas disponibles en el mercado inmobiliario de Cali.
Fue posible realizar un estudio preliminar del nicho de mercado inmobiliario en la ciudad de Cali a partir del análisis de una base de datos de viviendas que no se encuentra completa. Dicho análisis presenta diferentes etapas llevando a la identificación de las características más buscadas en la ciudad de Cali al momento de comprar una vivienda.
Los valores atípicos no siempre deben traducirse en suposiciones erróneas o errores en los datos. Su interpretación debe enmarcarse en un contexto analítico que permita discernir si poseen relevancia o coherencia en el contexto específico. La presencia de valores atípicos puede deberse a circunstancias únicas o características singulares de ciertas propiedades.
Se crearon tres indicadores que permitieron hacer un análisis más profundo sobre las características buscadas por los usuarios, en donde es claro que prima siempre la comodidad en función del precio pagado, la ubicación y el área construida (en ese orden).
Aunque no se ofrece dentro de la base de datos, la variable temporal podría ser complementaria a la información espacial (coordenadas geográficas) que podría permitir realizar un análisis más profundo de las tendencias inmobiliarias en la ciudad de Cali.