Ciencia de datos al alcance de todos

El Co-Founder Carlos Sabogal, desarrolló el modelo de datos en su tesis de grado del Master en Frankfurt Alemania de Transformación Digital en el Goethe Business School y esta disponible para este modelo colaborativo Mi Llave.

El modelo de ciencia de datos

Se desarrolló un modelo de análisis de datos para optimizar la toma de decisiones en inversión inmobiliaria residencial usada, aplicado al mercado real de Bogotá.

A través de la metodología internacional CRISP-DM (Proceso intersectorial para minería de datos), se estructuró el proceso de scouting inmobiliario utilizando análisis exploratorio de datos, correlaciones, análisis factorial y regresión jerárquica sobre más de 6.000 apartamentos reales en venta.

 

El objetivo fue identificar qué atributos explican mejor dos variables críticas para el inversionista:

  • Precio por metro cuadrado, como indicador de valoración del activo

  • Diferencial de renta, como indicador de potencial de generación de flujo

Principales conclusiones

 

  • Los espacios funcionales son determinantes reales de valor.
    Parqueaderos, número de habitaciones y baños muestran alta correlación con el precio total y con la capacidad de generar renta.

  • La ubicación ampliada importa más que los acabados internos.
    Las características del sector y atributos estructurales como ascensor tienen mayor poder predictivo que elementosacabados.

  • La antigüedad no siempre penaliza como se percibe.
    Aunque influye en el precio por m², su impacto es menor al imaginado cuando el activo mantiene bien y tiene buena ubicación.

  • Un modelo estructurado reduce incertidumbre.
    El modelo explicó entre 33% y 36% de la variación en precio por m² y diferencial de renta, lo que representa un nivel significativo. Otro porcentaje se debe validar en campo.