Airbnb Data Pipeline & Investment Strategy
Aplicação de inteligência de mercado que processa dados do Inside Airbnb pra identificar micro-mercados imobiliários subvalorizados: pipeline ETL em Python + dashboard interativo de consultoria de investimentos.
- +28.9%
- valor agregado do ar condicionado à diária
- +16.0%
- valor agregado da piscina
Visão geral
Este projeto simula uma consultoria de investimentos imobiliários data-driven. O objetivo não foi apenas visualizar dados, mas criar um produto analítico que responde: “onde investir capital para obter o maior retorno com o menor risco em aluguéis de curta temporada?”
A partir de dados públicos do Inside Airbnb, construí um pipeline que ingere, sanitiza e enriquece os dados brutos, culminando em uma ferramenta de recomendação prescritiva para investidores.
Arquitetura e metodologia
Estruturado seguindo boas práticas de engenharia de software e dados, com responsabilidades segregadas em módulos:
Ingestão e processamento (ETL)
- Limpeza estatística — regras de IQR (intervalo interquartil) para remoção automática de outliers de preço, evitando que imóveis de luxo extremo ou erros de cadastro enviesem a análise;
- Engenharia de atributos — cálculo de receita estimada (ocupação × diária, baseado no “San Francisco Model”) e valoração de amenities: um algoritmo processa listas não-estruturadas pra isolar o impacto financeiro de cada item.
Armazenamento otimizado
Parquet com compressão Snappy em vez de CSV na camada processed — tipagem forte (schema enforcement) e leitura de alta performance pro frontend.
Visualização e entrega
Aplicação web em Streamlit onde o usuário filtra oportunidades por orçamento e visualiza “zonas de calor de rentabilidade” em mapas interativos, além de uma matriz de oportunidade: um gráfico de dispersão que isola bairros no quadrante “baixo custo / alto retorno”.
Resultados de negócio
A análise automatizada identificou o micro-mercado Waterfront Communities — The Island como alvo ideal de investimento: eficiência de custo superior à média da cidade com quebra de receita mínima em relação ao mercado de luxo.
Notas de bastidor
Próximos passos focam na transição da análise pra engenharia de dados robusta:
- Containerização com Docker (reprodutibilidade dev/prod);
- Orquestração com Docker Compose;
- CI/CD com GitHub Actions (testes e build de imagens a cada push).