dc.contributor.advisor | Silva Alarco, Luciano | |
dc.contributor.author | Jhon Rios, Luis Priamo | |
dc.date.accessioned | 2023-02-13T21:33:21Z | |
dc.date.available | 2023-02-13T21:33:21Z | |
dc.date.created | 2022 | |
dc.date.issued | 2023-02-13 | |
dc.identifier.uri | http://hdl.handle.net/20.500.12404/24252 | |
dc.description.abstract | El 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.language.iso | spa | es_ES |
dc.publisher | Pontificia Universidad Católica del Perú | es_ES |
dc.rights | info:eu-repo/semantics/closedAccess | es_ES |
dc.subject | Análisis de datos | es_ES |
dc.subject | Análisis de regresión | es_ES |
dc.subject | Proyectos inmobiliarios--Administración | es_ES |
dc.title | 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 | es_ES |
dc.type | info:eu-repo/semantics/masterThesis | es_ES |
thesis.degree.name | Maestro en Ingeniería Industrial | es_ES |
thesis.degree.level | Maestría | es_ES |
thesis.degree.grantor | Pontificia Universidad Católica del Perú. Escuela de Posgrado. | es_ES |
thesis.degree.discipline | Ingeniería Industrial | es_ES |
renati.advisor.dni | 40604287 | |
renati.advisor.orcid | https://orcid.org/0000-0002-3395-3129 | es_ES |
renati.author.dni | 42898926 | |
renati.discipline | 722057 | es_ES |
renati.juror | Carbajal Lopez, Eduardo | es_ES |
renati.juror | Silva Alarco, Luciano | es_ES |
renati.juror | Rojas Polo, Jonatan Edward | es_ES |
renati.level | https://purl.org/pe-repo/renati/level#maestro | es_ES |
renati.type | https://purl.org/pe-repo/renati/type#tesis | es_ES |
dc.publisher.country | PE | es_ES |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.11.04 | es_ES |