En el sector inmobiliario, la fijación de precios es un desafío debido a la alta heterogeneidad de las viviendas. Tradicionalmente, la Regresión Lineal por Mínimos Cuadrados Ordinarios (OLS) modela el comportamiento del "inmueble promedio". Sin embargo, el promedio oculta la realidad de los extremos del mercado. Objetivo del Negocio El objetivo principal de este proyecto es desarrollar un modelo para la valoración inmobiliaria, superando las limitaciones de los modelos estadísticos tradicionales que se limitan a estimar el comportamiento promedio del mercado. Al modelar la sensibilidad del precio a través de toda su distribución, se busca transformar los datos históricos en inteligencia accionable para distintos actores del sector.

Para el desarrollo del presente estudio de mercado en la ciudad de Santiago de Cali, se adopta la metodología CRISP-DM (Cross Industry Standard Process for Data Mining) que a diferencia de los enfoques convencionales, integra una estructura que asegura la alineación del ciclo de vida de los datos con las exigencias de Termos Cali SAS. Esta metodología facilita una comprensión del problema de negocio y un tratamiento de la información, permitiendo la generación de conocimiento accionable para la toma de decisiones.

El propósito fundamental de este estudio es resolver este problema de negocio haciendo uso de la reducción de la dimensionalidad para analizar las estructuras subyacentes en la gran cantidad de variables que se pueden obtener para abordar este problema, se busca construir a partir del análisis un serie de estrategias que puedan ser implementadas en la organización, buscamos transformar los datos en decisiones que optimicen los costos de funcionamiento y se asegure la sostenibilidad a largo plazo del negocio. El objetivo es permitir la transformación de políticas generales a planes de carrera, beneficios e incentivos personalizados, que permitan ir a la raíz de la deserción de los empleados en la organización. Para lograrlo, articulamos un objetivo complementario: Se hará una reducción de la complejidad de las 35 variables originales reduciéndolas a 2 Componentes Principales que capturen la mayor varianza posible. Posteriormente, aplicaremos técnicas de Clustering sobre este espacio reducido para segmentar a los empleados de manera eficiente.

El documento es un informe de análisis exploratorio de datos que investiga la existencia y las causas de la diferencia salarial entre profesores hombres y mujeres en una universidad de los EE. UU. durante el periodo 2008-09