House Rocket Company é uma empresa que trabalha com compra e venda de imóveis, com especialização no setor de análise e consultoria de dados para realização de transações financeiras no setor de acordo com margens de lucro previstas mediante insights quando do estudo das características dos imóveis feitos em dada região.
*Este é um projeto fictício. A empresa, o contexto e as perguntas de negócios não são reais.
O time de negócios irá trabalhar seguindo a estratégia de comprar boas casas em ótimas localizações com preços baixos e revendê-las posteriormente à preços mais altos. Quanto maior a diferença entre compra e venda, maior o lucro/receita gerado para a empresa
De forma a direcionar as análises, o time de negócios deve responder a 2 perguntas base que servirão de parâmetro para a análise dos dados:
-
Quais casas o CEO da House Rocket deveria comprar e por qual preço de compra?
-
Uma vez a casa em posse da empresa, qual melhor momento para vendê-las e qual seria o preço de venda?
O conjunto de dados que representam o contexto está disponível na plataforma Kaggle pelo link: House Sales Prediction
Esse conjunto de dados contém casas vendidas entre Maio de 2014 e Maio de 2015. Serão estes os dados usados para o desenvolvimento das hipóteses de projeto.
| Atributos | Significado |
|---|---|
| id | Numeração única de identificação de cada imóvel |
| date | Data de venda da casa |
| price | Preço que a casa está sendo vendida para o proprietário |
| bedrooms | Número de quartos |
| bathrooms | Número de banheiros (0.5 = banheiros em um quarto, mas sem chuveiro) |
| sqft_living | Medida (em pés quadrados) do espaço interior dos apartamentos |
| sqft_lot | Medida (em pés quadrados) do espaço terreste |
| floors | Número de andares do imóvel |
| waterfront | Variável que indica a presença ou não de vista para água (0 = não, 1 = sim) |
| view | Um índice que indica de 0 a 4 a qualidade da vista da propriedade. Varia de 0 a 4, onde: 0 = baixa, 4 = alta |
| condition | Um índice de 1 a 5 que indica a condição (integridade) da casa, onde 1 = Muito Ruim e 5 = Muito boa |
| grade | Um índice de 1 a 13 que índica a complexidade de construção e design do edifício, onde 1 |
| sqft_basement | A metragem quadrada do espaço habitacional interior acima do nível do solo |
| yr_built | Ano de Construção de cada imóvel |
| yr_renovated | Ano de Reforma de cada imóvel |
| zipcode | CEP da casa |
| lat | Coordenada geográfica de Latitude do imóvel |
| long | Coordenada geográfica de Longitude do imóvel |
| sqft_living15 | Medida (em pés quadrados) do espaço interno da habitação para os 15 vizinhos maix próximos |
| sqft_lot15 | medida (em pés quadrados) dos lotes de terra dos 15 vizinhos mais próximos |
Os dados do dataframe original compreendem majoritariamente 2 tipos númericos: int64 e float64. Nota-se que os dados nominais (Ex: Colunas 'Waterfront', 'view', 'condition' e 'grade') já estão contabilizadas após um processo de encoding, encaixando-se portanto dentro de uma das categorias numéricas citadas (int64).
A única exceção observada em relação aos tipos de dados do dataframe original é a coluna 'date', referente a data de registro do imóvel a venda. Originalmente, os dados contam como tipo 'object', necessitando portanto de alteração para o formato de data de acordo com o formato 'ano-mês-dia', conforme explicitado na figura a seguir:
Tal formato para data foi adotado uma vez que os dados contidos nessa coluna compreendem o período entre Maio de 2014 e Maio de 2015, fazendo-se necessária a análise através da diferenciação das instâncias pelos seus respectivos meses e dias. Tal alteração não foi necessária para os tipos de dados contidos nas colunas 'yr_built' e 'yr_renovated' (Ano de construção e Ano de renovação, respectivamente), uma vez que basta a diferenciação pelo valor do ano indicado, o qual a formatação em tipo 'int64' satisfaz os requisitos necessários para análise.
As seguintes premissas foram consideradas para o projeto:
- Os valores iguais a zero em yr_renovated são casas que nunca foram reformadas.
- O valor igual a 33 na coluna bathroom foi considerada um erro e por isso foi delatada das análises
- A coluna price significa o preço que a casa foi / será comprada pela empresa House Rocket
- Valores duplicados em ID foram removidos e considerados somente a compra mais recente
- A localidade e a condição do imóvel foram características decisivas na compra ou não do imóvel
- A estação do ano foi a característica decisiva para a época da venda do imóvel
As etapas para solucionar o problema de negócio seguem:
- Coleta de dados via Kaggle
- Entendimento de negócio
- Tratamento de dados (Transformação de Variáveis e Limpeza de Dados)
- Exploração de dados
- Responder problemas do negócio
- Resultados para o negócio
- Conclusão
| Hipótese | Resultado | Tradução para Negócio |
|---|---|---|
| H1 - Imóveis com vista para a água são em média 30% mais caros | Verdadeiro | Investir em Imóveis sem vista para água |
| H2 - Imóveis com data de construção menor que 1955, são 50% mais baratos, na média | Falso | O investimento em imóveis não depende de sua data de construção |
| H3 - Imóveis com porão são em média 20% mais caros que imóveis sem porão. | Verdadeiro | Investir em imóveis sem porão |
| H4 - O crescimento do preço dos imóveis mês após mês no ano de 2014 é de 10% | Falso | Investir em imóveis durante o período dos meses de Setembro (Mês 09) e Março (Mês 03) |
| H5 - Imóveis com boa avaliação arquitetônica ( 'grade' >= 7) são em média 50% mais caros que os demais | Verdadeiro | Investir em imóveis com média-baixa avaliação |
| H6 - Imóveis Renovados são em média 30% mais caros | Verdadeiro | Investir em imóveis antigos e não renovados para reformá-los para venda |
| H7 - Imóveis com mais banheiros são em média 5% mais caros | Falso | Não há uma relação linear entre as váriaveis de preço do imóvel e número de banheiros |
| H8 - Imóveis são vendidos com maior frequência na primavera, totalizando aumento de até 50% no montante do valor de preços vendidos | Verdadeiro | Investir em imóveis durante os meses 09 a 03 para compra, e dos meses 04 a 07 para venda. |
| H9 - Imóveis são vendidos, em média, a preços 50% maiores durante a estação de mais alta procura (verão) em comparação ao período de menor procura (inverno) | Falso | O valor do preço médio dos imóveis não é afetado no decorrer das estações. |
| H10 - Imóveis diferem de até 70% no valor de preço de venda entre a região mais cara e a sua região vizinha | Verdadeiro | Priorizar investimento em regiões mais afastadas da região comercial de Seattle (Lake Washington). |
Seguem os insights mais relevantes para o projeto:
- H1. Imóveis com Vista para água são mais caros. Verdadeiro: A vista para água eleva o preço do imóvel, sendo o parâmetro com maior correlação de influência com o preço de venda.
- H3. Imóveis com porão são mais caros. Verdadeiro: O preço médio dos imóveis são consideravelmente maiores quando o imóvel possui porão.
- H5. Imóveis com boa avaliação arquitetônica ('grade' >= 7) são em média 50% mais caros que os demais. Verdadeiro: A Avaliação influencia drasticamente no preço do imóvel, tornando mais rentável o investimento em imóveis com avaliação entre 0 e 6.
- H6. Imóveis renovados são até 35% mais caros Verdadeiro: A renovação de imóveis influencia no preço médio dos imóveis. Notar que a data de renovação exerce pouca influência no valor do preço.
- H8 e H9. Crescimento do preço mês após mês em 2014 é de 10%. Falso: Observa-se um decaimento no somatório do valor arrecadado em vendas (registros) da primavera ao inverno. A média de preços dos imóveis se mantém estável ao longo das estações do ano.
O resultado da seleção final para imóveis que atendem aos insights obtidos pela validação de hipóteses, fez-se a filtragem do dataset original (21613 imóveis) para as características:
- Sem vista para água;
- Sem porão;
- Avaliação entre 0 e 6;
- Imóveis não renovados;
- Compra de Imóveis entre os meses de Outubro/2014 a Maio/2015
Com isso, obtemos um dataset resultante de 832 imóveis recomendados para compra. O mapa comparativo da localização desses imóveis presentes na base de dados segue:
Dos imóveis recomendados para compra (837 entradas), obteve-se um valor médio de preço de imóvel de U$246.000,00. Considerando uma estimativa simples de 30% de lucro na revenda de imóveis com preço de venda abaixo desse valor médio, e lucro de 10% sobre imóveis com valor acima ao preço médio, totalizou-se uma estimativa de U$38.092.369,00 de rentabilidade final sobre todos os ióveis analisados.
De forma a permitir que os resultados testados sejam escaláveis para aplicação ao problema de negócio, optou-se por disponibilizar a visualização da aplicação através de um aplicativo web construído através da biblioteca python Streamlit. A capacidade de modularização da aplicação criada permite que o solicitante do problema de negócio possa customizar a exploração banco de dados através da aplicação de filtros em tempo real, possibilitando a visualização rápida de insights que podem ser aplicados em ciclos posteriores de desenvolvimento para geração de valor à empresa, bem como servir de ferramenta visual para a validação das hipóteses formuladas a partir dos insights já criados. Para abranger a maior parte das características das casas registradas no banco de dados, foram disponibilizados os seguintes filtros interativos:
- Filtragem dos imóveis por um ou mais códigos postais (Visualização em Tabela)
- Filtragem de um ou mais atributos (colunas) dos imóveis (Visualização em Tabela)
- Filtragem de métricas dos valores médios referentes ao preço, tamanho da sala de estar, preço/m² para a totalidade de imóveis em cada região de código postal (Visualização em Tabela)
- Análise de métricas descritivas dos atributos numéricos (quantitativos) dos imóveis (Visualição em tabela dos valores referentes aos valores máximo, mínimo, média, mediana e Desvio Padrão de cada atributo)
- Mapas com plotagem dos imóveis, mostrando a densidade da quantidade de imóveis por região e também a densidade de preço de venda por região (Visualização em Mapa)
- Checagem da variação anual de preço de imóvel, de acordo com o ano de construção de cada imóvel. (Visualização através de gráfico com a curva de preço de vendas ao longo do tempo de construção do imóvel)
- Checagem da variação diária do preço de venda. (Visualização através de gráfico com a curva do preço de venda ao longo das datas de postagem do anúncio ao longo dos dias entre os imóveis registrados - compreendem o período entre Maio de 2014 e Maio de 2015)
- Verificação da distribuição quantitativa de imóveis agrupados por faixa de preço, número de quartos, número de banheiros, número de andares, e vista para água (Visualização em gráfico de Barras, destacando as proporções das contagens)
A aplicação fica hospedada no link a seguir, com funcionamento 24/7, garantindo agilidade ao time de negócios.
| Click no botão abaixo para visualizar o site |
|---|
 |
Conforme verificado, o projeto atendeu a demanda inicial: a de indicar imóveis do banco de dados com boa possibilidade de lucro em sua revenda. Também vale destacar que a solução criada também permite que o time de negócio possa estabelecer as métricas de análise desejadas com alto grau de customização com a aplicação criada via Streamlit, proporcionando mais agilidade ao processo de tomada de decisões.
- Priorizar a entrega de valor para agilização do processo de tomada de decisão por parte do time de negócios
- Construção de uma aplicação em web para visualização, garantindo a sua estabilidade, facilidade de uso e entendimento
- Com as Hipóteses validadas, investigar através de seu feedback a correlação dos atributos dos imóveis com o preço de venda.
- Implementar novas hipóteses conforme insights e conhecimentos do time de negócios.
- Python 3.9.15, Pandas, Numpy , Matplotlib, Geopandas e Seaborn
- Jupyter Notebook e VS Code
- Streamlit Cloud
- Git e GitHub
- Análise Exploratória de Dados
ou
