En un mercado inmobiliario tan dinámico y complejo, especialmente en grandes ciudades como Madrid, tomar decisiones apropiadas sobre comprar o alquilar vivienda se convierte en un reto. A menudo, los ciudadanos carecen de herramientas accesibles y comprensibles que les permitan interpretar los datos disponibles y anticipar tendencias. Este Trabajo de Fin de Grado responde a esa necesidad mediante el diseño y desarrollo de una solución tecnológica que convierte datos públicos en conocimiento útil, accesible y visual.
El objetivo del proyecto radica en el desarrollo de un cuadro de mando interactivo orientado a datos abiertos, que ayude a estimar los precios de venta y alquiler, visualizar la evolución del mercado y comparar zonas de Madrid de forma intuitiva. La motivación personal viene de la mano de aplicar conocimientos de ingeniería del software a un problema práctico con impacto social, mientras que la colectiva se enfoca en demostrar el poder de los datos abiertos para empoderar a los ciudadanos.
El proyecto consiste en una plataforma analítica basada en un DataMart relacional, un proceso ETL desarrollado con KNIME y un cuadro de mando interactivo creado con Power BI. Utiliza datos abiertos de múltiples fuentes para ofrecer visualizaciones dinámicas, modelos de estimación y filtros avanzados por distrito y barrio. Los usuarios pueden consultar precios medios, rentabilidades, evolución temporal y comparar zonas de forma intuitiva, sin necesidad de conocimientos técnicos.
El resultado es una herramienta funcional, clara y potente, que transforma grandes volúmenes de datos en visualizaciones útiles para tomar decisiones más informadas, seguras y rápidas. La interfaz prioriza la experiencia de usuario mediante un diseño visual limpio y medidas DAX personalizadas que mejoran el análisis.
Este TFG demuestra cómo la ingeniería del software puede transformar datos complejos en soluciones reales con impacto social. La plataforma desarrollada es funcional, robusta y escalable, y establece una base sólida para futuras mejoras como el uso de datos en tiempo real, más variables macroeconómicas o la expansión geográfica de la herramienta.
Abstract:
In a real estate market as dynamic and complex as that of major cities like Madrid, making informed decisions about buying or renting a home becomes a significant challenge. Citizens often lack accessible and understandable tools to interpret available data and anticipate market trends. This Bachelor’s Thesis addresses that gap through the design and development of a technological solution that transforms public data into useful, accessible, and visual knowledge.
The main goal of the project is the development of an interactive dashboard based on open data, aimed at estimating sale and rental prices, visualizing market trends, and comparing areas of Madrid in an intuitive way. The personal motivation behind the project lies in applying software engineering skills to a real-world problem with social impact, while the collective motivation focuses on showcasing the power of open data to empower citizens.
The project consists of an analytical platform built on a relational DataMart, an ETL process developed with KNIME, and an interactive dashboard created with Power BI. It leverages open data from multiple sources to provide dynamic visualizations, estimation models, and advanced filtering by district and neighborhood. Users can explore average prices, profitability, historical trends, and compare different zones without requiring technical knowledge.
The result is a functional, clear, and powerful tool that turns large volumes of data into meaningful visualizations, helping users make faster, safer, and more informed decisions. The interface prioritizes user experience through a clean visual design and customized DAX measures that enhance analytical depth.
This thesis demonstrates how software engineering can turn complex data into real solutions with social relevance. The platform is robust, scalable, and lays a solid foundation for future enhancements such as real-time data integration, the inclusion of macroeconomic variables, or geographical expansion.
En un mercado inmobiliario tan dinámico y complejo, especialmente en grandes ciudades como Madrid, tomar decisiones apropiadas sobre comprar o alquilar vivienda se convierte en un reto. A menudo, los ciudadanos carecen de herramientas accesibles y comprensibles que les permitan interpretar los datos disponibles y anticipar tendencias. Este Trabajo de Fin de Grado responde a esa necesidad mediante el diseño y desarrollo de una solución tecnológica que convierte datos públicos en conocimiento útil, accesible y visual.
El objetivo del proyecto radica en el desarrollo de un cuadro de mando interactivo orientado a datos abiertos, que ayude a estimar los precios de venta y alquiler, visualizar la evolución del mercado y comparar zonas de Madrid de forma intuitiva. La motivación personal viene de la mano de aplicar conocimientos de ingeniería del software a un problema práctico con impacto social, mientras que la colectiva se enfoca en demostrar el poder de los datos abiertos para empoderar a los ciudadanos.
El proyecto consiste en una plataforma analítica basada en un DataMart relacional, un proceso ETL desarrollado con KNIME y un cuadro de mando interactivo creado con Power BI. Utiliza datos abiertos de múltiples fuentes para ofrecer visualizaciones dinámicas, modelos de estimación y filtros avanzados por distrito y barrio. Los usuarios pueden consultar precios medios, rentabilidades, evolución temporal y comparar zonas de forma intuitiva, sin necesidad de conocimientos técnicos.
El resultado es una herramienta funcional, clara y potente, que transforma grandes volúmenes de datos en visualizaciones útiles para tomar decisiones más informadas, seguras y rápidas. La interfaz prioriza la experiencia de usuario mediante un diseño visual limpio y medidas DAX personalizadas que mejoran el análisis.
Este TFG demuestra cómo la ingeniería del software puede transformar datos complejos en soluciones reales con impacto social. La plataforma desarrollada es funcional, robusta y escalable, y establece una base sólida para futuras mejoras como el uso de datos en tiempo real, más variables macroeconómicas o la expansión geográfica de la herramienta.
Abstract:
In a real estate market as dynamic and complex as that of major cities like Madrid, making informed decisions about buying or renting a home becomes a significant challenge. Citizens often lack accessible and understandable tools to interpret available data and anticipate market trends. This Bachelor’s Thesis addresses that gap through the design and development of a technological solution that transforms public data into useful, accessible, and visual knowledge.
The main goal of the project is the development of an interactive dashboard based on open data, aimed at estimating sale and rental prices, visualizing market trends, and comparing areas of Madrid in an intuitive way. The personal motivation behind the project lies in applying software engineering skills to a real-world problem with social impact, while the collective motivation focuses on showcasing the power of open data to empower citizens.
The project consists of an analytical platform built on a relational DataMart, an ETL process developed with KNIME, and an interactive dashboard created with Power BI. It leverages open data from multiple sources to provide dynamic visualizations, estimation models, and advanced filtering by district and neighborhood. Users can explore average prices, profitability, historical trends, and compare different zones without requiring technical knowledge.
The result is a functional, clear, and powerful tool that turns large volumes of data into meaningful visualizations, helping users make faster, safer, and more informed decisions. The interface prioritizes user experience through a clean visual design and customized DAX measures that enhance analytical depth.
This thesis demonstrates how software engineering can turn complex data into real solutions with social relevance. The platform is robust, scalable, and lays a solid foundation for future enhancements such as real-time data integration, the inclusion of macroeconomic variables, or geographical expansion. Read More
Related posts:
Creación de un dashboard para la monitorización de indicadores de desarrollo sostenible
Estudio de la calidad de los datos abiertos para la evaluación de riesgos naturales en infraestructuras
Exploración y análisis del uso del Metro de Madrid (españa) en el periodo 2014-2023 mediante técnicas de análisis geoespacial implementadas en Python
Plataforma Social y Colaborativa para la creación de Recursos Educativos Abiertos (Open Educational Resources)
Big data: Desafíos y oportunidades en el sector transporte
Trabajadoras olvidadas de Madrid. Oficios, memorias y espacio urbano