Análisis del mercado inmobiliario en Cali

Análisis del mercado inmobiliario en Cali

1. Introducción

El mercado de bienes raíces en Cali ha crecido significativamente en los últimos años, impulsado por el crecimiento de la población, por lo tanto la necesidad de realizar análisis rigurosos para encontrar posiciones vanguardistas frente al mercado inmobiliario se ha vuelto una necesidad. Este informe presenta un análisis descriptivo del mercado inmobiliario en Cali dirigido para la empresa B&C, centrado en el precio de las viviendas, los tipos de viviendas más ofertados y las características más relevantes de la oferta. Los insights obtenidos serán útiles para B&C en la toma de decisiones estratégicas.

2. Objetivos

Objetivo general

Conducir un estudio estadístico detallado sobre el mercado de viviendas en Cali para discernir tendencias y patrones fundamentales en cuanto a precios, variedades de vivienda y atributos de las propiedades ofrecidas. Este estudio tiene como propósito suministrar a B&C datos pertinentes y recientes que faciliten la toma de decisiones estratégicas bien fundamentadas, orientadas a establecer su segmento de mercado, desarrollar tácticas de marketing efectivas, determinar precios competitivos y brindar servicios a medida para sus clientes.

Objetivos específicos

• Analizar el rango de precios de las viviendas en diferentes zonas de la ciudad.

• Identificar las zonas con mayor y menor actividad inmobiliaria.

• Determinar los tipos de viviendas (apartamentos, casas, etc.) más ofertados en el mercado.

• Evaluar las características comunes de las viviendas en oferta, como el número de habitaciones, baños, área construida, entre otras.

3. Métodos

Descripción de los Datos

Los datos para este análisis provienen de una base de datos de propiedades en Cali, que incluye información sobre precios, ubicación, tipo de vivienda, y características específicas como el área construida, número de habitaciones y baños. El conjunto de datos abarca un total de 8330 registros.

Preprocesamiento y Limpieza de Datos

Se realizó una limpieza inicial de los datos para tratar valores faltantes, especialmente en las columnas de ‘precio’, ‘área construida’, ‘número de habitaciones’ y ‘número de baños’. Los registros con valores faltantes en estas variables clave fueron excluidos del análisis. Además, se realizó la estandarización de nombres en la columna ‘Tipo’ para mantener la consistencia (por ejemplo, convertir “apto” y “APARTAMENTO” a “Apartamento”).

Inicialmente se realiza una limpieza de los datos, al identificar que existen registros que no cuentan con ningúno de los datos requeridos.

Observamos que los únicos valores en NA restantes son en las columnas de piso y parqueadero.

##        id      zona      piso   estrato   preciom areaconst   parquea    banios 
##         0         0      2638         0         0         0      1603         0 
##   habitac      tipo    barrio  longitud   latitud 
##         0         0         0         0         0

Asumimos que estos valores no se completaron porque se asumía que la vivienda se encontraba a nivel del suelo en el caso del piso y no contaba con parqueadero en el caso de la respectiva columna.

Obtenemos un resumen de los datos numéricos para conocer si existen valores atípicos:

## # A tibble: 1 × 14
##   piso_min piso_max estrato_min estrato_max preciom_min preciom_max
##      <dbl>    <dbl>       <dbl>       <dbl>       <dbl>       <dbl>
## 1        1       12           1           6           1        1999
## # ℹ 8 more variables: areaconst_min <dbl>, areaconst_max <dbl>,
## #   parquea_min <dbl>, parquea_max <dbl>, banios_min <dbl>, banios_max <dbl>,
## #   habitac_min <dbl>, habitac_max <dbl>

Como se puede observar, todos los valores se encuentran dentro de un contexto normal en cuando a precios, número de piso, estrado, etc.

Por otro lado, podemos observar que el tipo de las viviendas se centran en su gran mayoría en dos categorías, mientras que las demás únicamente son variaciones de esta, por lo tanto se requiere unificar estas categorías.

## [1] "Apartamento" "APARTAMENTO" "apto"        "casa"        "Casa"       
## [6] "CASA"

Se observa que hay variaciones para los tipos de vivienda y que estos realmente son dos, estos datos son reemplazados para que formen parte de las únicas dos categorías:

vivienda_faltantes <- vivienda_faltantes %>%
  mutate(tipo = recode(tipo, 
                       "apto" = "Apartamento", 
                       "APARTAMENTO" = "Apartamento",
                       "casa" = "Casa",
                       "CASA" = "Casa"))

Análisis Estadístico

El análisis se centró en las siguientes áreas:

1. Análisis de Precios por Zona: Se utilizó un enfoque descriptivo para evaluar los precios de las viviendas en diferentes zonas de Cali. Se calcularon estadísticas como el precio medio y se utilizaron gráficos de caja para visualizar la distribución de precios por zona.

   boxplot(vivienda_faltantes$preciom,
           horizontal = TRUE,
           main = "Diagrama de caja del Precio de las Viviendas", 
           ylab = "Viviendas",
           xlab = "Precio en millones de pesos", 
           col = "green")

   

   boxplot(vivienda_faltantes$areaconst,
           horizontal = TRUE,
           main = "Diagrama de caja del área construida", 
           ylab = "Viviendas",
           xlab = "Área construida en metros cuadrados", 
           col = "red")

   

2. Tipos de Viviendas Más Ofertadas: Se analizó la frecuencia de diferentes tipos de viviendas disponibles en el mercado. Este análisis se apoyó en gráficos de barras para una representación visual clara de la prevalencia de cada tipo de vivienda.

   ggplot(vivienda_faltantes , aes(x = tipo)) +
     geom_bar(fill = "blue", color = "black") +
     labs(title = "Cantidad de Viviendas por Tipo",
          x = "Tipo de Vivienda",
          y = "Cantidad de Viviendas") +
     theme_minimal()

   

3. Características de las Viviendas: Se exploraron las características más comunes de las viviendas, como el número de habitaciones y baños, y el área construida. Se emplearon histogramas y gráficos de dispersión para examinar la distribución y posibles correlaciones entre estas características.

   ggplot(vivienda_faltantes, aes(x = preciom, fill = as.factor(habitac))) +
     geom_density(alpha = 0.5) +
     labs(title = "Densidad de Precio por Número de Habitaciones",
          x = "Precio (millones de pesos)",
          y = "Densidad",
          fill = "Número de Habitaciones") +
     theme_minimal()

   

data_resumen <- vivienda_faltantes %>%
       group_by(zona) %>%
       summarise(
             `Precio` = round(mean(preciom, na.rm = TRUE)),
             `Area(m^2)` = round(mean(areaconst, na.rm = TRUE)),
             `Precio_x_metro_cuadrado` = round(mean(preciom, na.rm = TRUE) / mean(areaconst, na.rm = TRUE)),
             Habitaciones = round(mean(habitac, na.rm = TRUE)),
             Banios = round(mean(banios, na.rm = TRUE))
         )
data_resumen <- data_resumen %>% 
  arrange(desc(Precio))

kable(data_resumen, "html") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"))

zona	Precio	Area(m^2)	Precio_x_metro_cuadrado	Habitaciones	Banios
Zona Oeste	679	197	3	3	4
Zona Sur	427	173	2	4	3
Zona Norte	346	161	2	4	3
Zona Centro	310	194	2	5	3
Zona Oriente	229	192	1	5	3

Herramientas y Software Utilizados

El análisis se realizó utilizando R (versión [especificar versión]) y RStudio (versión [especificar versión]). Los paquetes de R utilizados incluyen ggplot2 para la visualización de datos, dplyr para la manipulación de datos y tidyr para la organización de datos.

Visualización de Datos

Las visualizaciones clave incluyeron:

• Gráficos de caja para el análisis de precios por zona.

• Gráficos de barras para ilustrar los tipos de viviendas más ofertadas.

• Tablas de agrupación de para las características de las viviendas por zona.

Estas visualizaciones ayudan a interpretar a B&C los patrones y tendencias en el mercado inmobiliario de Cali.

4. Resultados

El análisis del mercado inmobiliario en Cali revela que una proporción significativa de viviendas se agrupa en el rango de precios de entre 1000 y 2000 millones de pesos. Esta concentración de valores sugiere una estabilidad y uniformidad en el segmento de mercado de precio medio-alto, descartando la posibilidad de que estos precios sean anomalías o desviaciones atípicas. Por tanto, estos datos se han considerado esenciales para el análisis, proporcionando una visión realista del mercado inmobiliario en la ciudad.

En cuanto a la distribución geográfica de los precios, se destaca la Zona Oeste como la región con los precios más elevados, seguida de cerca por la Zona Sur. Resulta interesante observar que, en estas zonas, el precio elevado de las viviendas no se correlaciona necesariamente con un mayor número de habitaciones. Por el contrario, un factor distintivo de estas propiedades de alto valor es la mayor cantidad de baños, lo que podría indicar una preferencia del mercado por viviendas que ofrecen mayores comodidades o un enfoque en el lujo y la exclusividad.

Otro aspecto relevante es la composición del mercado en términos de tamaño de viviendas. Predominantemente, se observa que un 61% de las viviendas disponibles son apartamentos, y la mayoría de estas propiedades (más del 50%) tienen 2 o menos habitaciones. Esta tendencia señala una inclinación del mercado hacia viviendas más compactas, posiblemente orientadas a satisfacer las necesidades de individuos, parejas jóvenes o familias pequeñas.

Por último, en lo que respecta al área construida, más de la mitad de las viviendas en Cali se sitúan en un rango de entre 100 y 200 metros cuadrados. La mayoría de estas propiedades tienen un valor que ronda los 500 millones de pesos, delineando así un perfil claro del segmento de mercado medio. Este dato es crucial para entender las expectativas y posibilidades financieras de los potenciales compradores en esta área del mercado inmobiliario.

5. Debate

La interpretación de los resultados obtenidos en el análisis exploratorio del mercado inmobiliario en Cali ofrece varias perspectivas que pueden contar con un debate detallado. Estos hallazgos tienen implicaciones significativas para la estrategia comercial de B&C en el sector inmobiliario.

Precios y Características de las Viviendas

La observación de que un rango sustancial de viviendas se sitúa entre 1000 y 2000 millones de pesos sugiere un mercado inmobiliario activo en los segmentos de precio medio y alto. El hecho de que estos precios no representen valores aislados implica una estabilidad en este segmento del mercado, lo que podría ser atractivo para inversionistas o para el desarrollo de estrategias de marketing enfocadas en propiedades dentro de este rango de precios.

La identificación de la Zona Oeste y la Zona Sur como las áreas con las viviendas más costosas plantea preguntas sobre las características que impulsan estos precios más altos. El análisis revela que las viviendas más costosas no necesariamente tienen más habitaciones, pero sí tienden a tener más baños. Esto podría indicar una preferencia del mercado por viviendas con mayores comodidades o lujos, en lugar de simplemente más espacio habitable. B&C podría considerar esto al planificar desarrollos o al promocionar propiedades en estas zonas.

Tendencias en Tipos de Viviendas

Es notable que un 61% de las viviendas sean apartamentos y que la mayoría tenga 2 o menos habitaciones. Esto podría reflejar una tendencia hacia viviendas más pequeñas, posiblemente adecuadas para individuos o familias pequeñas. Esta tendencia es crucial para B&C, ya que sugiere un nicho de mercado potencial en el segmento de viviendas compactas y eficientes.

Relación entre Área Construida y Precio

El hecho de que más del 50% de las viviendas tengan entre 100 y 200 metros cuadrados, con una tendencia de precios que se extiende hacia los 500 millones de pesos, proporciona una comprensión clara de lo que el mercado medio está buscando. B&C podría utilizar esta información para ajustar sus estrategias de fijación de precios y para orientar sus esfuerzos de desarrollo y marketing hacia propiedades que se alineen con estas preferencias y rangos de precios.

6. Conclusiones

La Zona Oeste y la Zona Sur de Cali destacan por tener las viviendas más costosas, pero interesantemente, estas propiedades de alto valor no se caracterizan necesariamente por tener más habitaciones, sino por ofrecer una mayor cantidad de baños. Esto indica una preferencia del mercado por viviendas con comodidades y lujos adicionales, en lugar de un mayor espacio habitable.

Para B&C los resultados del análisis ofrecen una oportunidad para afinar sus estrategias de negocio en varios frentes. Desde la focalización en propiedades de oportunidad en zonas específicas hasta la explotación del mercado de apartamentos más pequeños, estos insights pueden guiar a la empresa en la toma de decisiones informadas y estratégicas. Además, la comprensión de la relación entre el precio y las características de las viviendas, como el área construida y el número de baños, es vital para desarrollar una oferta que se ajuste a las necesidades y deseos del mercado actual.