inmobiliaria-analytics/docs/01-fase-alcance-inicial/IAI-008-ml-analytics/requerimientos/RF-ML-002.md

id	title	type	epic	priority	status	project	created_date	updated_date
RF-ML-002	Prediccion de Tiempo de Venta	Functional Requirement	IAI-008	Alta	Draft	inmobiliaria-analytics	2026-01-04	2026-01-04

RF-IA-008-002: Prediccion de Tiempo de Venta

---

Descripcion

El sistema debe predecir cuantos dias tardara una propiedad en venderse (Days on Market - DOM) basandose en caracteristicas de la propiedad, precio de lista y condiciones de mercado.

---

Justificacion

Conocer el tiempo estimado de venta permite a agentes establecer expectativas realistas con clientes, ajustar estrategias de pricing, y a inversores evaluar liquidez de inversiones.

---

Requisitos Funcionales

RF-002.1: Prediccion DOM

ID	Requisito	Prioridad
RF-002.1.1	El sistema debe predecir dias estimados en mercado	Alta
RF-002.1.2	El sistema debe proporcionar intervalo de confianza	Alta
RF-002.1.3	El sistema debe calcular probabilidades de venta a 30/60/90 dias	Alta
RF-002.1.4	El sistema debe considerar estacionalidad	Media

RF-002.2: Features Criticas

ID	Requisito	Prioridad
RF-002.2.1	El modelo debe usar ratio precio/mercado como feature principal	Alta
RF-002.2.2	El modelo debe considerar inventario activo en zona	Alta
RF-002.2.3	El modelo debe considerar absorcion historica	Alta
RF-002.2.4	El modelo debe evaluar calidad del listing (fotos, descripcion)	Media

RF-002.3: Actualizacion

ID	Requisito	Prioridad
RF-002.3.1	El sistema debe recalcular prediccion si cambia precio	Alta
RF-002.3.2	El sistema debe ajustar prediccion con dias transcurridos	Media
RF-002.3.3	El sistema debe aprender de ventas reales	Alta

---

Features del Modelo

Propiedad

Feature	Tipo	Importancia
precio_lista	float	Alta
precio_vs_mercado_ratio	float	Critica
tipo_propiedad	categorical	Alta
superficie_m2	float	Media
antiguedad_anos	int	Media
calidad_fotos_score	float	Alta
descripcion_quality_score	float	Media
tiene_tour_virtual	boolean	Media

Mercado

Feature	Tipo	Importancia
inventario_activo_zona	int	Alta
absorcion_mensual_zona	float	Alta
tendencia_demanda_zona	float	Alta
competencia_precio_similar	int	Alta
estacionalidad_mes	int	Media

---

Arquitectura del Modelo

modelo:
  tipo: Survival Analysis
  componentes:
    - modelo: CoxProportionalHazards
      uso: "Baseline, interpretable"

    - modelo: RandomSurvivalForest
      uso: "Captura no-linealidades"
      hiperparametros:
        n_estimators: 200
        max_depth: 10

  target: dias_en_mercado
  censoring: propiedades_aun_activas

  output:
    dias_estimados: median_survival_time
    probabilidades:
      - p_venta_30d: survival_function(30)
      - p_venta_60d: survival_function(60)
      - p_venta_90d: survival_function(90)

---

API Endpoints

POST /api/v1/ml/predictions/time-to-sell:
  description: Prediccion de tiempo de venta
  request:
    property:
      type: string
      price: number
      construction_m2: number
      latitude: number
      longitude: number
      listing_quality:
        photos_count: integer
        has_virtual_tour: boolean
  response:
    estimated_days: integer
    confidence_interval:
      min: integer
      max: integer
    probabilities:
      sell_30_days: number
      sell_60_days: number
      sell_90_days: number
    factors:
      - factor: string
        impact: string  # "accelerates" | "delays"
        magnitude: number
    recommendations:
      - recommendation: string
        potential_improvement_days: integer

---

Metricas de Calidad

metricas:
  objetivo:
    C_index: ">= 0.75"
    MAPE: "< 25%"

  segmentacion:
    - accuracy_por_rango_precio
    - accuracy_por_tipo_propiedad
    - accuracy_por_zona

---

Criterios de Aceptacion

• C-index >= 0.75 en test set
• MAPE < 25% en propiedades vendidas
• Probabilidades calibradas correctamente
• Latencia < 100ms por prediccion
• Recomendaciones generadas automaticamente
• Modelo se actualiza con ventas reales

---

Dependencias

• IA-008-001 (AVM): Para ratio precio/mercado
• IA-007 (Webscraper): Datos de listings
• lifelines o scikit-survival

---

Historias de Usuario Relacionadas

• US-ML-003: Prediccion dias en mercado

---

Autor: ML Lead Fecha: 2026-01-04