Impact estimé
Fourchettes indicatives à affiner avec les données réelles du processus, le volume de travail et le coût interne.
- Heures récupérables
- 40-120 h/mois
- Coût évitable
- 3k-10k EUR/mois
- Moins d’erreurs
- 35-70%
Moins de recherches manuelles et de comparaison isolée entre portails externes.
Estimation issue de la réduction de revue manuelle, normalisation et priorisation opérationnelle.
Données normalisées et comparables pour réduire divergences et doublons.
Le Principáu d’Asturies devait identifier logements touristiques et VUT en Asturies à partir d’informations publiées sur des portails comme Airbnb et Booking. Le défi était de capturer, normaliser et interroger des données réparties dans des sources externes.
L’application a été développée avec Python, MongoDB et des techniques de scraping afin de faciliter la détection des logements, la comparaison des données et l’analyse opérationnelle de l’information collectée.
Le résultat soutient un travail plus structuré: moins de recherches isolées, données plus comparables et meilleure capacité à prioriser les revues.
