Published April 19, 2023 | Version v1
Dataset Open

Dataset: Análisis de alquiler de inmuebles de la ciudad de Lima-Perú a través de la plataforma Properati

Description

Práctica 1: M2.851 - Tipología y ciclo de vida de los datos

Desarrollado por Félix Mucha y Jose Enriquez

Descripción

El proyecto desarrollado se conecta a un portal inmobiliario, que contiene características de inmuebles disponibles para alquiler. La información por recuperar contendrá, ubicación, precios y número de habitaciones como variables principales. Después de realizar el scraper del portal se almacenará en formato CSV, para que después se realice el análisis.

Datos extraídos

Por cada inmueble se tendrá los datos siguientes:

  • title: título del anunció de alquiler.
  • location: dirección del inmueble.
  • price: pecio de alquiler.
  • bedroom: número de habitaciones.
  • bathroom: número de baños.
  • area: área del inmueble.
  • year_contruction: año de construcción.
  • maintenance: costo de mantenimiento en el edificio del inmueble.
  • housing_type: tipo de inmueble.
  • operation_type: tipo de operación alquiler o venta. En nuestro caso solo es alquiler.
  • date_pub: fecha de publicación del anuncio.
  • url: link para acceder al inmueble.

Analizando las variables podemos obtener:

  • Análisis de precios. - Ayuda a los propietarios o corredores de alquiler de propiedades asignar precios adecuados y competitivos.
  • Análisis de preferencias. - Permite a los propietarios realizar adecuaciones a los inmuebles teniendo en cuenta la temporalidad y condiciones económicas.
  • Análisis de la oferta. - Ayuda a tener la información al propietario de la disponibilidad de inmuebles a alquilar de otros inmuebles similares.
  • Análisis de la demanda de propiedades. - Nos permite determinar la demanda de propiedades en distintos distritos de Lima e identificar aquellos con mayor demanda.
  • Análisis de marketing. – Permite evaluar el alcance y la efectividad de los canales de marketing y publicidad.

Files

dataset.csv

Files (515.1 kB)

Name Size Download all
md5:66eb8fadacfb69ecddad6ca4ba90cd92
316.3 kB Preview Download
md5:d95552179b32d355c0a09196b7711789
198.8 kB Preview Download

Additional details

References

  • Lawson, R. (2015). Web Scraping with Python. Packt Publishing Ltd. Chapter 2. Scraping the Data.
  • Subirats, L., Calvo, M. (2018). Web Scraping. Editorial UOC.
  • Masip, D. (2019). El lenguaje Python. Editorial UOC.
  • Simon Munzert, Christian Rubba, Peter Meißner, Dominic Nyhuis. (2015). Automated Data Collection with R: A Practical Guide to Web Scraping and Text Mining. John Wiley & Sons.