¿Cómo escoger un departamento para arrendar?

Arrendar una propiedad
Arrendar una propiedad

Eligiendo departamento con Google Maps e IA made at Houm

Ya estoy vieja grande, estoy terminando de estudiar y el momento de tener que dejar la casa de mis papás se acerca lentamente. En este artículo, voy a detallar mi proceso para escoger el mejor departamento para mí usando Google Maps y una de mis herramientas favoritas de Houm. 

Antecedentes básicos de mi decisión

Lo más básico antes de empezar: quiero dos dormitorios (uno para mí y otro para convertir en oficina o gimnasio si es que viene otra pandemia), dos baños es mi elección.

Además, me pareció necesario definir dónde debería estar mi departamento ideal. Para eso, recordé que Google Maps tiene una vista de Timeline, donde se puede ver los lugares en que Google ha registrado su ubicación (medio aterrador, lo admito). Este es un resumen de todas las ubicaciones que Google ha guardado de mí hasta ahora:

El mapa muestra tres aspectos que siento que debo considerar en mi decisión:

  1. Actualmente vivo al norte de Santiago, pero no hago mucho más en esa zona de la ciudad. Así, puedo afirmar que mi vivienda ideal no se encuentra en esa parte de la ciudad.
  2. Hay un grupo de puntitos en Macul que podría decir: “ahí es, Dani”, pero no. Esos puntos corresponden a mi querida U, pero como no planeo seguir estudiando una vez que termine mi magíster, no sería buena idea vivir por ahí.
  3. Parece que mi vida se desarrolla más desde el centro hacia al oriente de la ciudad. Ahí vive gran parte de mis amigos y allí también están mis lugares favoritos para comer y pasarlo bien. Por esa razón, sería bueno enfocar mi búsqueda en comunas como Santiago, Providencia y Las Condes. Aquí agregaré Ñuñoa, porque amo la línea 3 del Metro.

Me parece importante mencionar que yo no sé manejar, no tengo intenciones de aprender en el futuro cercano y que, por tanto, la cercanía al Metro es un factor muy relevante en mi elección de futuro hogar. Andar en micro no me desagrada, pero a veces los tiempos de viaje son demasiado impredecibles, por lo que me inclino a preferir el Metro.

Compara Tu Arriendo

¡Bien!, ya sé dónde debería vivir, más o menos. Ahora me falta determinar cuánto aumento debo pedir en Houm cuánto voy a tener que pagar de arriendo según la ubicación de mi vivienda soñada. Una herramienta muy bacán para esto es Compara Tu Arriendo. Compara Tu Arriendo es una aplicación web orientada a ayudar a los propietarios a fijar un precio adecuado para su casa o departamento, considerando los alrededores de dicha vivienda. Si bien está orientada a dichos usuarios, se puede ocupar perfectamente para lo que haré: ver cuánto debo pagar para cumplir mi sueño de vivienda propia.

En la foto de arriba se ven las primeras preguntas de Compara Tu Arriendo. Como no tengo una dirección exacta donde vivir, usaré nombres de calles populares (cerca de estaciones de Metro) y Google Maps para usar de referencia (esto es solución parche: ya se viene búsqueda por barrio). Partiré con Pedro de Valdivia 1510, una dirección cerca del Metro Inés de Suárez.

En las siguientes vistas, la página me pide más detalles de lo que ando buscando. Particularmente, yo puse 2 dormitorios, 2 baños, 0 estacionamientos y 60 metros cuadrados de superficie total y construida. Con eso, el resultado fue el siguiente:

El resultado muestra que, si quiero vivir cerca del Metro Inés de Suárez, cumpliendo con mis requerimientos anteriores, debería buscar un arriendo de alrededor de 600 mil pesos. Sería ideal, eso sí, que el arriendo bordee los 528 mil.

Cómo lo hizo

En Houm somos muy fanáticos de la información, por lo que tenemos una base de datos enorme con la data de propiedades en arriendo en Chile, que actualizamos diariamente. Con esta base actualizada y procesada, procedemos a tratar de responder con herramientas de ciencia de datos: ¿qué precio debería tener esta propiedad?

Por razones evidentes, no puedo revelar los secretos del algoritmo que usamos en Houm, pero sí puedo detallar la intuición detrás de él. Para eso, voy a explicar en simple un algoritmo básico en Machine Learning: k-vecinos más cercanos (KNN por su sigla en inglés). Si bien este algoritmo es muy sencillo y puede parecer una alpargata al lado de cosas como una red neuronal, en la actualidad aún se usa en un montón de aplicaciones y funciona súper bien en la mayoría de los casos.

KNN consiste simplemente en determinar cierto atributo desconocido de un objeto, comparando qué tan cercanas son sus cualidades conocidas a las de los datos que ya tenemos. Para que la explicación anterior quede más clara, veamos el siguiente ejemplo: asumamos que vivimos en un mundo donde las propiedades solo tienen tres atributos: baños, dormitorios y precio. Así, trataremos de predecir el precio usando los otros dos atributos. Usaremos los siguientes datos como ejemplo:

DormitoriosBañosPrecio
21600000
31500000
33780000
32580000
431050000
451200000
42900000
41650000 
541450000

Gráficamente, los datos se ven así:

Ahora, el algoritmo dice que podemos predecir el precio usando los datos más cercanos, pero, ¿qué es cerca en este caso? La noción de cercanía que usaremos en este ejemplo es la distancia euclidiana, que es la que todos aprendimos en el colegio:

En nuestro caso particular, x corresponde a los dormitorios e y, a los baños. Así, imaginemos que quiero saber cuánto me costará un departamento con 2 dormitorios y 2 baños. Para esto, se usarán los 3 vecinos más cercanos. En el gráfico, el punto desconocido queda representado por la estrellita:

En el gráfico podemos identificar fácilmente que los 3 vecinos más cercanos son: 

  1. 2 dormitorios, 1 baño.
  2. 3 dormitorios, 2 baños (empate con el anterior).
  3. 3 dormitorios, 1 baño.

Como soy insegura, igual calculé la distancia euclidiana con Excel. Aquí están los resultados:

DormitoriosBañosPrecioDistancia a (2,2)
216000001
315000001,41421356
337800001,41421356
325800001
4310500002,23606798
4512000003,60555128
429000002
41650000 2,23606798
5414500003,60555128

Coinciden, soy feliz

Ya, tenemos los más cercanos, pero, ¿cómo calculamos el precio? Lo más directo y común es usar el promedio de precios de estos vecinos. Por lo tanto, el precio predicho es:

DormitoriosBañosPrecioDistancia a (2,2)
216000001
315000001,41421356
32580000
PROMEDIO560000

Así, en este mundo paralelo, el precio sugerido de una vivienda de dos dormitorios y dos baños debería ser aproximadamente $560.000.

Imagino que más de algún curioso se pregunta cómo extender esto a más variables. La verdad es que es el mismo principio, solo que aquí usamos dos variables para poder graficar la situación. Me hubiese encantado usar más de 4, para hacer esto más real, pero el ejemplo no hubiese quedado tan intuitivo. Si quieres ir aún más allá, puedes investigar sobre otras métricas de distancia, como Manhattan, Minkowski o Mahalanobis.

Conclusión

En este pequeño artículo traté de mostrar de forma cercana y entretenida un buen caso de uso de las herramientas que tenemos disponibles en Houm para hacer del proceso de arriendo una gran experiencia. Adicionalmente, intenté mostrar un poco de la intuición detrás de la forma en que sugerimos precios. Ojalá te haya gustado el artículo y hayas aprendido KNN. En Houm te estaremos esperando para tu próximo proceso de arriendo, ya seas propietario o arrendatario.

Autora: Daniela Flores- Desarrolladora en Houm


Puedes mirar nuestras últimas publicaciones aquí:

0 Shares:
You May Also Like