Skip to content

Projeto_01_DS - Os dados foram obtidos do arquivo kc_house_data.csv. Foram selecionados os imóveis que tiveram uma valorização menor ou igual a 100%, que representa 67,93% do Data Frame.

License

Notifications You must be signed in to change notification settings

FernandoAndrada/Project-01-DS

Repository files navigation

Project 01 -DS

Houses in Houses DS

housesinhouses

1 - O que buscamos?

Encontrar as melhores oportunidades de compra de imóveis do portfólio da House Rocket.

Visando ajudar o CEO em suas decisões de compra e venda dos imóveis dispostos neste portfólio, criamos algumas ferramentas para aprimorar sua tomada de decisões.

2 - Os dados:

Os dados foram obtidos do arquivo kc_house_data.csv. Foram selecionados os imóveis que tiveram uma valorização menor ou igual a 100%, que representa 67,93% do Data Frame.

3 - A solução:

Após separarmos os dados, temos dez hipóteses para confirmar, destas 10 vamos separar as cinco principais logo abaixo. Em seguida comparamos os Zipcodes mais e menos valorizados. Entre os mais valorizados, separamos os imóveis que estão abaixo do valor da mediana do m² e estão com a condição de conservação maior ou igual a 3, estes imóveis estão recomendados para a compra. Entre os menos valorizados, definimos alguns imóveis para venda imediata, os quais tiveram uma desvalorização de quase 90% nos últimos anos. E por fim, dentre os imóveis recomendados para compra, também com base na mediana, informamos o valor do acréscimo possível para venda, 10 ou 30%. 10% para imóveis com valor superior ao valor da mediana; 30% para imóveis com valor inferior ao valor da mediana.

4 - Os 3 principais insights dos dados:

  • O Zipcode que está com tendência de alta é o 98039, e os imóveis com maior potencial de ganho foram baseados na vista e nas boas condições do imóvel. mapa1

  • Enquanto que o Zipcode 98168 teve perdas anuais de quase 100%. mapa2

  • Entre os imóveis com Zipcode de maior valorização, foram separados 10 imóveis com chances de ter um preço menor que a média ter vista e estar em bom estado de conservação, o que traria um bom retorno financeiro.

5 - Resultados financeiros para o negócio:

Com base em uma tabela com recomendação de compra, separamos entre os imóveis recomendados para compra, e com base em sua mediana sugerimos 10% ou 30% de acréscimo em sua venda. Com isso a empresa teria de 10% a 30% de aumento em seu faturamento.

6 - Conclusão:

No Data Frame fornecido, existem imóveis com potencial de gerar um aumento de faturamento entre 10 a 30% para esta empresa.

7 - Próximos passos

Estes foram os primeiros insights neste Data Frame, teríamos que aprimorar nossos códigos e mapas, bem como adicionar alguns gráficos para melhor visualização e consequentemente melhor tomada de decisão.

About

Projeto_01_DS - Os dados foram obtidos do arquivo kc_house_data.csv. Foram selecionados os imóveis que tiveram uma valorização menor ou igual a 100%, que representa 67,93% do Data Frame.

Resources

License

Stars

Watchers

Forks