Se recopilan datos de diversas fuentes a través de técnicas de scraping automatizadas. Esta etapa es fundamental para asegurar que se disponga de los datos necesarios para el análisis.

Los datos rara vez están listos para ser analizados directamente. Esta fase implica limpiar los datos (tratar con valores faltantes, erróneos, o duplicados), y transformarlos en un formato adecuado para el análisis.

Mediante técnicas de estadística descriptiva y visualización de datos, se explora el conjunto de datos para obtener insights preliminares, entender mejor las características de los datos y detectar patrones o anomalías.

Se crean nuevas variables a partir de los datos existentes para mejorar la capacidad de los modelos predictivos. Esto puede incluir codificación de variables categóricas, normalización, o la creación de variables compuestas.

Seleccionamos y entrenamos modelos estadísticos o de machine learning para realizar predicciones o clasificaciones. Esto incluye la selección del modelo, la división de datos en conjuntos de entrenamiento y prueba, y el ajuste de hiperparámetros.

Estas visualizaciones sirven para interpretar y comunicar eficazmente las tendencias del mercado, el rendimiento de las inversiones y otros insights cruciales a inversores, agentes inmobiliarios facilitando la toma de decisiones basada en datos en el sector de bienes raíces.