Aplicación de técnicas de Data Analytics: Clustering y Regresión Lineal Múltiple, para la segmentación de la oferta y proyección de ciclos inmobiliarios en el mercado de oficinas prime

dc.contributor.advisorSilva Alarco, Luciano
dc.contributor.authorJhon Rios, Luis Priamo
dc.date.accessioned2023-02-13T21:33:21Z
dc.date.available2023-02-13T21:33:21Z
dc.date.created2022
dc.date.issued2023-02-13
dc.description.abstractEl presente trabajo de investigación desarrolla la aplicación de las técnicas clustering (clúster) y regresión lineal múltiple, para la segmentación de la oferta y proyección de ciclos inmobiliarios en el mercado de oficinas prime. Estas herramientas corresponden al ámbito de data analytics (análisis de datos), el cual consiste en el procesamiento y ejecución de análisis estadísticos en conjuntos de datos de entrada, los cuales para el caso de esta investigación, corresponden a información de indicadores del mercado inmobiliario de oficinas en los últimos 10 años. En primer lugar, la aplicación de la técnica descriptiva de clúster, permitirá segmentar el mercado inmobiliario de oficinas, agrupando las diferentes edificaciones según sus características afines, generando una segmentación que permita profundizar un mejor entendimiento de la oferta existente y de esta manera optimizar las estrategias de comercialización utilizadas por los agentes del mercado. En segundo lugar, utilizando la información histórica de los principales indicadores inmobiliarios, se plantea la construcción de un modelo predictivo de regresión múltiple que permitirá proyectar el comportamiento de la oferta y demanda del mercado, estimando de esta manera la fase del ciclo inmobiliario que atraviesa el mercado: expansión, sobreoferta, re1cesión o recuperación. Para desarrollar el presente trabajo, se realizó la revisión bibliográfica de las principales investigaciones que aplican modelos de clúster y regresión lineal múltiple, considerando también que el contenido puede resultar útil para la toma de decisiones de inversionistas, empresas desarrolladoras y analistas comerciales del sector inmobiliario, puesto que les permitirá deslumbrar tendencias en el mercado y les servirá como ayuda para determinar cuáles son los momentos adecuados para invertir en un nuevo proyecto inmobiliario y/o comercializar un contrato de arrendamiento de oficinas.es_ES
dc.identifier.urihttp://hdl.handle.net/20.500.12404/24252
dc.language.isospaes_ES
dc.publisherPontificia Universidad Católica del Perúes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/closedAccesses_ES
dc.subjectAnálisis de datoses_ES
dc.subjectAnálisis de regresiónes_ES
dc.subjectProyectos inmobiliarios--Administraciónes_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.11.04es_ES
dc.titleAplicación de técnicas de Data Analytics: Clustering y Regresión Lineal Múltiple, para la segmentación de la oferta y proyección de ciclos inmobiliarios en el mercado de oficinas primees_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
renati.advisor.dni40604287
renati.advisor.orcidhttps://orcid.org/0000-0002-3395-3129es_ES
renati.author.dni42898926
renati.discipline722057es_ES
renati.jurorCarbajal Lopez, Eduardoes_ES
renati.jurorSilva Alarco, Lucianoes_ES
renati.jurorRojas Polo, Jonatan Edwardes_ES
renati.levelhttps://purl.org/pe-repo/renati/level#maestroes_ES
renati.typehttps://purl.org/pe-repo/renati/type#tesises_ES
thesis.degree.disciplineIngeniería Industriales_ES
thesis.degree.grantorPontificia Universidad Católica del Perú. Escuela de Posgrado.es_ES
thesis.degree.levelMaestríaes_ES
thesis.degree.nameMaestro en Ingeniería Industriales_ES

Files

Original bundle

Now showing 1 - 2 of 2
No Thumbnail Available
Name:
JHON_RIOS_LUIS_APLICACION_TECNICAS_DATA.pdf
Size:
1.5 MB
Format:
Adobe Portable Document Format
Description:
Texto completo
No Thumbnail Available
Name:
JHON_RIOS_LUIS_PRIAMO_T.pdf
Size:
10.98 MB
Format:
Adobe Portable Document Format
Description:
Reporte de originalidad

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: