Evaluación de la oferta inmobiliaria urbana
DIANA GÓMEZ
2025-08-11
Problema
Una empresa inmobiliaria líder en una gran ciudad está buscando comprender en profundidad el mercado de viviendas urbanas para tomar decisiones estratégicas más informadas. La empresa posee una base de datos extensa que contiene información detallada sobre diversas propiedades residenciales disponibles en el mercado. Se requiere realizar un análisis holístico de estos datos para identificar patrones, relaciones y segmentaciones relevantes que permitan mejorar la toma de decisiones en cuanto a la compra, venta y valoración de propiedades.
Retos:
El reto principal consisten en realizar un análisis integral y multidimensional de la base de datos para obtener una comprensión del mercado inmobiliario urbano. Se requiere aplicar diversas técnicas de análisis de datos, incluyendo:
Análisis de Componentes Principales: Reducir la dimensionalidad del conjunto de datos y visualizar la estructura de las variables en componentes principales para identificar características clave que influyen en la variación de precios y oferta del mercado.
Análisis de Conglomerados: Agrupar las propiedades residenciales en segmentos homogéneos con características similares para entender las dinámicas de las ofertas específicas en diferentes partes de la ciudad y en diferentes estratos socioeconómicos.
Análisis de Correspondencia : Examinar la relación entre las variables categóricas (tipo de vivienda, zona y barrio), para identificar patrones de comportamiento de la oferta en mercado inmobiliario.
Visualización de resultados: Presentar gráficos, mapas y otros recursos visuales para comunicar los hallazgos de manera clara y efectiva a la dirección de la empresa.
El informe final debe incluir análisis detallados de los resultados obtenidos, las conclusiones clave y las recomendaciones específicas para guiar las decisiones estratégicas de la empresa inmobiliaria. Se espera que este análisis de datos proporcione ventajas competitivas en el mercado, optimizando la inversión y maximizando los beneficios en un entorno altamente competitivo y en constante cambio.
FASE 1_EXPLORACION DE DATOS
Identificacion de números y muestra de atributos
## Rows: 8,322
## Columns: 13
## $ id <dbl> 1147, 1169, 1350, 5992, 1212, 1724, 2326, 4386, 1209, 159…
## $ zona <chr> "Zona Oriente", "Zona Oriente", "Zona Oriente", "Zona Sur…
## $ piso <chr> NA, NA, NA, "02", "01", "01", "01", "01", "02", "02", "02…
## $ estrato <dbl> 3, 3, 3, 4, 5, 5, 4, 5, 5, 5, 6, 4, 5, 6, 4, 5, 5, 4, 5, …
## $ preciom <dbl> 250, 320, 350, 400, 260, 240, 220, 310, 320, 780, 750, 62…
## $ areaconst <dbl> 70, 120, 220, 280, 90, 87, 52, 137, 150, 380, 445, 355, 2…
## $ parqueaderos <dbl> 1, 1, 2, 3, 1, 1, 2, 2, 2, 2, NA, 3, 2, 2, 1, 4, 2, 2, 2,…
## $ banios <dbl> 3, 2, 2, 5, 2, 3, 2, 3, 4, 3, 7, 5, 6, 2, 4, 4, 4, 3, 2, …
## $ habitaciones <dbl> 6, 3, 4, 3, 3, 3, 3, 4, 6, 3, 6, 5, 6, 2, 5, 5, 4, 3, 3, …
## $ tipo <chr> "Casa", "Casa", "Casa", "Casa", "Apartamento", "Apartamen…
## $ barrio <chr> "20 de julio", "20 de julio", "20 de julio", "3 de julio"…
## $ longitud <dbl> -76.51168, -76.51237, -76.51537, -76.54000, -76.51350, -7…
## $ latitud <dbl> 3.43382, 3.43369, 3.43566, 3.43500, 3.45891, 3.36971, 3.4…A partir de la visualización anterior se observa que el conjunto de datos cuenta con 8.322 registros y 13 atributos. Las variables id, estrato, preciom, areaconst, parqueaderos, baños, habitaciones, longitud y latitud son de tipo numérico (dbl), mientras que barrio, tipo, piso y zona corresponden a variables de tipo texto (chr).
## id zona piso estrato
## Min. : 1 Length:8322 Length:8322 Min. :3.000
## 1st Qu.:2080 Class :character Class :character 1st Qu.:4.000
## Median :4160 Mode :character Mode :character Median :5.000
## Mean :4160 Mean :4.634
## 3rd Qu.:6240 3rd Qu.:5.000
## Max. :8319 Max. :6.000
## NA's :3 NA's :3
## preciom areaconst parqueaderos banios
## Min. : 58.0 Min. : 30.0 Min. : 1.000 Min. : 0.000
## 1st Qu.: 220.0 1st Qu.: 80.0 1st Qu.: 1.000 1st Qu.: 2.000
## Median : 330.0 Median : 123.0 Median : 2.000 Median : 3.000
## Mean : 433.9 Mean : 174.9 Mean : 1.835 Mean : 3.111
## 3rd Qu.: 540.0 3rd Qu.: 229.0 3rd Qu.: 2.000 3rd Qu.: 4.000
## Max. :1999.0 Max. :1745.0 Max. :10.000 Max. :10.000
## NA's :2 NA's :3 NA's :1605 NA's :3
## habitaciones tipo barrio longitud
## Min. : 0.000 Length:8322 Length:8322 Min. :-76.59
## 1st Qu.: 3.000 Class :character Class :character 1st Qu.:-76.54
## Median : 3.000 Mode :character Mode :character Median :-76.53
## Mean : 3.605 Mean :-76.53
## 3rd Qu.: 4.000 3rd Qu.:-76.52
## Max. :10.000 Max. :-76.46
## NA's :3 NA's :3
## latitud
## Min. :3.333
## 1st Qu.:3.381
## Median :3.416
## Mean :3.418
## 3rd Qu.:3.452
## Max. :3.498
## NA's :3## # A tibble: 1 × 4
## zona piso tipo barrio
## <chr> <chr> <chr> <chr>
## 1 Zona Sur 02 Apartamento valle del liliEl resumen estadístico muestra que las variables estrato, parqueaderos, habitaciones y baños son de tipo numérico entero, mientras que preciom, areaconst, longitud y latitud son de tipo numérico decimal. Asimismo, se identifican valores ausentes en algunas variables numéricas. Para visualizar mejor la distribución y magnitud de estos datos faltantes, se procederá a su representación gráfica.
## Variable Faltantes Porcentaje
## id id 3 0.04
## zona zona 3 0.04
## piso piso 2638 31.70
## estrato estrato 3 0.04
## preciom preciom 2 0.02
## areaconst areaconst 3 0.04
## parqueaderos parqueaderos 1605 19.29
## banios banios 3 0.04
## habitaciones habitaciones 3 0.04
## tipo tipo 3 0.04
## barrio barrio 3 0.04
## longitud longitud 3 0.04
## latitud latitud 3 0.04Se observa que todas las columnas presentan datos faltantes. La mayoría de ellas registra únicamente 3 valores ausentes; sin embargo, la variable piso concentra 2.638 datos faltantes, lo que equivale al 31,7 % del total, mientras que parqueaderos presenta 1.605 datos faltantes, correspondientes al 19,29 %.
## Variable N_Outliers Porcentaje
## habitaciones habitaciones 888 10.67
## parqueaderos parqueaderos 567 6.81
## preciom preciom 552 6.63
## areaconst areaconst 382 4.59
## longitud longitud 130 1.56
## banios banios 72 0.87
## id id 0 0.00
## estrato estrato 0 0.00
## latitud latitud 0 0.00El análisis de outliers mediante el criterio de 1,5 × IQR evidencia que la variable habitaciones presenta la mayor proporción de valores atípicos (10,67 %), seguida de parqueaderos (6,81 %), preciom (6,63 %) y areaconst (4,59 %). En menor medida, longitud y baños concentran el 1,56 % y 0,87 % de valores atípicos respectivamente. Las variables id, estrato y latitud no registran valores atípicos.
## Var1 Var2 value
## 8 longitud id -0.959864853
## 23 parqueaderos preciom 0.688678472
## 22 areaconst preciom 0.683983083
## 24 banios preciom 0.671996704
## 33 banios areaconst 0.667174586
## 52 habitaciones banios 0.596916707
## 12 preciom estrato 0.587610940
## 32 parqueaderos areaconst 0.584829009
## 42 banios parqueaderos 0.570506502
## 34 habitaciones areaconst 0.533920732
## 14 parqueaderos estrato 0.422608368
## 2 estrato id 0.409051770
## 15 banios estrato 0.395084177
## 17 longitud estrato -0.393532772
## 3 preciom id 0.339400122
## 26 longitud preciom -0.304049896
## 43 habitaciones parqueaderos 0.284480756
## 25 habitaciones preciom 0.267021037
## 13 areaconst estrato 0.259113953
## 6 banios id 0.249286528
## 5 parqueaderos id 0.242488811
## 53 longitud banios -0.222513776
## 44 longitud parqueaderos -0.215056295
## 4 areaconst id 0.169489782
## 18 latitud estrato -0.168441027
## 72 latitud longitud 0.165772397
## 35 longitud areaconst -0.143919366
## 9 latitud id -0.133996787
## 45 latitud parqueaderos -0.113065696
## 54 latitud banios -0.111151433
## 27 latitud preciom -0.085447421
## 16 habitaciones estrato -0.080495671
## 36 latitud areaconst -0.046447770
## 7 habitaciones id 0.023673532
## 63 latitud habitaciones 0.011641889
## 62 longitud habitaciones -0.006784251Conclusiones de la fase de exploración de datos
En esta primera fase se analizó la base de datos con el fin de conocer su estructura, distribución, valores atípicos, datos ausentes y relaciones de correlación entre variables numéricas. Estos hallazgos permiten orientar la siguiente etapa de preparación de datos, que incluirá:
Selección de atributos relevantes para el análisis, conservando únicamente las variables que aporten valor.
Tratamiento de valores ausentes.
Tratamiento de valores atípicos.
Codificación de variables categóricas.
Normalización de variables numéricas.
FASE #2_PREPARACIÓN DE DATOS
Selección de atributos relevantes para el análisis, conservando únicamente las variables que aporten valor
Tratamiento de valores ausentes
## zona piso estrato preciom areaconst parqueaderos
## 0 0 0 0 0 0
## banios habitaciones tipo
## 0 0 0Tratamiento de valores atípicos.
Normalización y estandarización de variables.
Para el análisis, se realizó un riguroso proceso de preparación de datos. Inicialmente, se creó una base de datos depurada (data_2_depurado) excluyendo variables como id, barrio, latitud y longitud, ya que no eran relevantes para los modelos estadísticos y podían introducir ruido.
Posteriormente, se aplicó un tratamiento de valores ausentes mediante la eliminación de registros. Se creó un conjunto de datos final al excluir todas las filas que presentaban al menos un valor faltante. Este enfoque garantizó que los datos utilizados en los análisis posteriores estuvieran completos y fueran consistentes.
Finalmente, se estandarizaron las variables para asegurar que todas tuvieran la misma escala, un paso crucial antes de aplicar el Análisis de Componentes Principales (PCA) y los métodos de conglomeración. Este procedimiento permitió preparar los datos de manera óptima para los análisis posteriores, asegurando que los resultados sean robustos y confiables.
FASE #3 ANALISIS INTEGRAL Y MULTIDIMENSIONAL
ANÁLISIS DE COMPONENTES PRINCIPALES
En el gráfico se observa que el primer componente principal (PC1)
explica el 54.7% de la variabilidad total de la base de datos, mientras
que el segundo componente (PC2) explica el 19.3%. En conjunto, estos dos
componentes acumulan un 74.0% de la varianza, lo que representa un valor
suficientemente alto para un análisis robusto.
En el gráfico se observa que el primer componente principal (PC1)
explica el 54.7% de la variabilidad total de la base de datos, mientras
que el segundo componente (PC2) explica el 19.3%. En conjunto, estos dos
componentes acumulan un 74.0% de la varianza, lo que representa un valor
suficientemente alto para un análisis robusto.
El análisis de componentes principales (Dim1 y Dim2) explica aproximadamente el 74% de la variabilidad total de la base de datos, siendo la primera dimensión (54.7%) la que concentra la mayor parte de la información. En esta dimensión destacan las variables precio, estrato, parqueaderos, baños, área construida y habitaciones, que muestran una fuerte asociación. La segunda dimensión (19.3%) está influenciada principalmente por la variable piso, que aporta información complementaria y diferenciada respecto a la primera dimensión. Estos resultados sugieren que las características físicas de la vivienda, así como ciertos atributos estructurales, explican gran parte de la variabilidad observada en el mercado inmobiliario analizado.
ANÁISIS DE CONGLOMERACIÓN
Clúster 2 (verde): Este clúster se encuentra en la región con valores
altos de PC1, este representa viviendas de alta gama con características
superiores.
Clúster 3 (azul): Este clúster se ubica en la región con valores bajos de PC1, este grupo podría representar viviendas de baja gama o económicas, con valores inferiores en esas características.
Clúster 1 (rojo): Este clúster se sitúa en la región central del eje PC1, lo que representa el segmento de viviendas de rango medio, con valores promedio en las variables clave.
Llevar los clusters a las variables originales.
CONCLUSIÓN: Número de clústeres: k = 3. Perfiles:
C1 (Premium urbano consolidado): precios altos, mayor área, estratos 5–6, +baños, +parqueaderos; barrios A/B; pisos intermedios-altos.
C2 (Medio funcional): precios medianos, área media, estratos 3–4, tipologías apartamentos estándar; zonas C/D.
C3 (Compacto/asequible): precios bajos, área reducida, estratos 1–2, menos parqueaderos/baños; barrios E/F; más “piso” como diferenciador.
Este Análisis de conglomerados jerárquico ha permitido segmentar el mercado inmobiliario en tres grupos claramente diferenciados. Previamente realizado la dimensionalidad con PCA fue fundamental, ya que las dos primeras componentes principales (PC1 y PC2) capturaron la mayor parte de la variabilidad de los datos, demostrando que las características físicas de las viviendas son el principal motor de su diferenciación.
ANALISIS DE CORRESPONDENCIA
##
## Estrato3 Estrato4 Estrato5 Estrato6
## Zona Centro 33 3 0 0
## Zona Norte 141 184 482 79
## Zona Oeste 19 51 181 502
## Zona Oriente 94 2 1 0
## Zona Sur 147 973 1195 721##
## Pearson's Chi-squared test
##
## data: tabla
## X-squared = 2172.8, df = 12, p-value < 2.2e-16
A través del gráfico podemos observar las relaciones: - El estrato 3 se
encuetra ubicado hacia la zona centro y oriente - El estrato 4 y 5 se
encuentra ubicado hacia la zona Sur Y Norte - El estrato 6 se encuentra
ubicado hacia la zona Oeste
## eigenvalue percentage of variance cumulative percentage of variance
## dim 1 0.29526876 65.338252 65.33825
## dim 2 0.13919088 30.800716 96.13897
## dim 3 0.01744831 3.861032 100.00000
## RESULTADOS
La aplicación conjunta del análisis de componentes principales (PCA), el análisis de conglomerados jerárquicos y el estudio de correlaciones permitió obtener una visión integral del mercado inmobiliario urbano. El PCA identificó que las variables físicas y estructurales —precio, área, estrato y dotación— concentran la mayor parte de la variabilidad de la oferta. El análisis de conglomerados segmentó las propiedades en tres grupos bien diferenciados, mientras que la correlación evidenció las relaciones más fuertes entre variables clave, reforzando la coherencia de la segmentación.
Los resultados evidencian que las características físicas y estructurales de las viviendas son los principales determinantes de la diferenciación entre clústeres, mientras que la ubicación geográfica y variables complementarias refuerzan la segmentación. Esta información, validada tanto por indicadores estadísticos como por representaciones gráficas y mapas de distribución, ofrece a la empresa una base objetiva para orientar sus decisiones estratégicas.
En consecuencia, se recomienda que la empresa incorpore esta segmentación en su planificación comercial, focalizando acciones de marketing, estrategias de adquisición y políticas de precios según el perfil de cada grupo identificado, fortaleciendo así su posicionamiento y capacidad de respuesta frente a cambios en el mercado.