Inteligencia artificial
Ian Wong, Co-fundador y CTO de Opendoor – Serie de Entrevistas
¿Puede resumir el concepto detrás de Opendoor, y cómo se diferencia de competidores como Zillow?
Opendoor ofrece a las personas una forma sencilla y conveniente de comprar, vender y canjear hogares. Estamos convirtiendo un modelo de bienes raíces fragmentado e inflexible en una experiencia digital y bajo demanda de principio a fin. Como pionero de la “ibuyering”, Opendoor ha servido a más de 70,000 clientes hasta la fecha y se ha expandido a 21 mercados en EE. UU.
Opendoor puede proporcionar valores de mercado justos casi instantáneos para hogares utilizando un modelo de valoración propio que aprovecha datos de primera y tercera parte, junto con el uso de aprendizaje automático, IA y revisión humana. Con solo unos toques en la aplicación Opendoor, los vendedores pueden recibir una oferta de Opendoor dentro de las 24 horas. Vender a Opendoor proporciona más elección y certeza, ya que los propietarios de hogares pueden elegir su fecha de mudanza y evitar el estrés y la molestia de las exhibiciones y reparaciones de hogares.
Además, hemos comenzado a resolver otros puntos dolorosos en la transacción de hogares con el lanzamiento de un nuevo producto que reimagina el proceso de compra de hogares, el lanzamiento de un negocio de préstamos hipotecarios y la adquisición de una compañía de título y escrow. Nuestro objetivo es hacer que el proceso de mudanza sea fluido, bajo demanda y libre de estrés.
¿Qué fue lo que lo atrajo a Opendoor?
Tenemos la oportunidad de reinventar la transacción de bienes raíces, redefiniendo así la relación de las personas con su mayor activo. En lugar de una responsabilidad, ¿qué pasa si los propietarios de hogares pueden aprovechar la liquidez que les brindan sus hogares de la misma manera que usted y yo podemos retirar dinero de nuestra cuenta corriente? ¿Qué pasa si los compradores y vendedores pueden saltarse meses de estrés y incertidumbre, y convertirse en más confiados al avanzar en el próximo capítulo de sus vidas? La visión de permitir una mayor movilidad geográfica y libertad financiera es super emocionante, y se siente como si estuviéramos apenas comenzando ese viaje.
Opendoor analiza una gran colección de transacciones de mercado históricas. ¿Qué tipo de puntos de datos está reuniendo?
Los datos de bienes raíces precisos con el nivel de granularidad que necesitamos no son fáciles de encontrar. Utilizamos una combinación de grandes conjuntos de datos propietarios y de terceros para comprender las transacciones de mercado históricas, incluyendo detalles de nivel de lista y de hogar. Esto significa que examinamos puntos de datos comunes de una lista, como la fecha de venta y el precio, cuando el hogar se listó, así como puntos de datos sobre hogares individuales, como el número de dormitorios y baños, atributos de la cocina o los pies cuadrados. Además, incorporamos características que denotan la calidad o la singularidad de un hogar, lo que nos permite seleccionar comparables más precisos y, en última instancia, valorar el hogar de manera más precisa. También tomamos en cuenta datos similares de hogares que actualmente están en el mercado. En última instancia, estos puntos de datos nos ayudan a predecir el valor de mercado justo de un hogar y la cantidad de tiempo que probablemente tardará en volver a vender el hogar.
Opendoor también analiza hogares que se retiran del mercado sin transaccionar, ¿cómo se utiliza este dato de manera diferente en comparación con hogares que han sido vendidos?
Examinamos datos similares para hogares activos y hogares que se retiran del mercado sin transaccionar — hogares que llamamos “delistados”. Nuestro conjunto de datos examina una variedad de detalles de hogar y de lista, incluyendo pies cuadrados y precio de lista, para cada transacción. Examinamos esas perspectivas para los delistados, pero no podemos observar nuestra variable objetivo de días en el mercado. Además, examinamos el mercado de manera holística para comprender la oferta y la demanda. Al incorporar listados no transaccionados, podemos tener una imagen más completa del mercado.
Opendoor utiliza Ensembling como un factor en la valoración de hogares. ¿Puede explicar qué es Ensembling y cómo Opendoor utiliza esta tecnología?
Cuando un comprador quiere comprar una casa o un vendedor decide listar su hogar en el mercado, la forma en que determinan el valor del hogar dependerá de por qué están comprando o vendiendo. Y esto puede ser muy diferente dependiendo del tipo de comprador y vendedor. Incorporamos esto en nuestro modelo para comprender cómo los compradores y vendedores ven el mercado, lo que es donde entra en juego Ensembling. Ensembling nos permite utilizar diferentes modelos de valoración juntos para calcular un promedio ponderado de los valores de los hogares. Algunos modelos pueden ponderar ciertas variables de manera diferente a otros. Hemos encontrado que Ensembling generalmente produce una valoración más precisa que cualquier modelo individual.
Opendoor importa grandes cantidades de datos de diversas fuentes, lo que puede ser un desafío debido a cómo se etiquetaron o formatearon los datos originalmente. Opendoor utiliza Markov Random Field para ayudar con este problema. ¿Puede explicar qué es?
El desafío se debe a las mutaciones en los datos de texto, desde abreviaturas y errores de ortografía hasta un orden inconsistente de palabras y deletreo numérico. Los datos de mala calidad impactan nuestros modelos de valoración de hogares, por lo que implementamos un enfoque matemático para ayudar a estandarizar el texto y mejorar la calidad de las etiquetas. Markov Random Field nos permite puntuar todas las etiquetas conjuntamente y interpretar de manera más precisa características como subdivisiones. La puntuación de cada etiqueta proviene de dos componentes diferentes: 1) cómo se relacionan las etiquetas finales con el texto original y 2) cómo son espacialmente continuas las etiquetas entre vecinos. Con las matemáticas de las cadenas de Markov, hacemos que los datos sean más que la suma de sus partes.
Usted utiliza una técnica llamada análisis de supervivencia para modelar el tiempo de retención promedio de un hogar que se lista para la venta. ¿Qué es el análisis de supervivencia y se aplica en el caso de Opendoor?
Fundamentalmente, necesitamos comprender la liquidez en una base por hogar, y ser capaces de actualizar nuestra visión del perfil de liquidez de un hogar a medida que obtenemos más información. El análisis de supervivencia es un método estadístico que analiza la cantidad de tiempo anticipada hasta que ocurran uno o más eventos. En nuestro caso, utilizamos el análisis de supervivencia para ayudarnos a comprender y predecir cuánto tiempo tardará una casa en venderse. Al utilizar este método, mejoramos dramáticamente nuestra capacidad para responder a las condiciones de mercado cambiantes, y predecir de manera más precisa nuestra economía unitaria. Esto nos ayuda a determinar un umbral de riesgo para cada hogar y tomar decisiones de inversión más inteligentes, lo cual es vital para nuestro negocio.
Hay factores que afectan el valor de un hogar que son muy dependientes de la ubicación, como el ruido del tráfico. ¿Cómo utiliza el aprendizaje automático para programar su modelo de valoración para este tipo de problema?
El Modelo de Valoración de Opendoor (OVM) combina la inteligencia de máquina con la experiencia humana para proporcionar ofertas precisas y competitivas, teniendo en cuenta factores menos aparentes, como el ruido del tráfico. Para hacerlo, confiamos en nuestros operadores humanos para identificar variables y en nuestras máquinas para predecir cuánto importan en el algoritmo de valoración. OpenStreetMap (OSM) es un conjunto de datos disponible gratuitamente para geometrías de carreteras y nos ayuda a identificar hogares adyacentes a carreteras. También buscamos ajustes humanos anteriores en hogares para calcular el valor de ajuste promedio. Podemos refinar estos valores con la escala, y a medida que recopilamos más datos de ajuste humano para los mercados, el conjunto de datos crece y mejora el rendimiento del OVM. Lo más importante es que enriquecemos los datos de terceros disponibles con nuestros propios datos propietarios. Como resultado, las señales de ubicación dependientes mejoran dramáticamente con el tiempo.
¿Hay algo más que le gustaría compartir sobre Opendoor?
Lo que hace que trabajar en Opendoor sea particularmente especial para mí es que estamos utilizando tecnología, ciencia de datos y excelencia operativa para ayudar a resolver puntos dolorosos del mundo real para millones de consumidores. Este matrimonio de los mundos en línea y fuera de línea nunca se ha hecho y viene con muchos desafíos nuevos y interesantes.
