Roof Imóveis:

Índice

• Contextualização
• Metodologia Aplicada
• Entendimento do Negócio Aplicada
  • Metricas
• Entendimento dos Dados
  • Variáveis
  • Variáveis Escolhidas
• Preparação dos Dados
  • Alterando para int a coluna bathrooms
  • Alterando para int a coluna floors
  • IDs repetidos
  • As 5 cidades com a maior concentração de imóveis
  • As 5 cidades com o ft2 mais caro
  • As 5 cidades com os maiores terrenos
• Modelagem
  • Ranqueamento das lojas
• Avaliação
• Implantação
• Conclusão
  • Os 5 recomendados
  • Os 5 que NÃO recomendados
• Ambiente virtual e Dependências

Contextualização:

Roof Imóveis é uma das maiores empresas do ramo imobiliário Brasileiro e quer expandir sua área de atuação fazendo um investimento internacional, com isso, ela contratou você para uma consultoria estratégica. A empresa irá investir em imóveis no Condado de County, nos Estados Unidos.

Metodologia Aplicada:

A análise foi realizada utilizando o modelo CRISP-DM, o CRISP-DM (Cross Industry Standard Process for Data Mining) é um modelo padrão de processo para projetos de mineração de dados que define um conjunto de fases e tarefas que devem ser executadas para desenvolver soluções de mineração de dados efetivas.

O modelo CRISP-DM é uma abordagem sistemática e estruturada para a mineração de dados que ajuda as empresas a desenvolver soluções de mineração de dados de maneira eficiente e eficaz, reduzindo o tempo e os custos do projeto.

Entendimento do Negócio:

A Roof Imóveis busca expandir sua atuação no mercado imobiliário internacional e contratou uma consultoria estratégica para investir em imóveis no Condado de King, nos Estados Unidos.

Metricas:

1. Localização: o imóvel deve estar em uma das 10 cidades mais populosas de Washington.
2. Valor do metro quadrado: deve ser menor que a média da cidade.
3. Preço: deve ser menor que a média da cidade.
4. Condição do imóvel: a condição do imóvel deve ser igual a 5.
5. Tamanho do terreno: deve ser maior que a média da cidade.
6. Quantidade de quartos: deve ser maior que a média da cidade.
7. Quantidade de banheiros: deve ser maior que a média da cidade.
8. Ano de construção: deve ser maior que 1980.

Entendimento dos Dados:

Variáveis:

Variáveis Escolhidas:

Preparação dos Dados:

Alterando para int a coluna bathrooms:

1. Ao iniciar a análise dos dados, deparei-me com a coluna "bathrooms" e percebi que havia informações referentes a casas com, por exemplo, 2.25, 4.50, 1.75 banheiros. Esses valores não faziam sentido para a minha análise. Então, optei por convertê-los em números inteiros. Lembrando que pesquisei e descobri que esses dados significam que o banheiro em questão não é completo, ou seja, possui todos os itens que um banheiro normalmente tem, exceto pelo chuveiro, a pia ou o vaso sanitário. Apesar disso, concluí que esses dados não eram relevantes para a minha análise.

Alterando para int a coluna floors:

2. Posteriormente, encontrei uma situação semelhante na coluna "floors", onde havia informações referentes a casas com 1.5, 2.5, 3.5 andares. Como essa coluna indicava o número de andares da casa, optei por convertê-los em números inteiros também.

IDs repetidos:

3. Ao analisar o data frame, identifiquei 353 imóveis que haviam sido vendidos mais de uma vez. Uma das métricas sugeridas foi a valorização desses imóveis. No entanto, optei por ignorar essa métrica por dois motivos. Primeiramente, uma valorização passada não necessariamente indica uma valorização futura. Além disso, dos 21613 imóveis analisados, apenas 353 haviam sido vendidos mais de uma vez. Portanto, optei por remover os IDs duplicados.

As 5 cidades com a maior concentração de imóveis:

As 5 cidades com o ft2 mais caro:

As 5 cidades com os maiores terrenos:

Modelagem:

Ranqueamento das lojas:

Por fim, mas não menos importante, criei um algoritmo de ranqueamento de imóveis. Esse algoritmo consiste em atribuir notas aos imóveis filtrados previamente. Cada critério estipulado tem um peso maior ou menor dependendo do caso, sendo que a nota máxima que um imóvel pode receber é 100.

Antes de atribuirmos notas aos imóveis, precisamos filtrar os dados. Como temos mais de 21 mil linhas, utilizei os seguintes filtros: condição mínima igual a 5, ano de construção maior ou igual a 1980, número de quartos maior ou igual a 1, número de banheiros maior ou igual a 1 e preço máximo menor ou igual a 1 milhão. Após a filtragem, chegou o momento de ranquear os imóveis.

Os critérios utilizados para ranqueá-los foram:

• A Localização, se o imóvel está dentro das 10 cidades mais populosas, ele ganha 30 pontos;
• O valor do ft2, se o imóvel estiver com um valor do ft2 abaixo da média da cidade, concluo que ele está subvalorizado e ganhará mais 30 pontos;
• O tamanho do terreno, se o imóvel for maior que a média da cidade, ganhará mais 20 pontos;
• O número de quartos, se o imóvel tiver mais quartos que a média da cidade, ganhará mais 10 pontos;
• O número de banheiros, se o imóvel tiver mais banheiros que a média da cidade, ganhará mais 10 pontos.

Critérios	Notas
Cidade	30
Valor do ft2	30
Tamanho do terreno	20
Quartos	10
Banheiros	10

Avaliação:

Para escolher os imóveis recomendados e não recomendados, utilizei os critérios definidos acima, como localização, valor do ft2, tamanho do terreno, número de quartos e número de banheiros.

No caso dos imóveis recomendados, escolhi aqueles com valores do pé quadrado abaixo da média da cidade e que estão localizados em Seattle, que é uma das 10 cidades mais populosas dos Estados Unidos. Além disso, todos os imóveis possuem tamanho do terreno maior que a média da cidade, número de quartos maior que a média da cidade e número de banheiros maior que a média da cidade, o que contribuiu para que esses imóveis recebessem notas altas no algoritmo de ranqueamento.

Já para os imóveis não recomendados, escolhi aqueles com valores do pé quadrado muito acima da média da cidade ou que estão localizados em cidades que não estão entre as 10 mais populosas dos Estados Unidos, como Vashon e North Bend. Além disso, esses imóveis possuem tamanho do terreno menor que a média da cidade, número de quartos menor que a média da cidade e número de banheiros menor que a média da cidade, o que contribuiu para que esses imóveis recebessem notas baixas no algoritmo de ranqueamento.

Implantação:

Para obtermos uma análise mais precisa, é necessário definir qual é o objetivo da compra do imóvel: revenda, aluguel ou uso próprio. Além disso, é importante identificar o público-alvo, como casais sem filhos, casais com filhos, solteiros ou estudantes. Também é necessário definir o tipo de imóvel desejado, se é de alto padrão ou popular, e qual o valor máximo do investimento.

Em relação aos dados, seria mais simples se tivéssemos acesso ao valor do metro quadrado por cidade. É importante observar se os imóveis recomendados estão bem localizados, por exemplo, se há escolas próximas e se estão próximos ao centro da cidade, entre outros fatores.

Conclusão:

Os 5 recomendados:

1. O imóvel de ID: 2144800146 está localizado em Seattle, sendo vendido por $257500.0 com valor do pé quadrado de $27.587315191772017, tamanho do terreno de 9334, 3 quarto(s) e 2 banheiro(s), com área habitável de 1300.

2. O imóvel de ID: 3348401382 está localizado em Seattle, sendo vendido por $318000.0 com valor do pé quadrado de $25.11451587426947, tamanho do terreno de 12662, 3 quarto(s) e 2 banheiro(s), com área habitável de 1690.

3. O imóvel de ID: 2826049260 está localizado em Seattle, sendo vendido por $482500.0 com valor do pé quadrado de $63.270390768423816, tamanho do terreno de 7626, 4 quarto(s) e 3 banheiro(s), com área habitável de 1630.

4. O imóvel de ID: 4022902715 está localizado em Seattle, sendo vendido por $525000.0 com valor do pé quadrado de $51.08494696895981, tamanho do terreno de 10277, 5 quarto(s) e 3 banheiro(s), com área habitável de 2480.

5. O imóvel de ID: 5067400032 está localizado em Seattle, sendo vendido por $550000.0 com valor do pé quadrado de $38.19444444444444, tamanho do terreno de 14400, 3 quarto(s) e 2 banheiro(s), com área habitável de 3070.

Os 5 que NÃO recomendados:

1. O imóvel de ID: 3523029059 está localizado em Vashon, sendo vendido por $181000.0 com valor do pé quadrado de $16.748403812343852, tamanho do terreno de 10807, 2 quarto(s) e 1 banheiro(s), com área habitável de 1560.

2. O imóvel de ID: 913000340 está localizado em Seattle, sendo vendido por $252000.0 com valor do pé quadrado de $153.84615384615384, tamanho do terreno de 1638, 1 quarto(s) e 1 banheiro(s), com área habitável de 680.

3. O imóvel de ID: 9407110710 está localizado em North Bend, sendo vendido por $322000.0 com valor do pé quadrado de $38.333333333333336, tamanho do terreno de 8400, 3 quarto(s) e 1 banheiro(s), com área habitável de 1510.

4. O imóvel de ID: 2028700265 está localizado em Seattle, sendo vendido por $505000.0 com valor do pé quadrado de $132.33752620545073, tamanho do terreno de 3816, 2 quarto(s) e 1 banheiro(s), com área habitável de 1310.

5. O imóvel de ID: 4083802195 está localizado em Seattle, sendo vendido por $578888.0 com valor do pé quadrado de $144.722, tamanho do terreno de 4000, 2 quarto(s) e 2 banheiro(s), com área habitável de 1060.

Ambiente virtual e Dependências:

Criando ambiente virtual:

python3 -m venv core/.venv

Entrando no ambiente virtual:

source core/.venv/bin/activate

Instale as dependências:

pip install -r core/requirements.txt

---

Linkedin: https://www.linkedin.com/in/samuel-barbosa-dev/

E-mail: samueloficial@protonmail.com