房地产的科学：匹配和购买

您的数据最了解您，让它找到您的梦想家园。房地产行业每年都有大量的数据被闲置。在本文中，我们讨论如何利用先进技术帮助房地产投资者、经纪人和公司利用行业内的大量信息来帮助人们找到他们的梦想家园。

2017年，一篇Field Actions Science Reports 文章讨论了人工智能、机器学习和预测分析对房地产行业的影响：

“人工智能城市分析的实践正在房地产行业中兴起。数据科学和算法逻辑接近新的城市发展实践的前沿。距离多远？这是一个问题——专家预测，数字化将远远超过智能建筑管理系统。具有预测能力的新分析工具将极大地影响城市发展的未来，并在此过程中重塑房地产行业。”

快进到2020年：抛开炒作陷阱，我们承认数据素养、数字化战略和技术进步的变革作用。预测分析、机器学习和人工智能应用仍然在各个行业中引领创新，远远超出了房地产行业。从最枯燥的机器学习应用到最有趣的NLP & OCR自动化工作，行业领袖已经学会利用这些强大的工具来获得优势。

今天我们介绍3个房地产用例。它们旨在说明如何现代软件栈和直观界面与机器学习和数据工程相互作用，以创建独特的产品和服务。

房地产的科学：您的数据最了解您，让它找到您的完美家园。

房屋购买过程

如今的房地产市场提出了一个有趣的机器学习挑战：是否有一个公式可以将正确的房屋买家与正确的房产和价格匹配？寻求建立准确的房屋匹配和发现服务是让研究人员和行业专业人士保持警惕的原因。拥有大量可用的数据，并受到在线推荐系统（例如Netflix）的高准确率的启发，房屋匹配引擎正在不断发展，即使在不太技术化的房地产行业中也是如此。

Orchard是一家经纪公司，利用现代技术工具来改进房屋发现服务。通过使用机器学习算法，他们回答了房屋买家最常问的问题：“我的梦想家园是什么样的？”此外，算法还可以帮助他们回答后续问题：“我愿意做出什么样的妥协？”

联合创始人兼首席产品和营销官Phil DeGisi解释说：

“Home Match是第一个允许人们选择最重要的功能的房屋搜索算法。我们询问买家关于他们的价值观和“必须”和“很好”的问题——例如厨房岛、后院游泳池和通勤时间。Orchard为搜索区域内的每个房屋分配一个个人匹配分数。”

这样，买家就可以被匹配到合法的房屋购买机会，整个过程变得更容易所有相关方。

房屋匹配系统的用户可以享受一个具有增加的个性化和易用性的体验。搜索结果根据他们的个人资料进行排名，易于使用的交互式界面取代了旧的房地产目录。

“Orchard还开发了另一个行业首创的Photo Switch，它以更具视觉效果和个性化的方式显示这些个性化的搜索结果。为此，Orchard创建了一个机器学习模型来扫描每个房屋的照片并确定每张照片中的房间。这个功能是首创的，让用户可以轻松地比较他们的“必须”所有一次。无论是厨师的厨房、围栏的后院还是舒适的客厅，房屋买家现在可以在一个浏览器中单击一个按钮即可同时查看每个房间。”

这样的功能只有现代技术工具的无缝交互才能实现。Web平台、虚拟现实SDK、图像处理算法以及机器学习框架都有助于创建一个独特的房地产体验。

商业房地产估值

商业房地产中的另一个关键步骤是房产估值。自动估值模型与行业一样古老，任务是评估房产并建立定价方案。传统上，这些模型主要基于历史销售数据。然而，仅依赖过去行为的模型会忽略许多其他数据源。

预测分析和现代数据收集基础设施旨在集成外部数据源并训练基于异构数据类型的算法。与使用单一数据类型仅提供对房产的有限视角相比，统一的数据架构提供了360度的视角，并集成了外部数据源：市场需求、宏观经济数据、租赁价值、资本市场、工作、交通等。由于可以用于房产估值模型的数据没有硬性限制，因此预测分析是房地产机构可用的强大工具。

Smart Capital提供了现代化的房产估值解决方案。他们使用预测分析来估值房地产，并承诺在一天内交付完整的报告。他们的首席执行官Laura Krashakova提供了一些关于他们如何实现这一点的见解。

“该技术使数据处理和房产估值可以实时进行，并为个人提供以前仅对当地经纪人可用的数据。如位置的受欢迎程度、周边的便利设施、公共交通的质量、距离主要高速公路的距离和行人流量等本地见解现在可以轻松获取，并且可以轻松比较。”

使得这样的服务成为可能的有两个方面：易用性和实时洞察的可能性。移动和Web平台使客户可以轻松访问、上传和可视化他们的数据，无论他们的位置如何。所有需要的只是一个互联网连接。同时，预测分析框架正在实时处理数据，速度以毫秒为单位。每当新的数据事件发生时，它们都会被收集并包含在最新的分析报告中。无需等待耗时的、密集的计算，因为所有这些计算都可以几乎瞬间在云中完成。

再次，现代技术的无缝交互使得基于实时洞察的无缝体验成为可能。同时，外部数据源的多样性成为估值准确性的保证。这为所有相关方节省了时间、金钱和头痛。

简化贷款申请流程

另一个商业房地产过程中提出的有趣挑战是贷款申请。这个挑战不仅仅是针对困惑的房屋买家，也是针对机器学习模型的。信用审批模型需要访问各种数据，包括个人信息、信用历史、历史交易和就业历史。手动识别和集成所有这些数据源可能会迅速变成一个枯燥、耗时和令人恼火的任务。此外，手动处理还伴随着整个申请过程中错误输入的高风险。这些方面已经使手动贷款申请过程成为房地产交易的瓶颈。

如果有一种自动化解决方案可以减轻一些痛苦…

Beeline是一家专注于简化贷款申请流程的公司。他们的直观移动界面可以在几分钟内指导买家完成贷款申请。整个过程只需15分钟，并声称可以为房屋买家节省很多头痛。他们的做法是：他们的服务连接到各种个人数据源（例如银行、工资和税务信息），使用自然语言处理（NLP）来读取和收集信息，并实时集成和分析所有数据。这样，枯燥和耗时的流程就被绕过，房屋买家可以享受简化的贷款申请流程。

他们的服务之所以可能，只是因为他们集成了移动优先体验、智能处理能力以及最先进的用户设计。他们的贷款指南通过聊天界面交付，给用户提供了一个轻松找到答案的方式。NLP算法支持这些交互，并帮助创建一个个性化的体验。

与此同时，自动评估算法在买家填写表格的同时在后台运行。这表明自动化是他们服务成功的关键。而现代技术工具的无缝交互正是使这种自动化成为可能的原因。

接下来是什么？

技术趋势的强大组合正在推动房地产创新：数据可用性的增加、数据处理能力的进步以及机器学习算法的普遍性。它们都使得能够以智能、自动化和无错误的方式解决最具挑战性的应用成为可能。

此外，云计算能力和现代存储架构使得能够实时从数据中提取洞察、构建复杂的预测模型和集成各种数据源。所有这些使得能够预见未来、创新和保持竞争优势。

image sources: Canva