Skip to content

nathaliaop/house-rocket-real-state

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

20 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

HouseRocket

Streamlit Version Python Version Jupyter Version Heroku Version

💻 Conteúdos


🏠 Sobre o projeto

House Rocket Real State é um projeto para a análise de dados de uma empresa fictícia que lucra com a compra e venda de imóveis em Seattle. Por meio da análise de dados de várias casas em Seattle, um sistema de recomendação de compra e venda de imóvies foi montado, assim como um dashboard comparando diversos fatores que podem afetar o valor dos imóveis.


🚀 Como executar

O deploy do projeto pode ser acessado nesse link, mas também é possível executá-lo localmente seguindo os passos a seguir.

Pré-requisitos

Antes de começar, você vai precisar ter instalado em sua máquina as seguintes ferramentas: Git e Python.

🎲 Rodando localmente

# Clone este repositório
$ git clone https://github.com/nathaliaop/house-rocket-real-state.git

# Acesse a pasta do projeto no terminal/cmd
$ cd house-rocket-real-state

# Instale as dependências
$ pip install

# Execute o projeto no streamlit
$ streamlit run projeto_insights.py

# O servidor iniciará na porta:8501 - acesse http://localhost:8501 

❓ Questão de negócio

Devido aos diferentes fatores que podem influenciar no valor de um imóvel, a House Rocket tem dúvidas se está realmente comprando e vendendo os imóveis de forma a gerar o maior lucro possível. Além disso, devido à grande quantidade de opções disponíveis, analisar todas as opções manualmente demandaria muito tempo. A análise de dados feita tem como objetivo auxiliar a House Rocket na tomada de decisão organizando os dados de forma que os imóveis mais promissores para a compra e venda estejam de fácil acesso.


♟️ Premissa de negócio

A fim de encontrar os melhores imóveis, o tratamento de dados foi feito desconsiderando 10% dos valores mais extremos para que o cálculo das porcentagens não fosse afetado por outliers. Além disso, as médias foram calculadas considerando a região onde a casa está localizada e a estação do ano na qual a compra ou venda será realizada.


📝 Planejamento da solução

O projeto consiste em organizar duas tabelas: recomendações de compra e recomendações de venda. A primeira tem o identificador, localização e preço de compra de casas que estejam em boas condições, tenham vista para a água e estejam abaixo do preço médio da região. A segunda tem o identificador, localização e preço de venda de 10% do valor original caso a casa esteja acima do preço médio da região e 30% do valor original caso a casa esteja abaixo do preço médio da região. Além disso, algumas hipóteses comparando características dos imóveis foram testadas.

Resultado das hipóteses:

  • ❌Hipótese 1 - Imóveis que possuem vista para água são 30% mais caros.
    • São 218.16% mais caros. Esses imóveis são bem mais caros do que o estimado.
  • ❌ Hipótese 2 - Imóveis com data de construção menor do que 1955 são 50% mais baratos.
    • São 0.32% mais baratos. A diferença de preço é baixa, ao contrário do estimado.
  • ❌ Hipótese 3 - Imóveis sem porão são 50% maiores do que imóveis com porão.
    • São 3.92% maiores. A diferença de tamanho é baixa, ao contrário do estimado.
  • ❌ Hipótese 4 - O crescimento do preço dos imóveis YoY ( Year over Year ) é de 10%.
    • Na verdade, houve um descrescimento de -10.45% entre os anos de 2014 e 2015.
  • ❌ Hipótese 5 - Imóveis com 3 banheiros tem um crescimento MoM ( Month over Month ) de 15%.
    • O crescimento foi de 6.09% entre os meses de janeiro e fevereiro de 2015. Assim, o crescimento foi um pouco menor do que o estimado.
  • ✅ Hipótese 6 - Imóveis com porão são 20% mais caros.
    • São 23.00% mais caros, aproximadamente o valor estimado.
  • ✅ Hipótese 7 - Mais de 80% de imóveis construídos há mais de 10 anos não estão em boas condições.
    • 92.13% não estão em boas condições.
  • ❌ Hipótese 8 - Imóveis vendidos durante o inverno são 10% mais baratos.
    • São 5.15% mais baratos. A diferença de preços de venda no inverno é menor do que o estimado.
  • ❌ Hipótese 9 - 70% dos imóveis com vista para a água não tem porão.
    • 39.88% não tem porão. O valor é bem menor do que o estimado.
  • ✅ Hipótese 10 - Imóveis que foram renovados a menos de 3 anos são 30% mais caros.
    • São 27.72% mais caros, aproximadamente o que foi estimado.
  • ✅ Hipótese 11 - Imóveis com mais de 2 andares são 40% mais caros.
    • São 36.66% mais caros, aproximadamente o que foi estimado.
  • ❌ Hipótese 12 - 80% dos imóveis com mais de 50 metros quadrados na sala de estar tem preço acima da média da região.
    • 39.16% tem preço acima da média da região. O valor é bem menor do que o estimado.

💡 5 principais insights nos dados

  • Imóveis com vista para a água são uma boa opção de compra, pois são bem mais valorizados.
  • Imóveis com porão são uma boa opção de compra, pois são um pouco mais valorizados.
  • Imóveis construídos há mais de 10 anos devem ser evitados, pois a grande maioria não está em boas condições.
  • Imóveis que foram renovados a menos de 3 anos são uma boa opção de compra, pois são mais valorizados.
  • Imóveis com mais de 2 andares são uma boa opção de compra, pois são mais valorizados.

💰 Resultados financeiros para o negócio

O lucro aproximado de trezentos e quarenta e um mil oitocentos e quarenta e sete reais e sessenta centavos (R$ 341.847,60) foi calculado por meio da diferença entre o valor das casas recomendadas para a compra e o valor de venda dessas casas.


✅ Conclusão

Em resumo, foi possível concluir que imóveis com vista para a água, com porão e mais de dois andares são bem valorizados, enquanto o tamanho da sala de estar não tem tanto impacto no preço. Imóveis construídos há mais de dez anos devem ser evitados por não estarem boas condições a não ser que tenham sido renovados há menos de 3 anos, pois imóveis renovados recentemente também tendem a ser valorizados. Comprar imóveis antigos para renóva-los e então revender pode ser uma boa opção de negócio e merece investigação e análise futura.


🦸 Autora

Github Profile Picture

Nathália Oliveira Pereira

About

Projeto de análise de dados de imóveis em Seattle

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published