Un modello di valutazione automatica degli immobili vale quanto valgono i dati che lo alimentano. L'algoritmo conta poco se sotto c'è una zona OMI sbagliata, una superficie catastale imprecisa o un prezzo dichiarato mai aggiornato. Questo articolo elenca i dati che servono davvero, nell'ordine in cui servono, e mostra con un esempio reale cosa restituisce la nostra API quando la si interroga.
I tre strati che servono sempre
Ogni valutazione automatica poggia su tre strati, e nessuno dei tre è negoziabile.
Il primo è il catasto, che dà l'identità dell'immobile: categoria, consistenza, rendita, superficie. Senza questi campi il modello parla di un oggetto indefinito, e confronta tra loro cose diverse. Il secondo sono le quotazioni OMI, che danno il valore di riferimento della zona: l'Agenzia delle Entrate le pubblica ogni semestre, e nel nostro database coprono 22 semestri su 8.170 comuni, con valori che in città come Napoli vanno da 1.050 a 5.700 euro al metro quadro su 61 zone e a Torino da 840 a 6.500 euro su 47 zone. Il terzo sono i prezzi dichiarati delle compravendite, che l'Agenzia pubblica anch'essa semestre per semestre e che servono a calibrare il modello sul venduto reale, senza i quali la stima resta un'opinione ben vestita.
La nostra regola. Il catasto identifica, l'OMI orienta, i prezzi dichiarati correggono.
I dati di contesto che migliorano la stima
Oltre ai tre strati di base, i modelli migliori aggiungono il contesto economico e sociale della zona. Redditi dichiarati, indice di Gini, affordability, demografia della sezione di censimento: sono i dati che spiegano perché due appartamenti simili in due zone vicine si vendono a prezzi diversi.
Ecco cosa restituisce davvero la nostra API per la particella 14484101, ad Amalfi: reddito medio 25.831,79 euro, coefficiente di Gini 0,4584, indice di affordability 19,46, prezzo medio residenziale 6.283,33 euro al metro quadro, con 3.487 contribuenti nell'anno fiscale 2023. Il contesto demografico arriva dalla sezione di censimento ISTAT 2021: 4.834 abitanti, 1.201 famiglie, 87 residenti stranieri.
La pagina API Valutazioni Immobiliari dell'app Zornade. Redditi MEF per CAP, demografia ISTAT di sezione e indici derivati, già riferiti alla singola particella.
Le fonti contano quanto i numeri. I redditi arrivano dalle dichiarazioni IRPEF del Ministero dell'Economia aggregate per CAP, la demografia dal censimento permanente ISTAT a livello di sezione, la granularità più fine disponibile. Un modello che usa redditi a livello comunale dove servirebbe il CAP, o demografia a livello comunale dove servirebbe la sezione, perde la capacità di distinguere microzone che un agente riconosce a occhio.
Come si assembla il tutto
Il montaggio dei dati segue due strade, e la scelta dipende dal volume: per costruire e addestrare il modello serve un'estrazione massiva, per servire le stime a richiesta serve un'API. La nostra API espone gli strati come parametri della stessa chiamata. Con include=basic,economics arrivano i dati economici, con include=basic,demographics la demografia, con include=basic,valuation le quotazioni OMI. In un'unica risposta il modello riceve tutto quello che serve, già georiferito alla particella.
Chi vuole capire come si costruisce il modello nel dettaglio trova la guida tecnica in questo articolo, e l'analisi dei dati OMI come base per gli AVM in quest'altro. Qui ci limitiamo al dato, che è la parte dove vediamo sbagliare più progetti.
Gli errori che rovinano i modelli
Il primo errore è usare solo l'OMI senza i prezzi dichiarati. Le quotazioni sono intervalli prudenziali, i prezzi dichiarati sono il mercato vero, e un modello che non li vede sovrastima o sottostima in modo sistematico. Il secondo è sbagliare zona OMI. Basta un codice postale al confine e l'immobile viene confrontato con il quartiere sbagliato, con errori che si vedono subito nelle serie storiche. Il terzo è ignorare la consistenza catastale. Il prezzo al metro quadro si applica a una superficie, e se quella superficie arriva da fonti disallineate la stima finale è rumore. Il quarto è la granularità dei dati di contesto, già detto. Il quinto è non documentare le fonti, che rende il modello inutilizzabile quando qualcuno chiede conto di una stima.
Domande frequenti
Quali dati servono per una valutazione immobiliare automatica?
Servono sempre tre strati: catasto per l'identità dell'immobile, quotazioni OMI per il valore di riferimento della zona e prezzi dichiarati per calibrare il modello sul venduto reale. I dati economici e demografici di contesto migliorano la stima e distinguono le microzone.
Le quotazioni OMI bastano per una stima automatica?
Da sole no. Sono intervalli prudenziali per zona e destinazione, utili per orientarsi. Senza i prezzi dichiarati delle compravendite il modello gira a vuoto e produce errori sistematici.
Quanto è importante la superficie catastale?
Molto. Il prezzo al metro quadro si applica a una superficie, e ogni disallineamento tra le fonti si trasforma direttamente in errore di stima. La consistenza catastale va riconciliata prima di addestrare il modello.
Da dove arrivano i dati economici di Zornade?
Dalle dichiarazioni IRPEF del Ministero dell'Economia, aggregate per CAP, con indici derivati calcolati da noi: coefficiente di Gini, indice di affordability e prezzo medio residenziale. Ogni risposta riporta la fonte e l'anno fiscale.
A che livello di dettaglio sono i dati demografici?
Al livello di sezione di censimento, la granularità più fine pubblicata dall'ISTAT. Per una valutazione questo significa poter distinguere microzone diverse all'interno dello stesso comune.
Posso provare i dati prima di integrarli?
Sì. La pagina API Valutazioni Immobiliari dell'app mostra un esempio completo con i dati reali di una particella, e il playground permette di interrogare qualsiasi particella e leggere la risposta JSON prima di scrivere codice.
Serve la licenza commerciale per un prodotto di valutazione?
Il piano gratuito dell'API ammette 10.000 richieste all'ora con attribuzione visibile. Chi consegna il prodotto senza la scritta Zornade passa alla licenza commerciale, che lascia invariate le attribuzioni obbligatorie alle fonti.
Un AVM si giudica sul dato più debole, come una catena. Se state costruendo o rifacendo un modello, partite da dati proptech e confrontate la risposta dell'API con quello che il vostro modello usa oggi. La differenza si vede in pochi minuti.
Foto di copertina: RDNE Stock project su Pexels