Fui contratado como Cientista de Dados por uma empresa do setor imobiliário. Meu papel é dar suporte tanto ao time de Machine Learning (ML) quanto ao time de Desenvolvimento, atendendo às demandas específicas de ambos os grupos. O objetivo principal do projeto é transformar os dados disponíveis em informações valiosas, auxiliando no desenvolvimento de um modelo de precificação de imóveis e em funcionalidades para o site da empresa.
A base de dados utilizada contém informações detalhadas sobre diferentes tipos de imóveis no Rio de Janeiro, incluindo apartamentos, casas e estabelecimentos comerciais. Nela, estão presentes os valores de aluguel, condomínio, IPTU e características como número de quartos, suítes, vagas de garagem, entre outros.
Iniciamos o projeto importando e explorando a base de dados. As principais ações incluem:
- Verificar o tamanho da base (número de linhas e colunas);
- Identificar as colunas existentes e seus tipos de dados;
- Analisar a estrutura dos dados para identificar valores inconsistentes ou nulos.
Esse processo inicial faz parte da Análise Exploratória de Dados (EDA), onde buscamos:
- Compreender a natureza dos dados (qualitativos ou quantitativos);
- Identificar padrões, valores faltantes e outliers;
- Formular perguntas para direcionar a análise.
Durante o EDA, levantamos perguntas-chave que ajudam a estruturar nossa análise:
- Quais os valores médios de aluguel por tipo de imóvel?
- Qual o percentual de cada tipo de imóvel na base de dados?
Essas perguntas nos guiarão na identificação de tendências e na segmentação de dados, apoiando diretamente o trabalho do time de ML.
O time de ML utilizará os dados para treinar modelos de precificação. Portanto, realizaremos as seguintes ações:
- Remoção de Dados Inconsistentes:
- Registros com valores de aluguel ou condomínio iguais a 0 serão eliminados.
- Tratamento de Dados Nulos:
- Dados ausentes serão tratados ou removidos, conforme apropriado.
Adicionalmente, aplicaremos filtros para atender a demandas específicas do time de ML:
- Imóveis com 1 quarto e aluguel inferior a R$ 1200.
- Imóveis com pelo menos 2 quartos, aluguel inferior a R$ 3000 e área maior que 70 m².
Atendendo ao time de Desenvolvimento, adicionaremos as seguintes colunas à base de dados:
valor_por_mes: Soma dos gastos mensais do imóvel, incluindo aluguel e condomínio.valor_por_ano: Cálculo anual dos gastos com aluguel, condomínio e IPTU.
descricao: Uma descrição sumarizada do imóvel, incluindo:- Tipo de imóvel;
- Bairro;
- Quantidade de quartos;
- Quantidade de vagas de garagem.
possui_suite: Indicação binária informando se o imóvel possui ou não suítes.
- Garantir a qualidade e consistência dos dados para o treinamento de modelos de precificação de imóveis.
- Fornecer segmentações específicas para cenários desejados, como imóveis de 1 quarto com aluguel acessível ou de alto padrão com múltiplos quartos e grande área.
- Enriquecer a base de dados com informações resumidas e categorizadas.
- Facilitar a apresentação de dados no site, criando colunas que agreguem valor ao usuário final.
- Python: Para manipulação e tratamento de dados, com bibliotecas como Pandas e NumPy.
- Pandas: Principal ferramenta para EDA e criação de novas colunas.
- Jupyter Notebooks: Documentação e análise interativa dos dados.
Ao final do projeto, entregaremos:
- Uma base de dados limpa, enriquecida e pronta para uso pelos times de ML e Desenvolvimento.
- Insights acionáveis sobre o mercado imobiliário do Rio de Janeiro, incluindo:
- Segmentação de imóveis por características relevantes;
- Informações financeiras consolidadas.
- Colunas adicionais para atender às demandas específicas do site.
Com essas entregas, esperamos potencializar o impacto dos dados na estratégia de negócio da empresa, criando soluções que melhorem tanto o modelo de precificação quanto a experiência do usuário final no site.