← Casos d’estudi·PropTech8 setmanes

Indole Homes: PropTech amb Machine Learning des de zero.

Plataforma proptech catalana amb motor de valoració propi entrenat amb ML. Integració directa amb el Cadastre espanyol i arquitectura per a diverses províncies. De la tesi al producte en producció en 8 setmanes.

8

setmanes de la idea a producció

4

províncies catalanes operatives

ML

motor de valoració propi

100%

codi propi, sense dependència

El repte

Indole Homes va néixer amb una tesi clara: el mercat immobiliari català és opac per al venedor particular. Les valoracions que ofereixen les immobiliàries solen estar esbiaixades cap a la seva comissió, i els portals generalistes no aporten dades reals del Cadastre ni del mercat real de transaccions.

El repte tècnic era construir des de zero un motor de valoració immobiliària prou precís per sostenir un model de negoci on Indole compra directament amb descompte o acompanya la venda tradicional. I fer-ho prou ràpid per arribar al mercat abans que la competència.

La solució

Vam dissenyar una arquitectura en tres capes: ingesta de dades cadastrals i de mercat, motor de valoració basat en XGBoost entrenat amb històric real de Catalunya i una capa web ràpida construïda en Next.js amb dades servides des de Supabase.

Peça 1: flux de dades

Vam construir un flux en Python que extreu dades del Cadastre espanyol, les enriqueix amb informació de Google Maps (zones, transport, serveis) i les normalitza per al model de ML. Funciona per lots nocturns i sota demanda per a noves valoracions.

Peça 2: motor ML amb XGBoost

Vam entrenar un model de gradient boosting amb històric de transaccions reals. L’elecció de XGBoost davant del deep learning va venir dictada per dos motius: la quantitat de dades disponibles, on els models basats en arbres superen les xarxes neuronals, i la interpretabilitat, clau per confiar en una decisió que afecta una operació immobiliària.

Peça 3: web ràpid per a diverses províncies

El web està construït en Next.js amb SSG i ISR. Cada província (Barcelona, Girona, Tarragona, Lleida) té les seves rutes optimitzades per al SEO local. Les valoracions se serveixen des d’una API en FastAPI que connecta el motor ML amb el web.

Tecnologies utilitzades

Next.jsTypeScriptSupabase (PostgreSQL)PythonXGBoostFastAPIGoogle Maps APIAPI del CadastreVercel

Els resultats

  • Producte en producció operant simultàniament a quatre províncies catalanes (Barcelona, Girona, Tarragona, Lleida) en lloc del pilot inicial d’una sola província.
  • Motor de valoració ML propi entrenat amb dades reals. Ajustat específicament al mercat immobiliari català.
  • Model de doble via operatiu des del dia 1: compra directa amb descompte o acompanyament de venda tradicional.
  • Arquitectura preparada per escalar a altres comunitats autònomes reutilitzant el mateix flux ML amb dades locals.
  • Tecnologies obertes i documentades: l’equip d’Indole té control total del producte sense dependència tècnica de Simbiotic.
«Necessitàvem un equip tècnic que entengués tant la complexitat ML com el mercat immobiliari. Simbiotic ens va portar d’una tesi a un producte en producció en vuit setmanes, amb codi que ara podem continuar evolucionant internament.»
Equip Indole Homes

Tens un projecte similar?

Construïm plataformes amb IA o ML integrat des de zero. Si el teu negoci necessita un producte tècnic complex en setmanes en lloc de mesos, parlem-ne.

Explica’ns el teu projecte →