El sector inmobiliario requiere un mejor aprovechamiento de la ciencia de datos y los datos masivos, con el fin de favorecer la gestión informada y la toma de decisiones. El presente estudio tiene como objetivo describir un sistema (Statihouse®) que caracteriza estadísticamente propiedades en venta y predice su precio de oferta (en tiempo real o cercano), empleando datos masivos de la internet, ciencia de datos y una aplicación web. Se expone el desarrollo del sistema, enfatizando sobre sus características técnicas, los procesos y subprocesos, y la visualización para el usuario. Se presentan ejemplos de visualización, aportando resultados derivados de una muestra de 24.935 casas usadas, ofrecidas para la venta en Colombia (periodo enero 2017 – mayo 2017), los cuales fueron contrastados con algunos referentes a modo exploratorio. Este sistema resulta novedoso, pues no se encontraron antecedentes que ejecuten de forma automática desde la recolección de datos web, hasta la visualización (en tiempo real o cercano), con un alcance multitareas (descriptivo, comparativo, evolutivo, correlacional y predictivo) en el sector inmobiliario, con enfoque en la propiedad. Este sistema evidencia un caso de éxito de la ciencia de datos en el sector inmobiliario y sirve de guía y estímulo para nuevos desarrollos.
INTRODUCCIÓN
El estudio del mercado inmobiliario es un tema de interés creciente para las naciones, por las implicaciones prácticas que este genera en diversos grupos organizacionales (valuadores, agremiaciones de bienes raíces, órganos de catastro, sectores de construcción,…). La principal variable de análisis en dicho contexto ha sido el precio, pues es reconocida como la proxy más razonable del constructo “valor” del inmueble 1. El enfoque metodológico tradicional ha sido la regresión hedónica 2-4. Su lógica es explicar el precio usando modelos econométricos cuyas covariables son atributos del bien o su entorno, para los cuales se asume que van adicionando “valor” al inmueble de forma individual. Este enfoque exige el cumplimiento de los supuestos básicos de la regresión (normalidad, homocedasticidad, independencia entre observaciones, ausencia de colinealidad), pero generalmente no se cumplen, exigiendo adecuaciones (Ej: transformaciones de variables) (4-5, 1).
El enfoque de regresión de precios hedónicos ha servido de base para proponer innumerables modelos, que en su mayoría se han centrado sobre atributos observables (no constructos) como covariables (Ej: 6-7). Según Malpezzi, entre los predictores comúnmente usados, están: área construida, número de baños, número de habitaciones 8. Estos predictores particulares se muestran correlacionados, lo cual puede generar riesgos de colinealidad.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Una Red de Superposición Jerárquica Estructurada Persistente para Contrarrestar Ataques de Rotación Intencional.
Artículo:
Diseño de control por retroceso no lineal para sistemas no lineales acoplados bajo perturbaciones externas
Artículo:
TS-PADM: Modelo de Detección de Anomalías de Sensores Inalámbricos Basado en Puntos de Características Espacio-Temporales
Artículo:
WATI: alerta de incidentes de tráfico para ahorrar combustible
Artículo:
El Modo de Descarga de Tráfico Híbrido para Redes de Comunicación Resilientes ante Desastres Basado en la Movilidad del Usuario
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.