Gràcies al Big Data ja és gairebé possible escollir pis sense posar-hi un peu. Pràcticament totes les dades que podem considerar decisives a l'hora de triar un immoble estan al nostre abast. Des del preu de l'habitatge, fins a les característiques del barri. Des del nombre de pastisseries d'una zona; fins a la flaira del veïnat.
Cada cop són més els particulars i les immobiliàries que fan ús de l'anàlisi de dades massives per comprar o llogar pisos. De fet, com ja va succeir a l'anterior edició, el Big Data ha tornat a tenir el seu espai al Barcelona Meeting Point, que se celebra fins a aquest diumenge a Fira de Barcelona. Les possibilitats del Big Data al sector immobiliari són gairebé infinites. Només depèn del tipus de dades de què es disposi.
Els preus dels habitatges
L'ús més comú del Big Data en el mercat immobiliari és l'anàlisi de preus. Resulta pràctic tant pel client final com per les agències, que poden estar interessades en adquirir nous pisos o estudiar la competència. Existeixen empreses especialitzades en Data Mining que són capaces de descarregar els preus i característiques dels pisos oferts a Internet, i elaborar-ne estudis comparatius.
Altres dades de preus són molt més accessibles al públic. La Generalitat de Catalunya ofereix un mapa interactiu anomenat Visor Habitatge que, entre altres dades, permet consultar els preus de compravenda i lloguer per comarques i, en el cas de Barcelona, també per districtes. Al portal s'observa, per exemple, que el barri més car de la capital catalana és Sarrià-Sant Gervasi (1.125 €/mes i 14,33 €/m2) i que el més econòmic és Nou Barris (540 €/mes i 9,30 €/m2). També s'hi pot veure que, tot i tenir un dels lloguers més econòmics, Ciutat Vella és el districte amb el preu per metre quadrat més elevat després de Sarrià. Val uns 13,40 euros per metre quadrat al mes.
Dades públiques i obertes
D'altres dades obertes de l'Administració pública també serveixen per escollir pis. L'Ajuntament de Barcelona ofereix al seu portal OpenDataBCN referències sobre demografia, transport, turisme, esport... L'Ajuntament de Melbourne ha anat més enllà. Al web Urban Forest Visual indica, carrer a carrer, cada arbre de la ciutat. Així, a més de satisfer la seva curiositat, els ciutadans de la segona ciutat d'Austràlia poden escollir pis segons les zones verdes que hi hagi al barri o, fins i tot, segons el tipus de plantes que tinguin a tocar de casa.
Un factor clau per moltes famílies a l'hora d'escollir pis són les escoles que hi ha al barri. La firma Urban Data Anlytics (uDA), que participa al Barcelona Meeting Point, ha combinat dades públiques i privades per realitzar un estudi comparatiu entre dels preus dels immobles a Madrid i la distància geogràfica amb les escoles. El projecte demostra que els pisos més propers als centres educatius són un 6% més cars; i que si l'escola és concertada o privada, el preu encara és major. Fins a un 9% en el primer cas, i un 28% en el segon.
La conversa online
Un altre conjunt de dades molt útil per escollir casa són les xarxes socials. Estudiar la conversa a Internet, sobretot si està geolocalitzada, permet conèixer els interessos i preocupacions dels veïns, la presència de turistes, els negocis del barri... La startup nord-americana PlaceILive uneix l'Open Data amb xarxes socials com Forsquare per crear un índex d'habitabilitat.
Per ara, l'empresa només estudia les ciutats de Nova York, Chicago, San Francisco, Berlín i Londres, però n'ofereix moltes dades. El seu portal permet localitzar des de les parades de metro o bus de cada ciutat, fins a les seves pastisseries, fruiteries o supermercats. També analitza dades del cens, la qualitat de l'aire, la criminalitat o, fins i tot, els punts Wi-Fi.
Encara més enllà
Les aplicacions del Big Data en el món immobiliari semblen no tenir límit. Científics de dades de la Universitat de Cambridge van arribar a estudiar les olors de les ciutats. Gràcies a la recopilació de tuits i fotos a Instagram i Flickr i a la feina de voluntaris sobre el terreny, els analistes van ser capaços de localitzar les zones més pudents de Londres i Barcelona. Segons l'estudi, si es busca pis a Barcelona lluny de l'olor de tabac, cal fugir del Bogatell. Si es volen evitar les emissions dels cotxes, cal allunyar-se de la Diagonal. I si molesta l'olor d'animals; cal buscar pis lluny de la Ciutadella.
Però si el sentit clau per escollir casa no és l'olfacte sinó l'oïda; també hi ha estudis al respecte. El Servei de Parcs Nacionals dels Estats Units va enregistrar el so ambient a diferents punts del país per identificar-ne els espais més tranquils. El portal immobiliari Trulia, per la seva banda, va analitzar les queixes per soroll a la policia per poder aconsellar als seus clients els carrers més silenciosos de Seattle, San Francisco i Nova York.
Cada cop són més els particulars i les immobiliàries que fan ús de l'anàlisi de dades massives per comprar o llogar pisos. De fet, com ja va succeir a l'anterior edició, el Big Data ha tornat a tenir el seu espai al Barcelona Meeting Point, que se celebra fins a aquest diumenge a Fira de Barcelona. Les possibilitats del Big Data al sector immobiliari són gairebé infinites. Només depèn del tipus de dades de què es disposi.
Els preus dels habitatges
L'ús més comú del Big Data en el mercat immobiliari és l'anàlisi de preus. Resulta pràctic tant pel client final com per les agències, que poden estar interessades en adquirir nous pisos o estudiar la competència. Existeixen empreses especialitzades en Data Mining que són capaces de descarregar els preus i característiques dels pisos oferts a Internet, i elaborar-ne estudis comparatius.
Altres dades de preus són molt més accessibles al públic. La Generalitat de Catalunya ofereix un mapa interactiu anomenat Visor Habitatge que, entre altres dades, permet consultar els preus de compravenda i lloguer per comarques i, en el cas de Barcelona, també per districtes. Al portal s'observa, per exemple, que el barri més car de la capital catalana és Sarrià-Sant Gervasi (1.125 €/mes i 14,33 €/m2) i que el més econòmic és Nou Barris (540 €/mes i 9,30 €/m2). També s'hi pot veure que, tot i tenir un dels lloguers més econòmics, Ciutat Vella és el districte amb el preu per metre quadrat més elevat després de Sarrià. Val uns 13,40 euros per metre quadrat al mes.
Dades públiques i obertes
D'altres dades obertes de l'Administració pública també serveixen per escollir pis. L'Ajuntament de Barcelona ofereix al seu portal OpenDataBCN referències sobre demografia, transport, turisme, esport... L'Ajuntament de Melbourne ha anat més enllà. Al web Urban Forest Visual indica, carrer a carrer, cada arbre de la ciutat. Així, a més de satisfer la seva curiositat, els ciutadans de la segona ciutat d'Austràlia poden escollir pis segons les zones verdes que hi hagi al barri o, fins i tot, segons el tipus de plantes que tinguin a tocar de casa.
Un factor clau per moltes famílies a l'hora d'escollir pis són les escoles que hi ha al barri. La firma Urban Data Anlytics (uDA), que participa al Barcelona Meeting Point, ha combinat dades públiques i privades per realitzar un estudi comparatiu entre dels preus dels immobles a Madrid i la distància geogràfica amb les escoles. El projecte demostra que els pisos més propers als centres educatius són un 6% més cars; i que si l'escola és concertada o privada, el preu encara és major. Fins a un 9% en el primer cas, i un 28% en el segon.
La conversa online
Un altre conjunt de dades molt útil per escollir casa són les xarxes socials. Estudiar la conversa a Internet, sobretot si està geolocalitzada, permet conèixer els interessos i preocupacions dels veïns, la presència de turistes, els negocis del barri... La startup nord-americana PlaceILive uneix l'Open Data amb xarxes socials com Forsquare per crear un índex d'habitabilitat.
Per ara, l'empresa només estudia les ciutats de Nova York, Chicago, San Francisco, Berlín i Londres, però n'ofereix moltes dades. El seu portal permet localitzar des de les parades de metro o bus de cada ciutat, fins a les seves pastisseries, fruiteries o supermercats. També analitza dades del cens, la qualitat de l'aire, la criminalitat o, fins i tot, els punts Wi-Fi.
Encara més enllà
Les aplicacions del Big Data en el món immobiliari semblen no tenir límit. Científics de dades de la Universitat de Cambridge van arribar a estudiar les olors de les ciutats. Gràcies a la recopilació de tuits i fotos a Instagram i Flickr i a la feina de voluntaris sobre el terreny, els analistes van ser capaços de localitzar les zones més pudents de Londres i Barcelona. Segons l'estudi, si es busca pis a Barcelona lluny de l'olor de tabac, cal fugir del Bogatell. Si es volen evitar les emissions dels cotxes, cal allunyar-se de la Diagonal. I si molesta l'olor d'animals; cal buscar pis lluny de la Ciutadella.
Però si el sentit clau per escollir casa no és l'olfacte sinó l'oïda; també hi ha estudis al respecte. El Servei de Parcs Nacionals dels Estats Units va enregistrar el so ambient a diferents punts del país per identificar-ne els espais més tranquils. El portal immobiliari Trulia, per la seva banda, va analitzar les queixes per soroll a la policia per poder aconsellar als seus clients els carrers més silenciosos de Seattle, San Francisco i Nova York.
Subscriu-te de franc a VIA Empresa i rebràs al teu correu les nostres millors històries, reportatges i entrevistes, a més d’altres avantatges exclusius per a subscriptors.
Abans d'enviar-nos les teves dades llegeix la següent informació INFORMACIÓ BÀSICA SOBRE PROTECCIÓ DE DADES Responsable del tractament: TOTMEDIA COMUNICACIÓ, S.L. Finalitat del tractament: Atendre les sol·licituds d'informació que els usuaris d'aquest formulari ens enviïn. Legitimació: Consentiment de l'interessat en enviar-nos el formulari amb les seves dades. Destinataris: El personal, la direcció de l'empesa i els prestadors de serveis necessaris per complir amb les nostres obligacions. No cedirem les seves dades a tercers. Drets que l'assisteixen: Té dret a accedir, rectificar i/o suprimir les seves dades, així com altres drets, com s'explica detalladament a la política de privacitat, dirigint-se a privacitat@totmedia.cat. Informació addicional: Per a més informació consultin la política de privacitat.