Ingeniería de datos · Machine learning · Modelización financiera
Portugal Rental Investment Intelligence
Un sistema de apoyo a la decisión financiera que evalúa si una vivienda de alquiler vacacional en Portugal es una inversión viable. Lee datos de anuncios de varias plataformas (Airbnb, Booking, Vrbo), modela la ocupación y el precio por noche y simula ingresos, flujo de caja y amortización de la hipoteca por región.
- Dominio
- Alquiler vacacional / análisis de inversión
- Rol
- Ingeniería de datos, modelización de ML, modelización financiera, cuadro de mando
- Stack
- Python · Jupyter · scikit-learn / XGBoost · SQL · Tableau
Contexto
Los inversores comparan mercados de alquiler vacacional por intuición y con anuncios dispersos. Si una compra en una región portuguesa concreta se amortiza depende de la ocupación, el precio por noche, los gastos y la financiación, variables que viven en varias plataformas y son difíciles de reunir en una sola vista.
Problema
El objetivo era un sistema cuantitativo de decisión, no un informe descriptivo: ingresos anuales esperados, ocupación de equilibrio, flujo de caja mensual, sostenibilidad de la hipoteca, años para amortizar una inversión de 150.000 euros y cómo escalar a varias propiedades cambia el resultado.
Arquitectura
Ingeniería
- Pipeline de ingesta propia para las instantáneas de anuncios de Airbnb, Booking y Vrbo
- Arquitectura medallion (Bronze / Silver / Gold) con filtrado geográfico por coordenadas y municipio
- Ocupación estimada a partir de la disponibilidad, (365 − availability_365) / 365, en escenarios conservador, base y optimista
- Modelos XGBoost para ocupación y precio por noche, versionados con metadatos de benchmark
- Modelización financiera: ingresos, gastos, flujo de caja y una simulación de hipoteca de 150.000 euros con sensibilidad al tipo de interés
- Comparación entre mercados: costa de Lisboa, Oporto y la región enoturística del Duero, con un cuadro de mando como resultado
Resultado
Un sistema de inteligencia de inversión repetible que convierte datos de anuncios dispersos en una vista financiera sobre la que un inversor puede actuar, comparando regiones y modelando la amortización en lugar de adivinar. Abarca todo el recorrido en el que trabaja MCC: ingesta, ingeniería de datos, machine learning, modelización financiera y una interfaz lista para decidir.
¿Tienes una pregunta de precio o inversión escondida en tus datos?
Vamos a convertirla en modelos y números sobre los que actuar de verdad. ¿Hablamos?