Saltar para o conteúdo

Engenharia de dados · Machine learning · Modelação financeira

Portugal Rental Investment Intelligence

Um sistema de apoio à decisão financeira que avalia se um imóvel de alojamento local em Portugal é um investimento viável. Lê dados de listagens de várias plataformas (Airbnb, Booking, Vrbo), modela a ocupação e o preço por noite e simula receita, fluxo de caixa e amortização do crédito por região.

Domínio

Alojamento local / análise de investimento

Papel

Engenharia de dados, modelação de ML, modelação financeira, dashboard

Stack

Python · Jupyter · scikit-learn / XGBoost · SQL · Tableau

Contexto

Os investidores comparam mercados de alojamento local por intuição e listagens dispersas. Se uma compra numa dada região portuguesa se paga a si própria depende da ocupação, do preço por noite, das despesas e do financiamento, variáveis que vivem em várias plataformas e são difíceis de reunir numa só vista.

Problema

O objetivo era um sistema quantitativo de decisão, não um relatório descritivo: receita anual esperada, ocupação de break-even, fluxo de caixa mensal, sustentabilidade do crédito, anos para amortizar um investimento de 150.000 euros e como a expansão para várias propriedades altera o resultado.

Arquitetura

FONTE: Airbnb · Booking · Vrbo

Snapshots públicos de listagens de várias plataformas para regiões portuguesas

Bronze: ingestão em bruto

Listagens, disponibilidade, coordenadas e avaliações captadas como recebidas

Silver: filtrado & conformado

Filtragem geográfica por coordenadas e concelho, limpeza, correspondência entre plataformas

Gold: warehouse & features

Tabelas validadas de warehouse e features de modelo

ML: ocupação & preço por noite

Modelos XGBoost de ocupação e preço por noite, versionados e comparados

Modelo financeiro & vista de decisão

Receita, fluxo de caixa, amortização de crédito de 150k e comparação regional

Engenharia
  • Pipeline de ingestão própria para snapshots de listagens do Airbnb, Booking e Vrbo
  • Arquitetura medallion (Bronze / Silver / Gold) com filtragem geográfica por coordenadas e concelho
  • Ocupação estimada a partir da disponibilidade, (365 − availability_365) / 365, em cenários conservador, base e otimista
  • Modelos XGBoost para ocupação e preço por noite, versionados com metadados de benchmark
  • Modelação financeira: receita, despesas, fluxo de caixa e uma simulação de crédito de 150.000 euros com sensibilidade à taxa de juro
  • Comparação entre mercados: costa de Lisboa, Porto e a região vinícola do Douro, com um dashboard como resultado
Resultado

Um sistema de inteligência de investimento repetível que transforma dados de listagens dispersos numa vista financeira sobre a qual o investidor pode agir, comparando regiões e modelando a amortização em vez de adivinhar. Cobre todo o percurso em que a MCC trabalha: ingestão, engenharia de dados, machine learning, modelação financeira e uma interface pronta para decidir.

Tem uma questão de preço ou investimento escondida nos seus dados?

Vamos transformá-la em modelos e números sobre os quais possa agir de verdade. Quer conversar?