Análisis de Mercado Inmobiliario en Cali - B&C Bienes y Casas

El mercado inmobiliario en Cali ha tenido un constante crecimiento en los últimos años, promovido por diversos factores que van desde el aumento de la población hasta el desarrollo continuo de nuevos proyectos de construcción. En 2022, el valor de las ventas del sector alcanzó los $6700 millones, y aunque se registró una ligera disminución en 2023 con $6100 millones, se espera que el mercado continúe su tendencia de crecimiento en los próximos años.

A contuniación, se le presenta a la junta directiva de la empresa B&C información detallada sobre la relación entre los precios, ubicaciones y demás factores relevantes que se ha recopilado en una extensa base de datos sobre viviendas en Cali. Con el objetivo de aprovechar al máximo esta información y tomar decisiones estratégicas informadas, se espera que la empresa B&C entre en un proceso de análisis de informes estadísticos, con el fin de generar estrategias de crecimiento y posicionamiento, logrando mantenerse a la vanguardia en el competitivo mercado inmobiliario.

Objetivos

  1. Analizar el precio de las viviendas en diferentes zonas de Cali para identificar patrones y tendencias en el mercado inmobiliario local.

  2. Determinar los tipos de viviendas más ofertados en Cali y evaluar su demanda relativa en el mercado.

  3. Utilizar los resultados del análisis estadístico para definir el nicho de mercado de la empresa B&C y desarrollar estrategias de marketing específicas.

  4. Ofrecer servicios personalizados y adaptados a las necesidades y preferencias individuales de los clientes, utilizando la información recopilada en el informe estadístico para mejorar la experiencia del cliente y aumentar la satisfacción y fidelización.

Métodos

Cálculo de medidas de tendencia central

Se calculará la media, moda y mediana de variables como el precio de las viviendas para obtener una comprensión general de la distribución de los datos.

Análisis de distribución

Se utilizarán histogramas y gráficos de dispersión para visualizar la distribución de variables numéricas, como el precio de las viviendas, y para identificar patrones o agrupaciones.

Segmentación de mercado

Se analizará la segmentación de datos para identificar subgrupos de viviendas en función de criterios como la ubicación, el tipo de vivienda o características específicas.

Correlaciones

Se calcularán coeficientes de correlación para evaluar la relación entre diferentes variables, como el precio de las viviendas y sus características o ubicaciones.

Resultados

Carga de Datos

Teniendo en cuenta que algunos registros no cuentan con la información completa (algunos de sus datos son NA o “not avaliable”), se limpia la base de datos, dejando únicamente los registros que cuenten con la información completa.

Limpieza de Datos

vivienda_completo <- na.omit(vivienda_faltantes)

Medidas de tendencia central

A contuniación, se presenta un resúmen general de cada una de las variables que compone la BD

summary(vivienda_completo)
##        id           zona                piso           estrato     
##  Min.   :   1   Length:4812        Min.   : 1.000   Min.   :3.000  
##  1st Qu.:2480   Class :character   1st Qu.: 2.000   1st Qu.:4.000  
##  Median :4478   Mode  :character   Median : 3.000   Median :5.000  
##  Mean   :4430                      Mean   : 3.887   Mean   :4.839  
##  3rd Qu.:6417                      3rd Qu.: 5.000   3rd Qu.:6.000  
##  Max.   :8316                      Max.   :12.000   Max.   :6.000  
##     preciom         areaconst         parquea           banios     
##  Min.   :  58.0   Min.   :  40.0   Min.   : 1.000   Min.   : 0.00  
##  1st Qu.: 245.0   1st Qu.:  85.0   1st Qu.: 1.000   1st Qu.: 2.00  
##  Median : 350.0   Median : 123.0   Median : 2.000   Median : 3.00  
##  Mean   : 457.6   Mean   : 174.8   Mean   : 1.816   Mean   : 3.22  
##  3rd Qu.: 560.0   3rd Qu.: 225.0   3rd Qu.: 2.000   3rd Qu.: 4.00  
##  Max.   :1999.0   Max.   :1500.0   Max.   :10.000   Max.   :10.00  
##     habitac           tipo              barrio             longitud        
##  Min.   : 0.000   Length:4812        Length:4812        Min.   :-76576.00  
##  1st Qu.: 3.000   Class :character   Class :character   1st Qu.:   -76.55  
##  Median : 3.000   Mode  :character   Mode  :character   Median :   -76.54  
##  Mean   : 3.564                                         Mean   :-16203.21  
##  3rd Qu.: 4.000                                         3rd Qu.:   -76.52  
##  Max.   :10.000                                         Max.   :   -76.46  
##     latitud        
##  Min.   :   3.333  
##  1st Qu.:   3.384  
##  Median :   3.433  
##  Mean   : 724.408  
##  3rd Qu.:   3.487  
##  Max.   :3493.000

Distribución y agrupación de datos

Se identifica la tendencia/agrupación en precios y área construida para las viviendas

hist(vivienda_completo$preciom, breaks = 7, col = "green", main = "Distribución del Precio de las Viviendas", xlab = "Precio", ylab = "Frecuencia")

hist(vivienda_completo$areaconst, breaks = 6, col = "brown", main = "Distribución del Área Construida de las Viviendas", xlab = "Área", ylab = "Frecuencia")

Se identifica por medio de gráficos la distribución que pueden tener las diferentes variables como precio, tipo, etc. a partir de otras variables como precio, estrato y demás

plot(vivienda_completo$preciom, vivienda_completo$estrato,xlab = "Precio", ylab = "Estrato",main = "Diagrama de Dispersión: Precio vs. Estrato")

plot(vivienda_completo$areaconst, vivienda_completo$preciom,xlab = "Área", ylab = "Precio",main = "Diagrama de Dispersión: Área Construida vs. Precio")

Segmentación del mercado

library(dplyr)
(segmentacion_zona <- vivienda_completo %>%
  group_by(zona) %>%
  summarise(
    count = dplyr::n(),
    precio_promedio = mean(preciom),
    area_promedio = mean(areaconst)
  ))
## # A tibble: 5 × 4
##   zona         count precio_promedio area_promedio
##   <chr>        <int>           <dbl>         <dbl>
## 1 Zona Centro     36            298.          185.
## 2 Zona Norte     887            371.          163.
## 3 Zona Oeste     756            686.          193.
## 4 Zona Oriente    97            249.          199.
## 5 Zona Sur      3036            435.          173.
(segmentacion_estrato <- vivienda_completo %>% 
  group_by(estrato) %>% 
  summarise(
    count = dplyr::n(),
    precio_promedio = mean(preciom),
    area_promedio = mean(areaconst)
  ))
## # A tibble: 4 × 4
##   estrato count precio_promedio area_promedio
##     <dbl> <int>           <dbl>         <dbl>
## 1       3   434            219.          144.
## 2       4  1213            279.          131.
## 3       5  1860            399.          164.
## 4       6  1305            787.          241.
(segmentacion_tipo <- vivienda_completo %>% 
  group_by(tipo) %>% 
  summarise(
    count = dplyr::n(),
    precio_promedio = mean(preciom),
    area_promedio = mean(areaconst)
  ))
## # A tibble: 6 × 4
##   tipo        count precio_promedio area_promedio
##   <chr>       <int>           <dbl>         <dbl>
## 1 APARTAMENTO    24            388.          124.
## 2 Apartamento  3159            391.          117.
## 3 CASA            4            634.          496.
## 4 Casa         1617            588.          287.
## 5 apto            3            221.           76 
## 6 casa            5            626           322.

Correlaciones entre variables

vivienda_parcial <- subset(vivienda_completo, select = -c(id, zona, tipo, barrio, longitud, latitud))
correlaciones <- cor(vivienda_parcial)
correlaciones
##                  piso     estrato     preciom  areaconst    parquea     banios
## piso       1.00000000  0.10139534 -0.03060091 -0.2200796 -0.1048809 -0.1269213
## estrato    0.10139534  1.00000000  0.58714651  0.2701479  0.4314079  0.4084009
## preciom   -0.03060091  0.58714651  1.00000000  0.6973644  0.7005252  0.6892650
## areaconst -0.22007957  0.27014788  0.69736441  1.0000000  0.6039191  0.6809649
## parquea   -0.10488095  0.43140789  0.70052519  0.6039191  1.0000000  0.5978142
## banios    -0.12692129  0.40840094  0.68926502  0.6809649  0.5978142  1.0000000
## habitac   -0.22941907 -0.05247902  0.29367706  0.5559693  0.3072967  0.5969713
##               habitac
## piso      -0.22941907
## estrato   -0.05247902
## preciom    0.29367706
## areaconst  0.55596929
## parquea    0.30729670
## banios     0.59697128
## habitac    1.00000000

Discusión

Medidias de Tendencia Central

Para las variables cuántitativas se pueden describir los siguientes apartados:

  • Para el campo piso, la vivienda, que tiene una ubicación menor, es en el nivel 1, mientras que la que se encuentra más alta, se ubica en el nivel 12. En promedio las viviendas se ubican en el piso 3.9. El 75% de las viviendas se ubican en el nivel 5 o en uno menor que este.

  • En promedio, los inmuebles de la base de datos son de un estrato 4.8. Más del 50% de los registros son de estrato 5 o más, mientras que el 25% supera o iguala el estrato 6.

  • El precio promedio de los bienes raíces es de $457. El rango del valor de las viviendas va desde $58 hasta $1999. El 75% de los inmuebles no supera los $560.

  • El área construida promedio de los inmuebles es de 174 m2. El apartamento/casa más grande, del que se tiene registro, es de 1500 m2, mientras que el más pequeño es de 40 m2.

  • La cantidad promedio de parqueaderos con la que cuenta un inmueble es de 1.8. Más del 75% de los bienes cuentan con 2 parqueaderos o menos. 

  • La cantidad promedio de baños con la que cuenta un inmueble es de 3.2. El 75% de los bienes cuentan con 4 baños o menos. 

  • La cantidad promedio de habitaciones con la que cuenta un inmueble es de 3.5. El bien raíz, que cuenta con la mayor cantidad de habitaciones, posee 10. Hay apartamentos sin habitaciones. 

  • Los registros ubican 2 únicas ubicaciones para los inmuebles, que pueden ser cercanos a la longitud -76.000 o -76. El 75% de los inmuebles están ubicados en una longitud menor o igual  a la -76.52.

  • Los registros ubican 2 únicas ubicaciones para los inmuebles, que pueden ser cercanos a la latitud 3000 o 3. El 75% de los inmuebles están ubicados en una latitud menor o igual a la 3.48.

Distribución y Agrupación de datos

  • La gráfica de “Distribución del Precio de las Viviendas” muestra una campana entre los $200 - $450, que es el precio promedio de más de 2000 viviendas. En general, se puede concluir que más del 50% de las viviendas no superan los $600.
  • El histograma de “Distribución del Área Construida de las Viviendas” muestra una acumulación en una área menor a los 200 m2, representando esto más del 50% de las viviendas. La mayoría de las viviendas, no superan los 1000 m2 de construcción. Más de 4500 inmuebles tienen menos de 500 m2.
  • El diagrama de dispersión “Precio vs. Estrato” muestra una correlación leve entre el precio de las viviendas y el estrato al que pertenecen. Una fracción de los inmuebles con mayor precio, pertenecen al estrato 5 & 6. La mayoría de los inmuebles no superan los $1000.
  • El diagrama de dispersión “Área Construida vs. Precio” muestra una correlación más fuerte entre el área construida y el precio del inmueble. Se evidencia que la mayoría de los registros se encuentran en un cuadrante donde no se superna los 500 m2 ni los $1000.

Segmentación del Mercado

  • Se identifica que el 63% de las viviendas están ubicadas den la zona sur de Cali, donde el precio promedio rodea los $435 y el área construida promedio es de 173 m2. La zona donde el precio tiende a ser más elevado es en la zona oeste, con un promedio de $686 y 193 m2 de área construida promedio.

  • La repartición de viviendas por estrato está medianamente equitativa, dejando al más representativo como el estrato 5 con una cantidad de 1860 viviendas y al estrato 3 como el menos representativo con una cantidad de 434 viviendas. El precio promedio de las viviendas en estrato 5 es de $399 y el área construida promedio es de 164 m2.

  • La segmentación por tipo de vivienda solo muestra 2 casos, como lo son “apartamento” y “casa. El 66% de los registros son apartamentos, con un precio promedio de $391 y una área construida promedio de 117 m2. Las casas en promedio cuestan $588 y tienen una área construida promedio de $287.

Correlación entre Variables

  • Una de las correlaciones más representativas que arroja la matriz, es la de estrato & precio con un R = 0.59. Esto indica que a mayor estrato, el inmueble será más costoso.

  • Para la variable precio, se presenta una correlación grande con área construida, parqueaderos y baños con R de 0.69, 0.7 & 0.68 respectivamente. La variable relaciona que a un mayor valor del inmueble, se puede contar con una mayor área construida, acompañado de más parqueaderos y baños.

  • Por el lado de área construida, hay una correlación leve junto a precio y baños. Lo anterior, cobra lógica entendiendo que en un inmueble grande van a haber más personas, por lo que se necesitan más baños y por lo cual se puede incrementar el precio.

  • Las habitaciones tienen una correlación directa con los baños. Lo anterior, se justifica en la necesidad cubrir el aseo personal y demás ámbitos, junto a la privacidad.

Conclusiones

  • La empresa B&C cuenta en su mayoría con bienes de alto valor, ubicados en la zona sur de cali y de estrato 5, lo cual destacada que el nicho de mercado es en su mayoría de personas con un nivel socioeconómico medio-alto y que buscan tranquilidad y comodidad en sus viviendas.

  • El precio promedio de las viviendas por zona se describe en la siguiente tabla:

    Zona Cantidad de Inmuebles Precio Promedio ($) Área Promedio (m2)
    Centro 36 297.88 185.48
    Norte 887 371.33 163.26
    Oeste 756 685.91 193.30
    Oriente 97 248.83 198.79
    Sur 3036 434.55 172.71

    Es interesante ver cómo la zona donde se ubican la mayoría de las viviendas, posee una de las áreas construidas promedio más bajas. Esto se puede deber a factores como la calidad de los inmuebles construidos, los alrededores y la antigüedad de los mismos.

  • Se debe priorizar la compra de apartamentos y casas en zonas con latitudes y longitudes diferentes a las destacadas, puesto esto podría ampliar el público objetivo y le permitiría a la empresa seguir atrayendo más clientes, lo cual se traduce en una mayor actividad y si es el caso, mayor rentabilidad.

  • El precio de las viviendas permite que el acceso a los inmuebles sea asequible por diferentes mercados, lo cual puede posicionar a B&C como una de las mejores empresas para comercializar en el sector económico de los bienes raíces.