Loft — Quem Quer Precificar no Brasil Primeiro Constrói o Dado

A Loft é um case de infraestrutura de informação, não de um prédio específico. O "objeto" aqui é um pipeline de dado transacional — ITBI, cartórios, portais e funil próprio — que não se fotografa. O que existe em licença livre é o próprio mercado que a Loft tentou ler: o estoque vertical e pulverizado de apartamentos de São Paulo, onde cada imóvel é um preço sem referência pública confiável. As imagens abaixo são ilustrativas desse mercado — não são operações da Loft.

O modelo que a Loft copiou depende de uma coisa que os EUA têm e o Brasil não: uma base confiável de transações. Nos EUA, o MLS (Multiple Listing Service) e os registros públicos alimentam algoritmos de automated valuation que dizem, com erro pequeno, quanto vale cada imóvel. O iBuying (Opendoor, Zillow Offers) só faz sentido se você consegue precificar no automático: compra ligeiramente abaixo, revende ligeiramente acima, ganha na escala e no giro. O erro de precificação é o inimigo — o Zillow Offers fechou em 2021 justamente porque o modelo de preço errou (Case #26).

No Brasil, não existe MLS. Não há registro central de ofertas, o dado de cartório é fragmentado por serventia e o dado de transação (ITBI) só começou a ser divulgado — em São Paulo, a partir de 2022, e ainda de forma parcial. Ou seja: quem quisesse rodar iBuying no Brasil descobriria que o insumo mais crítico do modelo simplesmente não estava disponível para compra. Não dava para licenciar um MLS que não existe.

A consequência lógica: antes de precificar, a Loft teve que construir o pipeline de dado — cruzar ITBI municipal, raspar portais, estruturar o próprio funil de negociações e montar uma base de milhões de registros com algoritmo de 100+ variáveis. Isso é caro, lento e não aparece no pitch. Foi parte do motivo de a empresa queimar tanto capital: ela não estava só comprando apartamentos — estava financiando a construção da infraestrutura de dado que o país não tinha.

É aqui que o case gira. A leitura ingênua diz: "a ausência de MLS é uma desvantagem do Brasil". A leitura da Banca da IA da Távola (Ng + Suleyman) diz o oposto: a ausência de dado público é exatamente o fosso que protege quem monta o dado privado. Nos EUA, o MLS é público e barato — qualquer proptech acessa, então o dado não é vantagem competitiva de ninguém; a briga é em audiência e execução. No Brasil, o dado não existe pronto. Quem paga o custo de construí-lo — anos de ITBI, cartório, portal, funil — fica com uma base que o concorrente só obtém pagando o mesmo custo-tempo. O CoStar (Case #29) provou a tese no CRE americano dos anos 1980, quando o dado comercial também não existia: coletar o dado que ninguém tem é o único moat que compõe sozinho.

A Loft, sem querer, virou o CoStar do dado residencial brasileiro — não porque planejou, mas porque o iBuying a obrigou a construir o dado. Quando o iBuying puro ruiu, o que sobrou de valioso não foi o estoque de apartamentos: foi o pipeline.

1. iBuying é intensivo em capital e frágil a juros: comprar imóvel no balanço trava caixa e expõe a empresa ao ciclo — quando a Selic sobe, o custo de carregar estoque explode e a demanda por crédito imobiliário despenca. Foi o que aconteceu em 2022. O modelo de contraparte não sobrevive a juros altos sem funding barato e infinito, que sumiu.

2. Serviços e crédito são asset-light e monetizam a base: fiança locatícia (CredPago), originação de crédito (CrediHome), CRM para imobiliárias (Vista), Home Equity, seguros. Nenhum exige comprar o imóvel — todos usam o dado, a distribuição de imobiliárias e o relacionamento que a Loft já tinha. A receita virou majoritariamente fintech, e a empresa atingiu break-even em 2023.

3. O dado alimenta o crédito, e o crédito realimenta o dado: para originar crédito e precificar fiança, você precisa avaliar o imóvel e o risco — exatamente o que o pipeline faz. Cada operação de crédito gera mais dado transacional, que melhora o modelo de preço, que melhora a próxima originação. O ciclo fechado dado ↔ serviço é o que o iBuying puro nunca teve.

Este case não é sobre a Loft — é sobre o que a Loft prova. O operador que constrói uma base transacional proprietária num mercado sem MLS está fazendo, em pequena escala, o que a Loft fez com US$ 800 milhões: montando o ativo que o país não tem. No universo de permutas e originação de terrenos, cada negociação — fechada ou recusada — é um registro que ninguém mais tem. A base própria de permutas é o equivalente residencial-do-terreno do pipeline da Loft: enquanto ITBI, ONR e cartório eletrônico não digitalizam tudo, quem já registra sai na frente. E, como a Loft descobriu, o dado que você é obrigado a construir para operar pode valer mais que a operação que o gerou.

O vazio é nacional e é a oportunidade: o Brasil não tem MLS, não tem registro central de ofertas e o dado público (cartório, ITBI, alvará) é fragmentado por município. Quem opera originação de terrenos, permutas, landbank ou intermediação em qualquer praça — capitais, cidades médias do interior paulista, Sul, Centro-Oeste do agro, Nordeste em expansão — está sentado sobre um fluxo de dado que ninguém estrutura. A janela é agora: a divulgação de ITBI por município (SP desde 2022), o Registro de Imóveis eletrônico (ONR/SREI) e a digitalização vão melhorar o dado público na próxima década — e o prêmio de quem tem série própria anterior só cresce até lá.

Quem já tenta (e onde não chegam): DataZAP (Grupo OLX), a própria Loft Dados, Brain Inteligência Estratégica e os índices Abrainc-Fipe/CBIC cobrem listing residencial, lançamento e agregados macro. Quase ninguém estrutura o mercado de terrenos: oferta, contraproposta, recusa, condição de permuta, potencial construtivo. É o pedaço que o operador captura de graça no dia a dia — e o mais valioso, porque é o dado do que não fechou.

Para quem é a lição: incorporadoras médias (o comitê de terrenos já gera o dado — falta estruturar), consultorias de originação (o dossiê de cada terreno recusado é o produto de amanhã), gestoras de FII e landbank (série proprietária de ofertas = vantagem de underwriting) e operações de permuta em escala — onde cada mesa de negociação é um sensor de mercado que o concorrente não tem.

O que NÃO copiar: o iBuying puro (comprar imóvel/terreno no balanço para revender no automático) — no Brasil, sem MLS e com juro alto, é a receita do Zillow Offers e do down round da Loft. E não confundir "ter um algoritmo de preço" com "ter o dado que o alimenta": o algoritmo é commodity; o pipeline de dado transacional brasileiro, não. Construa o segundo antes de sonhar com o primeiro.