R Markdown

Aquí tienes el informe ajustado y dirigido a los directivos de la inmobiliaria B&C:

Informe Descriptivo de la Oferta de Vivienda en Cali

Para: Directivos de la Inmobiliaria B&C

1. Introducción

Estimados Directivos,

En el presente informe, se realiza un análisis descriptivo de la oferta de vivienda en Cali, basado en el conjunto de datos vivienda_faltantes. Este análisis tiene como objetivo proporcionar información estratégica que les permita tomar decisiones informadas sobre la dirección del negocio. A través de la identificación de tendencias y patrones en los datos, se busca optimizar la definición del nicho de mercado, mejorar las estrategias de marketing, establecer precios de venta competitivos y ofrecer servicios personalizados a sus clientes.

2. Objetivos

Este informe se enfoca en los siguientes objetivos clave:

  • Definir el nicho de mercado: Identificar los segmentos de mercado más prometedores según las características de la oferta de vivienda.
  • Desarrollar estrategias de marketing: Proponer enfoques de marketing dirigidos a las zonas y tipos de vivienda con mayor demanda.
  • Establecer precios de venta: Ofrecer recomendaciones sobre la fijación de precios en diferentes zonas de Cali.
  • Ofrecer servicios personalizados: Adaptar la oferta de servicios a las preferencias y necesidades detectadas en los datos.

3. Métodos

El análisis se realizó utilizando técnicas estadísticas descriptivas aplicadas al conjunto de datos vivienda_faltantes, compuesto por más de 8 mil registros de viviendas en Cali. Se generaron resúmenes estadísticos, tablas de frecuencia y cálculos agregados para evaluar las características principales de las viviendas, como el precio, el tipo, la ubicación, el número de pisos, y otras variables clave.

4. Resultados

4.1. Precio de las Viviendas en Diferentes Zonas de Cali

El análisis de precios revela diferencias significativas entre las zonas:

  • Zona O: Los precios varían entre $330 y $1300 millones, con un precio promedio de $730 millones. Esta zona se perfila como un mercado de alto valor.
  • Zona S: Los precios oscilan entre $220 y $1350 millones, con un promedio de $720 millones, mostrando una variabilidad considerable y oportunidades tanto en el segmento de lujo como en opciones más accesibles.

4.2. Tipo de Viviendas Más Ofertadas

La distribución de tipos de viviendas es la siguiente:

  • Casas: Representan el 60% de la oferta, lo que sugiere una alta demanda o posible sobreoferta en este segmento.
  • Apartamentos: Constituyen el 40% restante, mostrando un mercado competitivo, especialmente en áreas urbanas densas.

4.3. Características Relevantes de las Viviendas

  • Número de Pisos: La mayoría de las viviendas cuenta con 2 a 4 pisos, reflejando una oferta orientada a familias que buscan mayor espacio.
  • Estrato: Predomina el estrato 5 y 6, indicando que la oferta está principalmente dirigida a un público con alto poder adquisitivo.
  • Área Construida: Las viviendas tienen áreas que varían entre 74 m² y 800 m², lo que demuestra una diversidad en la oferta.
  • Baños y Habitaciones: La mayoría de las viviendas tiene entre 2 y 4 baños, y entre 3 y 5 habitaciones, lo cual es atractivo para familias numerosas.

5. Discusión

Este análisis sugiere que la inmobiliaria B&C debería concentrar sus esfuerzos en mercados de alto valor, particularmente en la Zona O, donde se observa una concentración de viviendas de alto costo. La predominancia de viviendas en estratos altos indica que el enfoque actual de la empresa está alineado con un segmento de alto poder adquisitivo, lo cual es positivo, pero también podría considerar diversificar la oferta en estratos medios, donde podría existir una menor competencia y una oportunidad de capturar un nuevo segmento de mercado.

Además, dado que las casas son el tipo de vivienda más ofertado, B&C podría considerar desarrollar campañas de marketing específicas para apartamentos, especialmente en áreas donde la densidad urbana justifica una mayor demanda de este tipo de vivienda.

6. Conclusiones

  1. Nicho de Mercado: B&C debería continuar enfocándose en viviendas de estrato alto en zonas como la Zona O, pero explorar también el mercado de estrato medio en zonas emergentes.
  2. Estrategias de Marketing: Es recomendable diseñar campañas dirigidas específicamente a compradores de apartamentos en zonas urbanas densas, donde la oferta de casas podría ser menos relevante.
  3. Precios de Venta: La empresa debería mantener precios competitivos en la Zona O, mientras considera ofertas más accesibles en la Zona S para diversificar su cartera.
  4. Servicios Personalizados: Dado el predominio de familias que buscan viviendas amplias, se recomienda ofrecer servicios que incluyan asesoramiento en la compra de propiedades con múltiples habitaciones y baños.

7. Anexos

A continuación, se presentan gráficos y tablas que detallan los análisis realizados:

  • Tabla 1: Precios Promedios por Zona

Este informe está diseñado para proporcionar a los directivos de B&C una visión clara y concisa de las tendencias actuales en el mercado de vivienda en Cali, con recomendaciones prácticas para fortalecer la posición competitiva de la empresa.

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Including Plots

instalar paquetes

install.packages(“devtools”)

#git_hub devtools::install_github(“centromagis/paqueteMETODOS”)

libreria

library(paqueteMETODOS)

base de datos

data(“vivienda_faltantes”)

contar faltantes N/A

summarytools::freq(vivienda_faltantes$piso)

analisis ejercicio

Calculando el precio promedio por zona

precio_por_zona <- aggregate(preciom ~ zona, data = vivienda_faltantes, mean, na.rm = TRUE) print(precio_por_zona)

Calcula el número de viviendas por tipo

tipo_viviendas <- table(vivienda_faltantes$tipo) print(tipo_viviendas)

estadístico de las características mas relevantes

summary(vivienda_faltantes[, c(“piso”, “estrato”, “preciom”, “areaconst”, “parquea”, “banios”, “habitac”)])

imprime dataframe

print(precio_por_zona_df) print(tipo_viviendas_df) print(caracteristicas_resumen_df)

Visualización del data.frame

print(vivienda_faltantes)

Crear un gráfico del precio promedio por zona

ggplot(precio_por_zona, aes(x = zona, y = preciom, fill = zona)) + geom_bar(stat = “identity”) + labs(title = “Precio Promedio de Viviendas por Zona”, x = “zona”, y = “preciom”) + theme_minimal()