Data engineering · Machine learning · Modellazione finanziaria
Portugal Rental Investment Intelligence
Un sistema di supporto alle decisioni finanziarie che valuta se un immobile per affitti brevi in Portogallo è un investimento sostenibile. Legge i dati degli annunci da più piattaforme (Airbnb, Booking, Vrbo), modella occupazione e prezzo per notte e simula ricavi, flussi di cassa e rimborso del mutuo per regione.
- Dominio
- Affitti brevi / analisi di investimento
- Ruolo
- Data engineering, modellazione ML, modellazione finanziaria, dashboard
- Stack
- Python · Jupyter · scikit-learn / XGBoost · SQL · Tableau
Contesto
Gli investitori confrontano i mercati degli affitti brevi a intuito e su annunci sparsi. Se un acquisto in una data regione portoghese si ripaga dipende da occupazione, prezzo per notte, spese e finanziamento, variabili che vivono su più piattaforme e sono difficili da unire in un'unica vista.
Problema
L'obiettivo era un sistema decisionale quantitativo, non un report descrittivo: ricavi annui attesi, occupazione di pareggio, flusso di cassa mensile, sostenibilità del mutuo, anni per rimborsare un investimento di 150.000 euro e come la scalata a più immobili cambia il risultato.
Architettura
Ingegneria
- Pipeline di ingestione dedicata per gli snapshot degli annunci di Airbnb, Booking e Vrbo
- Architettura medallion (Bronze / Silver / Gold) con filtro geografico per coordinate e comune
- Occupazione stimata dalla disponibilità, (365 − availability_365) / 365, in scenari conservativo, base e ottimistico
- Modelli XGBoost per occupazione e prezzo per notte, versionati con metadati di benchmark
- Modellazione finanziaria: ricavi, spese, flusso di cassa e una simulazione di mutuo da 150.000 euro con sensibilità al tasso
- Confronto tra mercati: costa di Lisbona, Porto e la regione enoturistica del Douro, con una dashboard come output
Esito
Un sistema di investment intelligence ripetibile che trasforma dati di annunci sparsi in una vista finanziaria su cui un investitore può agire, confrontando regioni e modellando il rientro invece di tirare a indovinare. Copre l'intero percorso in cui lavora MCC: ingestione, data engineering, machine learning, modellazione finanziaria e un'interfaccia pronta per decidere.
Hai una domanda di prezzo o investimento nascosta nei tuoi dati?
Trasformiamola in modelli e numeri su cui agire davvero. Ne parliamo?