Con el propósito de brindar a los directivos de la Inmobiliaria B&C de la ciudad de Cali, herramientas para la toma de decisiones de cara al año 2024, se plantea proporcionar en el siguiente documento un análisis descriptivo que permita responder las preguntas de negocio relacionadas con: ¿cuáles con las variables que influyen más en la percepción del mercado sobre un inmueble?, ¿cuáles son los nichos de mercado a priorizar este año, teniendo en cuenta las condiciones actuales de la ciudad? Y ¿qué precios permitirán a la compañía mantener su competitividad dentro del mercado? Con esto en mente se revisará la base de datos proporcionada por el negocio y se realizará el análisis descriptivo comenzado por el entendimiento de la data, su tratamiento, para luego pasar a revisar los comportamientos y patrones de los variables de acuerdo con su naturaleza. Seguidamente, se establecerán las posibles relaciones entre ellas que resulten interesantes para las preguntas de negocios. Finalmente, se presentan los resultados del estudio y se plantea la discusión sobre los mismos, de tal manera que se generen unas conclusiones claras que provean de elementos útiles a la gerencia, para el diseño de estrategias.
La base de datos está compuesta por 13 columnas y 8.330 filas de datos. Las columnas o variables que nos brinda la base de datos proporcionada son las siguientes:
## [1] "id" "zona" "piso" "estrato" "preciom" "areaconst"
## [7] "parquea" "banios" "habitac" "tipo" "barrio" "longitud"
## [13] "latitud"
Vale la pena revisar la calidad de la data por lo que cuantificaremos la presencia de datos vacios que puedan afectar el análisis:
## .
## id 3
## zona 3
## piso 2641
## estrato 3
## preciom 2
## areaconst 3
## parquea 1606
## banios 3
## habitac 3
## tipo 3
## barrio 3
## longitud 3
## latitud 3
Otra forma de ver estos faltantes es através del siguiente gráfico:
## preciom id zona estrato areaconst banios habitac tipo barrio longitud
## 4812 1 1 1 1 1 1 1 1 1 1
## 1912 1 1 1 1 1 1 1 1 1 1
## 877 1 1 1 1 1 1 1 1 1 1
## 726 1 1 1 1 1 1 1 1 1 1
## 1 1 0 0 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0 0 0
## 2 3 3 3 3 3 3 3 3 3
## latitud parquea piso
## 4812 1 1 1 0
## 1912 1 1 0 1
## 877 1 0 1 1
## 726 1 0 0 2
## 1 0 0 0 12
## 2 0 0 0 13
## 3 1606 2641 4279
Podemos observar que hay tres líneas que no poseen ningun valor en las variables a excepción del precio, por lo que se procedió a eliminarlas ya que este dato por si solo no otorga mayor información sobre los inmuebles.
En cuanto a las otras que poseen una cantidad razonable de datos nulos, podemos asumir para el caso de parqueaderos que el inmueble no posee espacio de parqueadero debido a que cuando se miraron las frecuencias de esa variable, ninguna tenía el valor de cero, por lo que posiblemente se omitió diligenciar 0 para estos casos. Por otro lado, para el caso de piso, esta variable puede tener una alta incidencia en futuras inferencias por lo cual se mantendrá la categoría con sus faltantes y se analizará por aparte. Se sugiere a la gerencia poder asignar en el método de recolección de la información, reglas que hagan obligatorio el llenado de esta información.
##
## 1 2 3 4 5 6 7 8 9 10 11 12
## 861 1450 1097 607 568 245 207 211 146 130 84 83
Luego de hacer estos cambios nos queda una base con 8327 filas, las cuales procederemos a revisar y estandarizar.
Es común que al momento de crearse este tipo de bases de datos sin tener algunas pautas sobre la forma en que se deben diligenciar los campos, encontremos “typos” o errores de escritura. Para revisar esto, identificaremos los valores únicos de las variables categóricas:
Las variables categoricas de esta base son “Zona”, “Tipo”, y “Barrio”. Para las tres haremos la identificación de sus valores únicos:
Zona:
## [1] "Zona Oeste" "Zona Sur" "Zona Norte" "Zona Oriente" "Zona Centro"
Tipo
## [1] "Apartamento" "Casa" "APARTAMENTO" "casa" "CASA"
## [6] "apto"
Aquí podemos observar el caso de los errores tipográficos. No es conveniente analizar Casa y CASA por separado, pues es claro que se trata de lo mismo.
Para la variable “barrio” resultaron más de 436 nombres únicos en los que no se evidenciaron errores tan claros como el caso anterior y por lo tanto no se efectuarán rempplazos.
Se procedió a dejar las variables categoricas todas en mayúsculas y a corregir “apto” para que sea equivalente a Apartamento.
## [1] "APARTAMENTO" "CASA"
## [1] "ZONA OESTE" "ZONA SUR" "ZONA NORTE" "ZONA ORIENTE" "ZONA CENTRO"
## [1] "ARBOLEDA" "NORMANDÍA" "MIRAFLORES" "EL GUABAL"
## [5] "BELLA SUIZA ALTA"
De esta manera, se logra que la base se estandarice y resulte más preciso y agradable el análisis de las diferentes variables. Nota: (Se muestran sólo los 5 primeros barrios, a manera ilustrativa)
A continuación se muestra el calculo de las estadísticas descriptivas básicas de las variables de tipo cuantitativo que hay en nuestra base de datos. El análisis es diferente para las de escala ordinal, que si bien están representadas como números (en el caso del estrato) su orden nos importa.
## [1] "Precio:"
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 58.0 220.0 330.0 434.3 540.0 1999.0
## [1] "Área construida:"
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 30 80 123 175 229 1745
## [1] "Baños:"
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.000 2.000 3.000 3.112 4.000 10.000
## [1] "Num de habitaciones:"
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.000 3.000 3.000 3.605 4.000 10.000
## [1] "Num de parqueaderos:"
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.000 1.000 1.000 1.483 2.000 10.000
Al observar estas métricas notamos como en el precio y en área se encuentran valores máximos que distan bastante de las medidas de tendencia central y al analizar los cuartiles podemos también notar que se encuentran alejados del rango intercuartílico, y por lo tanto estarán presentes varios casos extremos.
Para el caso del precio se ha construido un gráfico de barras que nos ilustra un poco su comportamiento, el cual muestra un sesgo positvo (Muchas viviendas con valores “bajos” y pocas con valores muy altos)
En cuanto a las categoricas ordinales, se puede observar que el estrato que sobresale es el 5, seguido del 4 y el 6. Lo cual nos indica a priori que la compañía se enfoca en bienes raices de estratos altos.
Y en cuanto al tipo de casa, lo que predominan son los apartamentos,
como se puede observar en el siguiente gráfico:
Por zonas de la ciudad se distribuye monstrando una importante agrupación en las zona sur, como se puede ver en la gráfica siguiente:
En este apartado se analizan las variables de forma combinada para explorar posibles patrones o relaciones fuertes entre variables, para lo cual se propone en primer lugar la construcción de una matriz de correlaciones, la cual nos entrega en un solo gráfico las relaciones a priorizar:
La matriz nos indica con su coeficiente si las dos variables se
relacionan directamente (Valor cercano a 1) o inversamente (valores
cercanos a -1), pero también si la relacion es débil o inexistente
(cercanos a 0). Cabe anotar que dentro de las variables númericas
consideradas, no se incluyó la de piso, por el alto valor de datos
faltantes, lo cual puede generar ruido en las relaciones entre
variables. De acuerdo a lo anterior y al gráfico resultante, podemos
destacar las siguientes relaciones:
Combinando variables cualitativas con variables cuantitativas, también nos proporciona una visión interesante de los datos para determinar el foco de la inmobiliaria:
Aquí se puede observar que el valor medio de la zona oeste es más alto que las demás zonas de la ciudad, y los precios de las viviendas son más dispersos hacía los valores más altos. En la zona sur se presentan una cantidad considerable de valores exrtremos que se deben analizar por aparte, al igual que en el norte de la ciudad. Posiblemente se deba a factores geográficos y sociodemográficos más heterogeneos en esas zonas.
El Estrato 6 tiene obviamente la mediana de precio más alta, y sigue un comportamiento esperado por el caracter ordinal del estrato. Se destacan la cantidad de valores atípicos en los estratos 4 y 5, posiblemente relacionados con el área y la cantidad de baños.
En esta combinación es claro que pueden haber apartamentos con menor cantidad de baños pero aún así con un valor muy superior a otros inmuebles. Llama la atención que hayan casas con valores altos sin ningún sevicio de baño. Se debe revisar con la gerencia si puede deberse a un error en la recolección de la información o se están contando baños adicionales al de la habitación principal.
Finalmente, se analiza otra de las parejas que presentaba una alta correlación, el precio y el área construida. Esta vez separada por el tipo de casa. Aquí se puede observar como en los apartementos al manejar áreas tan estándar, el precio crece con una pendiente bastante empinada lo cual revela la sensibilidad del precio a cualquier incremento del área. En las casas se encuentra un poco más de varieda e incluso algunos casos contraintuitivos, pero que no hacen parte del grueso de inmuebles que maneja la proporcionalidad lineal entre precio y área.
Como se pudo observar, existen variables que intuitivamente se comportan de forma predecible y que mantienen una relación lógica entre ellas, como es el caso del área construida, el número de baños y el precio del inmueble. Sin embargo llama la atención que el mercado de la inmobiliaria se ha centrado en los apartamentos más que en las casas, por lo cuál el número de baños no debería ser una variable que determine tanto los nichos de mercado puesto que, como se ha mencionado, los apartamentos suelen manejar unos diseños muy estándar y maximizan el poco área que manejan al compararse con las casas. La calidad de la data pudo haber afectado una variable como el número de parqueaderos que al final podía ser una caraterística de preferencia de los compradores. Vale la pena en otro estudio y con más herramientas, entender como la colinealidad puede afectar a las conclusiones que se saquen de este estudio, porque tal vez un comportamiento no se explique directamente por la realación de una variable, sino por un conjunto que operan de forma sinérgica.
Se pudo observar que el 50% de las ventas se hacen en viviendas con al menos 3 baños y hasta 4 baños, y esa misma proporción busca apartamentos entre 80 y 229 metros cuadrados, Así mismo, los tipos de vivienda más vendidos correponden a los apartamentos con un 61%. Por lo cual vale la pena buscar incluir en el portafolio, apartamentos con entre tres y cuatro servicios sanitarios.
La zona que mayores montos genera a la compañia es la oeste y sur de la ciudad, lo cual debe ser un elemento a tener en cuenta para ofrecer más cantidad de inmuebles en estos sectores.
En cuanto al precio, la empresa seguira siendo competitiva en este año si incluye en su portafolio viviendas entre los 220 y 540 Millones de pesos. El 50% de sus ventas se han realizado dentro de este rango. Aunque vale la pena diseñar estrategias para la venta de inmuebles de extensa área y alto valor, pues como se pudo observar en relación al tipo “Casa”, hay un abanico grande de posibilidades para cuantías mayores.
Finalmente, se le aconseja a la empresa B&C estructurar mejor el sistema de recolección de datos para sacar mayor provecho a las variables que pueden influir en la compra, así como abrir un poco más el abanico de arquetipos de vivienda, para generar estrategias más personalizadas y que vayan con las tendencias mundiales, como por ejemplo lofts, Chalés, Dúplex, Estudios, Penthouse, etc. Esto puede generar más profundidad en el análisis y orientar mejores estrategias. Se agradece la oportunidad de haber realizado este análisis y se espera impulsar con este estudio la sostenibilidad y operación de B&C en la ciudad de Cali.