PROXECTO AMD-PRIMEIRA PARTE

ÍNDICE

FONTES DE DATOS ...................................................................................................................................2

CONTEXTO DA ACTIVIDADE .....................................................................................................................2
OBXECTIVOS XERAIS ................................................................................................................................2
CONSULTAS ANALÍTICAS ..........................................................................................................................2
DESEÑO ....................................................................................................................................................2
MODELO DE DATOS .................................................................................................................................3

Óscar Hidalgo Gerpe, Manuel Fernández Míguez

FONTES DE DATOS
Para as fontes de datos imos usar un dataset que detalla todas as características de varios pisos de
aluguer en cada zona, tendo un csv para cada cidade. Os datos do dataset foron extraídos de ofertas
publicadas no portal inmobiliario www.idealista.com. O enlace ao dataset é o seguinte:

https://www.kaggle.com/datasets/thedevastator/spanish-housing-dataset-location-size-price-and

Revisamos tamén outros datasets que falaban do mercado no aluguer no contexto español, pero este
tiña a granulariadade en pisos específicos, mentres que os demais estaban a nivel de barrios,
provincias, concellos, etc. Ex.:(https://www.kaggle.com/datasets/alelafe/rent-prices-spain) polo que
ao final decidimos usar o primeiro como base para a nosa análise.

CONTEXTO DA ACTIVIDADE
Somos unha consultora que traballa para unha inmobiliaria e quere proporcionarlle unha forma para
analizar e darlle utilidade aos datos que foron acumulando sobre o aluguer de diferentes pisos nas
diferentes cidades españolas e as súas características propias que poden levar a afectar as condicións
do arrendamento (máis habitacións normalmente implique un aumento no prezo, por poñer un
exemplo).

OBXECTIVOS XERAIS
O principal obxectivo da nosa consultora é comprobar cales son as zonas con máis potencial para
adquirir propiedades nelas.

Outro interese da empresa consistiría en mellorar as ofertas da inmobiliaria a partir da análise dos
datos dispoñibles, para poder así dar un servizo máis personalizado e dirixido aos clientes.

CONSULTAS ANALÍTICAS
Algúns exemplos de consultas que se poden facer contra este almacén de datos:

• Listado das cidades con prezos medios altos e rendas altas.

• Ano no que se realizaron máis contratos de aluguer en Santiago.
• Concellos nos que o coste do aluguer consume máis do 50% da renda dos inquilinos.
• Provincias con máis casas superiores a 200 m2.
• CA nas que o aluguer das casas supere ao aluguer dos pisos.

DESEÑO

A granulariade dos datos que se escolleu é por aluguer a nivel de cidade e mes. As dimensións que se
definiron son a dimensión de tempo, a dimensión de localización, a dimensión de características e a
dimensión de inquilinos. Na dimensión de tempo recóllese a data cunha xerarquía de ano/mes na que
se realizou o aluguer e a data na que se construíu a vivenda ou se renovou por última vez.

Na dimensión de localización recóllese a comunidade autónoma, provincia e cidade da vivenda. A

dimensión de características recolle as distintas propiedades que definen a vivenda alugada. Por
último, a dimensión de inquilinos recolle o número de inquilinos que alugan a vivenda e a renda media
destes inquilinos.

As medidas que se gardan na táboa de feitos son o número de alugueres, o prezo medio dos alugueres
e a taxación das vivendas para compra. Con estas medidas búscase ter un contexto de todos os datos
dos contratos na zona a valorar.

MODELO DE DATOS