Inicio / Proyectos / 01

Barcelona
Real Estate

Sistema de business intelligence que analiza más de 10.000 propiedades de Barcelona para identificar oportunidades de inversión mediante modelado predictivo y análisis multivariable. Dos vistas complementarias: exploración de mercado y simulación financiera con IA.

Tipo
Business Intelligence
Stack
Power BI · DAX · Power Query M
Datos
+10.000 propiedades
Entregable
Descargar .pbix ↓
01

El dashboard

Vista de análisis de mercado con mapa interactivo y gráfico de oportunidades precio vs tamaño
Análisis geoespacial y oportunidades de mercado
Vista de inteligencia con árbol de descomposición AI y simulación de precios
AI Decomposition Tree y simulación predictiva

Acceso al informe

El dashboard embebido requiere autenticación de Power BI. Para la experiencia completa, descarga el archivo .pbix y ábrelo con Power BI Desktop (gratuito): tendrás todas las visualizaciones, filtros y funciones de IA sin restricciones.

Descargar informe ↓ Abrir en Power BI ↗
02

Hallazgos clave

El análisis cuantitativo revela patrones estructurales no evidentes que redefinen los criterios tradicionales de valoración en el mercado barcelonés:

Hallazgo 01 — Luz > metros

En distritos premium (Eixample, Sant Gervasi), la orientación exterior pesa más en el precio (β=0,34) que el número de habitaciones (β=0,21). Un piso de 2 dormitorios con orientación óptima se valora un +12 % por encima de uno de 3 interior. Implicación: priorizar luminosidad sobre superficie bruta en inversión premium.

Hallazgo 02 — Estudios, máxima eficiencia

Las propiedades de 0 habitaciones (estudios/lofts) registran el precio/m² más alto del mercado (€5.200 de media) con umbral de entrada accesible. ROI anualizado proyectado del 7,2 % frente al 4,8 % de tipologías convencionales, ligado a alquiler de corta estancia en Ciutat Vella y Gràcia.

Hallazgo 03 — Volatilidad por zona

El simulador de escenarios (±10 % de valoración) muestra que los barrios consolidados (Les Corts, Sarrià) tienen una volatilidad de precio 40 % inferior a las zonas emergentes (Poblenou, Besòs): coeficiente de variación 0,18 vs 0,31. Criterio geográfico claro para perfiles de riesgo conservador.

03

Cómo está construido

Power BIDAXPower Query MStar SchemaAI Decomposition Tree
Siguiente proyecto — 02 Supply Chain Simulator