Machine Learning

Algoritmos de Segmentación (Clustering) aplicado al Sector Inmobiliario

October 20, 2016

|Ramon Julià

En estos días se vuelve hablar en los medios de comunicación de un repunte de los precios del sector inmobiliario,  provocado por la falta de alternativas de inversión de bajo riego, ante la política de bajos tipos de interés que aplica el BCE.

Si un profesional del sector o un particular quisiese invertir en este sector, debería hacer un estudio de mercado para conocer cuales son los precios de compra y alquiler medios y así poder calcular la rentabilidad de su inversión.

Para ello dispone de diversas fuentes de información publicas y portales de alquiler y compra, donde se pueden encontrar los datos necesarios para realizar este estudio.

Veamos de un modo sintético que pasos debería realizar un inversor  para calcular el precio de compra optimo de un piso en Barcelona que luego pondría en alquiler.

En primer lugar seria necesario disponer de información sobre las ofertas de pisos en venta, con los precios, características principales y ubicación ( barrios / distritos).

En segundo lugar debería hacer un análisis similar focalizado en la oferta de pisos de alquiler.

Partiendo de estas fuentes de datos procederíamos a buscar los pares óptimos Compra-alquiler por tipología de vivienda, barrio etc. que nos proporcionasen un retorno de la inversión máximo.

Dado el gran volumen de datos disponibles para una  ciudad como Barcelona deberíamos aplicar técnicas avanzadas de segmentación ( clustering) .

Los algoritmos de segmentación (también conocidos como algoritmos de agrupamiento o, en inglés, clustering) tienen como objetivo entender las relaciones entre objetos,  considerando las maneras en las que estos son similares y diferentes. En  otras palabras, se enfoca en segmentar el conjunto completo de datos en  subgrupos homogéneos. A los objetos con cierta similaridad se los agrupa en cluster.

Si hacemos una primera aproximación al mercado de alquiler de pisos en Barcelona podemos partir de los anuncios insertados en el portal trovit.es en los últimos 30 días y agruparlos en subgrupos homogéneos  por tipología del piso, precio alquiler  y barrio.

Sobre las nuevas ofertas de alquiler publicadas en los últimos 30 días obtenemos, aplicando los algoritmos de segmentación,  los siguientes subgrupos homogéneos :

Barrio: Eixample Barcelona

Alquiler/mes: 1,099.17 €

Habitaciones: 2 hab

Baños: 1 wc

Superficie(m2): 68.74

Barrio: Sarria Sant Gervasi Barcelona

Alquiler/mes: 1,955.83 €

Habitaciones: 3 hab

Baños: 2 wc

Superficie(m2): 119.46

Barrio: Eixample Barcelona

Alquiler/mes: 4,093.93 €

Habitaciones: 4 hab

Baños: 3 wc

Superficie(m2): 233.85

 y así continuariamos hasta completar nuestro análisis para cada uno de los barrios de la ciudad de Barcelona.

Una vez disponemos de esta segmentaciones podemos centrar nuestro estudio de inversión sobre uno de los subgrupos .

Si tomamos el subgrupo Sarria Sant Gervasi veremos que para obtener una rentabilidad del 4% deberíamos adquirir un piso por un importe máximo de 586K€ con una superficie de unos 120m2 compuesto  de 3 habitaciones y 2 baños.

Para encontrar el piso optimo que cumpla estos requisitos aplicamos técnicas de aprendizaje automático ( Machine Learning) a las base de datos de pisos en Barcelona y generamos un modelo predictivo que nos proporciona la relación de pisos en venta que cumplen nuestro criterio de inversión.

Las técnicas de Clustering o segmentación se utilizan para realizar estudios de mercado, análisis de datos, caracterización de clientes en base a sus hábitos de consumo, clasificación de documentos , búsqueda de patrones y detección de anomalías.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *