Avaliação de preços e vendas no setor imobiliário utilizando o Big Data
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) |
Texto Completo: | http://tede2.pucgoias.edu.br:8080/handle/tede/4362 |
Resumo: | Decisões organizacionais têm sido guiadas por análises de dados, que ganham mais relevância a cada dia. O interesse no Big Data cresce à medida que as empresas que o utilizam apresentam resultados expressivos. Nesse contexto, torna-se vital aproveitar as oportunidades advindas da análise de dados. Alguns dos benefícios para o setor imobiliário é a capacidade de identificar tendências e padrões de compra e venda de imóveis que auxiliaram no desenvolvimento de estratégias de venda mais efetivas. Para isso, o objetivo deste trabalho foi analisar quais fatores influenciam os preços e os volumes de vendas de imóveis e como se pode obter uma equação que modele o funcionamento desses fenômenos. A abordagem adotada para realizar a modelagem proposta neste trabalho foi baseada na análise de regressão linear múltipla. Como principais resultados, constatou-se que os modelos gerados para previsões de preços de vendas apresentaram dispersões em relação aos valores reais de mercado variando de 2% a 11%. Já os modelos destinados às previsões de volumes de vendas apresentaram ajustes perfeitos em relação ao comportamento do mercado. Como conclusões, verificou-se que a utilização do Big Data no mercado imobiliário diminui os riscos no processo de tomada de decisão para as incorporadoras em relação ao lançamento de novos empreendimentos |
id |
PUC_GO_0138eb4701a5ee0fe04077b1e210cc83 |
---|---|
oai_identifier_str |
oai:ambar:tede/4362 |
network_acronym_str |
PUC_GO |
network_name_str |
Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) |
repository_id_str |
6593 |
spelling |
Avaliação de preços e vendas no setor imobiliário utilizando o Big DataReal Estate Price and Sales Valuation Using Big DataBig Data, Mercado Imobiliário, Análise de Regressão Linear MúltiplaBig Data, Real Estate, Multiple Linear Regression AnalysisENGENHARIAS::ENGENHARIA DE PRODUCAODecisões organizacionais têm sido guiadas por análises de dados, que ganham mais relevância a cada dia. O interesse no Big Data cresce à medida que as empresas que o utilizam apresentam resultados expressivos. Nesse contexto, torna-se vital aproveitar as oportunidades advindas da análise de dados. Alguns dos benefícios para o setor imobiliário é a capacidade de identificar tendências e padrões de compra e venda de imóveis que auxiliaram no desenvolvimento de estratégias de venda mais efetivas. Para isso, o objetivo deste trabalho foi analisar quais fatores influenciam os preços e os volumes de vendas de imóveis e como se pode obter uma equação que modele o funcionamento desses fenômenos. A abordagem adotada para realizar a modelagem proposta neste trabalho foi baseada na análise de regressão linear múltipla. Como principais resultados, constatou-se que os modelos gerados para previsões de preços de vendas apresentaram dispersões em relação aos valores reais de mercado variando de 2% a 11%. Já os modelos destinados às previsões de volumes de vendas apresentaram ajustes perfeitos em relação ao comportamento do mercado. Como conclusões, verificou-se que a utilização do Big Data no mercado imobiliário diminui os riscos no processo de tomada de decisão para as incorporadoras em relação ao lançamento de novos empreendimentosOrganizational decisions have been guided by data analyzes, which gain more relevance each day. Interest in Big Data grows as the companies applying Big Data deliver significant results. In this context, it is vital to take advantage of the opportunities arising from data analysis. Some of the benefits to the real estate industry are the ability to identify trends and patterns of buying and selling, this trends have helped develop more effective selling strategies. For this, the objective of this work was to analyze which factors influence the prices and volumes of real estate sales and how to obtain an equation that models the functioning of these phenomena. The approach adopted to carry out the modeling proposed in this work was based on the analysis of multiple linear regression. As main results, it was found that the models generated for sales price forecasts presented dispersions in relation to real market values varying from 2% to 11%. The models for sales volume forecasts presented perfect adjustments in relation to market behavior. As conclusions, it was found that the use of Big Data in the real estate market reduces the risks in the decision-making process for the developers in relation to the launch of new venturesPontifícia Universidade Católica de GoiásEscola de Engenharia::Curso de Engenharia de ProduçãoBrasilPUC GoiásPrograma de Pós-Graduação STRICTO SENSU em Engenharia de Produção e SistemasMachado, Ricardo Luizhttp://lattes.cnpq.br/4103684476705320Pasqualeto, Antôniolattes.cnpq.br/4691515540448143Amaral, Tatiana Gondim dohttp://lattes.cnpq.br/7298757233386815Correa, Sara Rodrigues2019-09-25T18:07:03Z2019-03-14info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCorrea, Sara Rodrigues. Avaliação de preços e vendas no setor imobiliário utilizando o Big Data. 2019.117 f. Dissertação( Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas) - Pontifícia Universidade Católica de Goiás, Goiânia.http://tede2.pucgoias.edu.br:8080/handle/tede/4362porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás)instname:Pontifícia Universidade Católica de Goiás (PUC-GO)instacron:PUC_GO2019-09-26T04:00:31Zoai:ambar:tede/4362Biblioteca Digital de Teses e Dissertaçõeshttp://tede2.pucgoias.edu.br:8080/http://tede2.pucgoias.edu.br:8080/oai/requesttede@pucgoias.edu.br||tede@pucgoias.edu.bropendoar:65932019-09-26T04:00:31Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) - Pontifícia Universidade Católica de Goiás (PUC-GO)false |
dc.title.none.fl_str_mv |
Avaliação de preços e vendas no setor imobiliário utilizando o Big Data Real Estate Price and Sales Valuation Using Big Data |
title |
Avaliação de preços e vendas no setor imobiliário utilizando o Big Data |
spellingShingle |
Avaliação de preços e vendas no setor imobiliário utilizando o Big Data Correa, Sara Rodrigues Big Data, Mercado Imobiliário, Análise de Regressão Linear Múltipla Big Data, Real Estate, Multiple Linear Regression Analysis ENGENHARIAS::ENGENHARIA DE PRODUCAO |
title_short |
Avaliação de preços e vendas no setor imobiliário utilizando o Big Data |
title_full |
Avaliação de preços e vendas no setor imobiliário utilizando o Big Data |
title_fullStr |
Avaliação de preços e vendas no setor imobiliário utilizando o Big Data |
title_full_unstemmed |
Avaliação de preços e vendas no setor imobiliário utilizando o Big Data |
title_sort |
Avaliação de preços e vendas no setor imobiliário utilizando o Big Data |
author |
Correa, Sara Rodrigues |
author_facet |
Correa, Sara Rodrigues |
author_role |
author |
dc.contributor.none.fl_str_mv |
Machado, Ricardo Luiz http://lattes.cnpq.br/4103684476705320 Pasqualeto, Antônio lattes.cnpq.br/4691515540448143 Amaral, Tatiana Gondim do http://lattes.cnpq.br/7298757233386815 |
dc.contributor.author.fl_str_mv |
Correa, Sara Rodrigues |
dc.subject.por.fl_str_mv |
Big Data, Mercado Imobiliário, Análise de Regressão Linear Múltipla Big Data, Real Estate, Multiple Linear Regression Analysis ENGENHARIAS::ENGENHARIA DE PRODUCAO |
topic |
Big Data, Mercado Imobiliário, Análise de Regressão Linear Múltipla Big Data, Real Estate, Multiple Linear Regression Analysis ENGENHARIAS::ENGENHARIA DE PRODUCAO |
description |
Decisões organizacionais têm sido guiadas por análises de dados, que ganham mais relevância a cada dia. O interesse no Big Data cresce à medida que as empresas que o utilizam apresentam resultados expressivos. Nesse contexto, torna-se vital aproveitar as oportunidades advindas da análise de dados. Alguns dos benefícios para o setor imobiliário é a capacidade de identificar tendências e padrões de compra e venda de imóveis que auxiliaram no desenvolvimento de estratégias de venda mais efetivas. Para isso, o objetivo deste trabalho foi analisar quais fatores influenciam os preços e os volumes de vendas de imóveis e como se pode obter uma equação que modele o funcionamento desses fenômenos. A abordagem adotada para realizar a modelagem proposta neste trabalho foi baseada na análise de regressão linear múltipla. Como principais resultados, constatou-se que os modelos gerados para previsões de preços de vendas apresentaram dispersões em relação aos valores reais de mercado variando de 2% a 11%. Já os modelos destinados às previsões de volumes de vendas apresentaram ajustes perfeitos em relação ao comportamento do mercado. Como conclusões, verificou-se que a utilização do Big Data no mercado imobiliário diminui os riscos no processo de tomada de decisão para as incorporadoras em relação ao lançamento de novos empreendimentos |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-09-25T18:07:03Z 2019-03-14 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
Correa, Sara Rodrigues. Avaliação de preços e vendas no setor imobiliário utilizando o Big Data. 2019.117 f. Dissertação( Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas) - Pontifícia Universidade Católica de Goiás, Goiânia. http://tede2.pucgoias.edu.br:8080/handle/tede/4362 |
identifier_str_mv |
Correa, Sara Rodrigues. Avaliação de preços e vendas no setor imobiliário utilizando o Big Data. 2019.117 f. Dissertação( Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas) - Pontifícia Universidade Católica de Goiás, Goiânia. |
url |
http://tede2.pucgoias.edu.br:8080/handle/tede/4362 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Pontifícia Universidade Católica de Goiás Escola de Engenharia::Curso de Engenharia de Produção Brasil PUC Goiás Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas |
publisher.none.fl_str_mv |
Pontifícia Universidade Católica de Goiás Escola de Engenharia::Curso de Engenharia de Produção Brasil PUC Goiás Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) instname:Pontifícia Universidade Católica de Goiás (PUC-GO) instacron:PUC_GO |
instname_str |
Pontifícia Universidade Católica de Goiás (PUC-GO) |
instacron_str |
PUC_GO |
institution |
PUC_GO |
reponame_str |
Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) |
collection |
Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) - Pontifícia Universidade Católica de Goiás (PUC-GO) |
repository.mail.fl_str_mv |
tede@pucgoias.edu.br||tede@pucgoias.edu.br |
_version_ |
1809202270999412736 |