Capstone Project — Epicode, Master in Data Analytics
Analisi predittiva del Mercato Immobiliare Residenziale Italiano
- Problema
- Capire se e dove un modello di forecasting complesso (SARIMAX) offre davvero un vantaggio rispetto a un approccio più semplice, su dati immobiliari reali e frammentati.
- Soluzione
- Pipeline su dati OMI (Agenzia delle Entrate) di 6 province dal 2016 al 2025, integrati con serie storiche ISTAT e BCE. Pulizia e validazione di circa 42.000 righe, gestione di casi critici (codici provincia mancanti, fusioni comunali). Database MySQL a tre tabelle con oltre 1.100 righe di SQL, incluse window function (LAG, RANK) e una regressione polinomiale scritta in puro SQL, validata con Scikit-learn.
- Risultato
- SARIMAX si è rivelato più accurato solo dove il mercato ha un andamento prevedibile (es. Milano) — conferma che il modello più complesso non è sempre la scelta giusta. Dashboard Streamlit multi-sezione per rendere i risultati esplorabili anche da un pubblico non tecnico.
- SQL / MySQL
- Python
- Scikit-learn
- SARIMAX
- Streamlit