De Wetenschap van Vastgoed: Matchen en Kopen

Uw gegevens kennen u het beste, laat ze uw droomhuis vinden. De vastgoedsector zit op enorme hoeveelheden gegevens die elk jaar ongebruikt blijven. In dit artikel bespreken we hoe geavanceerde technologieën vastgoedbeleggers, makelaars en bedrijven helpen om de enorme hoeveelheid informatie binnen de sector te gebruiken om mensen te helpen hun droomhuis te vinden.

In 2017 publiceerde een Field Actions Science Reports artikel over de impact van AI, machine learning en predictieve analytics op de vastgoedsector:

“De praktijk van AI-gepowered Urban Analytics is in opkomst binnen de vastgoedsector. Datawetenschap en algoritmische logica staan aan de vooravond van nieuwe stedelijke ontwikkelingspraktijken. Hoe dichtbij? is de vraag — experts voorspellen dat digitalisering verder zal gaan dan intelligente gebouwbeheersystemen. Nieuwe analytische tools met predictieve mogelijkheden zullen de toekomst van stedelijke ontwikkeling dramatisch beïnvloeden en de vastgoedsector opnieuw vormgeven.”

Snel vooruit naar 2020: achter hype-vallen laten we toegeven dat de transformatieve effecten van data-literatuur, digitaliseringsstrategieën en technologische vooruitgang. Predictieve analytics, machine learning en AI-gepowered applicaties leiden nog steeds innovatie in een verscheidenheid aan industrieën, ver voorbij de vastgoedsector. Van de meest saaiste ML-toepassingen tot de meest interessante NLP & OCR-automatiseringsinspanningen, hebben brancheleiders geleerd om deze krachtige tools voor hun voordeel te gebruiken.

Vandaag komen we bij 3 vastgoed-gevallen. Ze zijn bedoeld om te laten zien hoe moderne software-stacks en intuïtieve interfaces samenwerken met Machine Learning en data-engineering om unieke producten en diensten te creëren.

wetenschap van vastgoed: Uw gegevens kennen u het beste, laat ze uw perfecte huis vinden.

Huis kopen processen

De huidige vastgoedmarkt stelt een interessante machine learning-uitdaging: is er een formule voor het matchen van de juiste huiskopers met de juiste eigendommen tegen de juiste prijzen? Het zoeken naar nauwkeurige huis-matchings- en ontdekkingsdiensten is wat onderzoekers en branche-professionals op hun tenen houdt. Met enorme hoeveelheden gegevens beschikbaar voor hen, en geïnspireerd door de hoge nauwkeurigheid van online recommender-systemen (Netflix, bijvoorbeeld?), zien huis-matchings-motoren constante ontwikkeling, zelfs in de niet-technisch-georiënteerde vastgoedsector.

Orchard is een makelaar die moderne technologie-instrumenten gebruikt om huis-ontdekkingsdiensten te verbeteren. Door machine learning-algoritmes te gebruiken, komen ze met een antwoord op de meest dringende vraag die huiskopers stellen: “Wat ziet mijn droomhuis eruit?”. Bovendien kunnen algoritmes helpen om een vervolgvraag te beantwoorden: “Welke compromissen ben ik (niet) bereid te sluiten?”

Co-Founder en Chief Product & Marketing Officer, Phil DeGisi verduidelijkt:

“Home Match is de eerste ooit home-zoekalgoritme dat mensen laat kiezen welke functies het meest voor hen tellen. We vragen kopers een reeks vragen over wat ze waarderen en beschouwen als “must-haves” en “nice to haves” in een huis – zoals een keukeneiland, een zwembad in de achtertuin en een reistijd van seconden. Orchard wijst een persoonlijke match-score toe aan elk huis in het zoekgebied.”

Zo worden kopers gematcht met legitieme huis-kopen-mogelijkheden en wordt het hele proces gemakkelijker voor alle partijen betrokken.

Gebruikers van huis-matchings-systemen kunnen genieten van een ervaring die wordt gekenmerkt door verhoogde personalisatie en gebruiksvriendelijkheid. Zoekresultaten worden gerangschikt volgens hun profielen en gemakkelijk te gebruiken, interactieve interfaces vervangen oude vastgoed-catalogi.

“Orchard heeft ook een andere industrie-primeur ontwikkeld, Photo Switch, die deze gepersonaliseerde zoekresultaten weergeeft op een meer visueel nuttige en gepersonaliseerde manier. Dit doet het door een machine learning-model te creëren om foto’s van elk huis op de markt te scannen en te bepalen welke kamers in elke foto zitten. Deze functie is de eerste van zijn soort en laat gebruikers toe om gemakkelijk hun “must-haves” allemaal tegelijk te vergelijken. Of het nu een chef’s keuken, een omheinde achtertuin of een gezellige woonkamer is, huis-kopers kunnen nu elke kamer naast elkaar bekijken in één browser, met één muisklik.”

Dergelijke functionaliteit is alleen mogelijk door de naadloze samenwerking van moderne technologie-instrumenten. Webplatforms, virtual reality SDK’s, image processing-algoritmes en machine learning-kaders dragen allemaal bij aan het creëren van een unieke vastgoed-ervaring.

Commerciële vastgoed-taxaties

Een andere cruciale stap in commerciële vastgoed is eigendomstaxatie. Geautomatiseerde taxatiemodellen zijn even oud als de sector zelf, met de taak om eigendommen te taxeren en prijsschema’s vast te stellen. Traditioneel waren deze modellen meestal gebaseerd op historische verkoopgegevens. Echter, modellen die alleen vertrouwen op historisch gedrag missen veel andere gegevensbronnen.

Predictieve analytics en moderne gegevensverzameling infrastructuur zijn gebouwd om externe gegevensbronnen te integreren en algoritmes te trainen op basis van heterogene gegevenstypen. In plaats van één gegevenstype te gebruiken dat een beperkt perspectief op een eigendom biedt, bieden unified data-architecturen een 360-graden-weergave en integreren externe gegevensbronnen: marktvraag, macro-economische gegevens, huurwaarden, kapitaalmarkten, banen, verkeer, enz. Aangezien er geen harde limieten zijn aan de gegevens die door een eigendomstaxatiemodel kunnen worden gebruikt, is predictieve analytics een krachtig instrument dat beschikbaar is voor vastgoedagentschappen.

Smart Capital biedt een dergelijke moderne oplossing voor eigendomstaxatie. Ze gebruiken predictieve analytics voor de taxatie van vastgoedeigendommen en beloven een volledig rapport binnen één werkdag te leveren. Hun CEO, Laura Krashakova, biedt enkele inzichten in hoe ze dit bereiken.

“De technologie maakt gegevensverwerking en eigendomstaxatie in real-time mogelijk en geeft individuen toegang tot gegevens die eerder alleen beschikbaar waren voor lokale makelaars. Lokale inzichten zoals de populariteit van de locatie, voorzieningen in het gebied, kwaliteit van het openbaar vervoer, nabijheid van grote snelwegen en voetgangersverkeer zijn nu gemakkelijk beschikbaar en worden gescoord voor gemakkelijke vergelijking.”

Er zijn twee aspecten die een dergelijke dienst mogelijk maken in de eerste plaats: de gemakkelijke toegang en de mogelijkheid om real-time inzichten te leveren. Mobiele en webplatforms maken het gemakkelijk voor klanten om toegang te krijgen, gegevens te uploaden en te visualiseren, ongeacht hun locatie. Alles wat nodig is, is een internetverbinding. Tegelijkertijd verwerken predictieve analytics-kaders gegevens in real-time, op een snelheid van milliseconden. Zodra nieuwe gebeurtenissen plaatsvinden, worden ze verzameld en opgenomen in het laatste analyse-rapport. Geen noodzaak om te wachten op tijdrovende, intensieve berekeningen, aangezien al deze berekeningen nu bijna onmiddellijk kunnen plaatsvinden, in de cloud.

Gestroomlijnde lening-aanvraagprocessen

Een andere commerciële vastgoedproces dat een interessante uitdaging vormt, is de lening-aanvraag. Een uitdaging niet alleen voor de verwarde huis-kopers, maar ook voor machine learning-modellen. Krediet-goedkeuringsmodellen hebben toegang nodig tot allerlei gegevens, van persoonlijke informatie tot kredietgeschiedenis, historische transacties en werkgeschiedenis. Handmatig identificeren en integreren van al deze gegevensbronnen kan snel veranderen in een saaie, tijdrovende en irritante taak. Bovendien komt handmatige verwerking met een hoog risico van foutieve invoer tijdens de aanvraag. Deze aspecten hebben het handmatige lening-aanvraagproces omgevormd tot een bottleneck voor vastgoedtransacties.

Als er maar een geautomatiseerde oplossing bestond om een deel van de pijn weg te nemen…

Beeline is een bedrijf dat zich richt op het stroomlijnen van het lening-aanvraagproces. Hun intuïtieve mobiele interface leidt kopers door lening-aanvragen in enkele minuten. Het hele proces duurt slechts 15 minuten en beweert huis-kopers veel hoofdpijn te besparen. De manier waarop ze dit doen is ongelooflijk eenvoudig: hun dienst verbindt met een verscheidenheid aan persoonlijke gegevensbronnen (zoals de bank, loon- en belastinginformatie), gebruikt natuurlijke taalverwerking (NLP) om informatie te lezen en te verzamelen, integreert en analyseert alle gegevens in real-time. Zo worden saaie en tijdrovende processen omzeild en kunnen huis-kopers genieten van gestroomlijnde lening-aanvraagprocessen.

Hoe is dat mogelijk, vraag je je af?

Hun dienst is alleen mogelijk door de integratie van een mobiel-eerste ervaring, intelligente verwerkingsmogelijkheden, evenals state-of-the-art gebruikersontwerp. Hun lening-gids wordt geleverd via een chat-interface, die gebruikers een gemakkelijke manier biedt om antwoorden op hun vragen te vinden. NLP-algoritmes ondersteunen deze interacties en helpen een gepersonaliseerde ervaring te creëren.

Tegelijkertijd vinden geautomatiseerde evaluatie-algoritmes plaats op de achtergrond, net zoals de koper formulieren invult. Dit toont aan hoe automatisering de sleutel is tot het succes van hun dienst. En de naadloze samenwerking van technologie-instrumenten is wat deze automatisering mogelijk maakt in de eerste plaats.

Wat komt er hierna?

Een krachtige mix van technologie-trends staat aan de vooravond van vastgoed-innovatie: toegenomen gegevensbeschikbaarheid, vooruitgang in gegevensverwerkingsmogelijkheden en de alomtegenwoordigheid van machine learning-algoritmes. Ze maken het allemaal mogelijk om de meest uitdagende toepassingen aan te pakken op een intelligente, geautomatiseerde en foutloze manier.

Bovendien maken cloud-computing-mogelijkheden en moderne opslagarchitecturen het mogelijk om inzichten uit gegevens te halen in real-time, complexe predictieve modellen te bouwen en een verscheidenheid aan gegevensbronnen te integreren. Alles maakt het mogelijk om de toekomst te voorzien, te innoveren en een concurrentievoordeel te behouden.