La tarea
La empresa de compraventa necesitaba una valoración objetiva del precio de mercado de los coches usados. Para eso hacía falta una base de anuncios grande y limpia, con características y precios, como conjunto de entrenamiento y referencia para el sistema de valoración.
Qué hicimos y qué datos recopilamos
Organizamos la recopilación de anuncios de venta de coches de varias plataformas: marca, modelo, generación y acabado, año, kilometraje, estado, región, precio y fecha. Llevamos los datos a diccionarios normalizados y eliminamos las anomalías, preparando el conjunto para la analítica y el entrenamiento de modelos. Para tener una imagen actual del mercado, la recopilación se realizaba periódicamente.
Dificultades y cómo las resolvimos
Primero, los duplicados y las repeticiones. Un mismo coche se publica en varias plataformas y varias veces. Deduplicamos los anuncios; de lo contrario, los modelos populares distorsionarían la estadística.
Segundo, el desorden en las características. Marca, modelo, generación y acabado se escriben en cada sitio a su manera. Los llevamos a diccionarios normalizados.
Tercero, los precios «basura» y los anuncios falsos (cebos con precio rebajado, revendedores). Filtramos los valores atípicos para que la valoración se apoyara en operaciones reales y no en anomalías. Parte de las plataformas limita la recopilación automática: trabajamos con cuidado, con una frecuencia razonable y con proxies.
El resultado
El cliente recibió una base de anuncios regularmente actualizada y depurada, con características comparables: una base fiable para el sistema de valoración en la compra.
Servicios en este caso: Extracción de anuncios clasificados · Datos para IA/ML · Monitorización de precios en marketplaces
Materiales útiles: Normalización de datos · Scraping de sitios dinámicos · Proxies para web scraping