HomeLookup (Analisi Dati + AI)

L'operatore si muoveva nel settore degli affitti brevi e affrontava un problema ricorrente: identificare con precisione quali immobili di una determinata zona fossero sfitti o poco sfruttati e mettersi in contatto con i relativi proprietari. Le informazioni utili erano distribuite su fonti pubbliche eterogenee, come banche dati catastali, servizi dell'Agenzia delle Entrate e portali di settore, e non esisteva un modo semplice per incrociarle e trasformarle in una lista di opportunita' concrete. Il lavoro veniva fatto a mano, aprendo decine di portali, comparando codici catastali, cercando i recapiti dei proprietari caso per caso. Il risultato era un processo lento, soggetto a errori e difficilmente scalabile. Serviva uno strumento che unificasse le fonti, applicasse criteri oggettivi di filtro (consumi energetici, caratteristiche dell'immobile, geolocalizzazione) e restituisse non solo l'elenco degli immobili ma anche i contatti dei proprietari, cosi' da trasformare un'attivita' di ricerca manuale in una pipeline commerciale sempre alimentata.

Abbiamo sviluppato una piattaforma di analisi dati che raccoglie informazioni da fonti pubbliche e le incrocia in modo automatico: banche dati catastali, servizi dell'Agenzia delle Entrate, dataset sui consumi energetici e geolocalizzazione. Il sistema applica un modello di data mining che individua gli immobili con alta probabilita' di essere sfitti o sottoutilizzati, filtrando per area geografica, tipologia e pattern di consumo. Un livello di intelligenza artificiale pulisce i dati, riconcilia i record provenienti da fonti diverse e propone una lista consolidata di immobili candidati, corredata dai recapiti pubblici dei proprietari quando disponibili. L'interfaccia e' pensata per un uso operativo quotidiano: mappa navigabile, filtri rapidi, esportazione verso il CRM del cliente e memoria delle ricerche, cosi' il team commerciale lavora su una pipeline aggiornata invece che ricostruirla da zero ogni settimana. L'automazione del contatto integra il salto successivo, fornendo all'operatore un canale strutturato per la comunicazione. Lo stack combina una pipeline di data ingestion da fonti eterogenee, un database analitico, un livello di machine learning per l'identificazione dei pattern e un'interfaccia web reattiva con componenti geospaziali.

Il tempo speso nella fase di ricerca si e' ridotto in modo deciso: la piattaforma restituisce in minuti quello che prima richiedeva giorni di lavoro manuale su portali scollegati. Il team commerciale lavora su una lista gia' filtrata e ordinata, con recapiti pronti all'uso, e puo' dedicare piu' energia al contatto e alla trattativa invece che all'estrazione dei dati. L'accuratezza e' aumentata grazie all'incrocio automatico delle fonti, che ha reso meno probabili errori di associazione tra immobile e proprietario. L'operatore ha acquisito una vista d'insieme del territorio (per consumi, per densita', per tipologia) e puo' pianificare in modo strategico su quali zone concentrarsi. La pipeline di opportunita' e' diventata continua e alimentata in automatico, passando da attivita' occasionale di scouting a processo strutturato.