Большой счет: как большие данные изменят российский рынок недвижимости | Forbes.ru
сюжеты
$58.77
69.14
ММВБ2143.99
BRENT63.26
RTS1148.27
GOLD1256.54

Большой счет: как большие данные изменят российский рынок недвижимости

читайте также
+26 просмотров за суткиБез блокчейна и Big Data. Банк «ФК Открытие» покинули ключевые специалисты по инновациям +2 просмотров за суткиОбраз нерукотворный. Как стартап Clarifai успешно конкурирует с гигантами отрасли +9 просмотров за суткиКитайское нашествие: Alibaba привела в Россию свой интернет-магазин Tmall +10 просмотров за суткиЗачем «Яндекс» открыл доступ к своей системе машинного обучения Учение — свет: machine learning в индустрии развлечений +2 просмотров за суткиКак «программатик-потребление» меняет индустрии FMCG и продуктового ритейла? Задушевный друг: почему чат-боты пока не поддерживают свободные беседы и почему это не нужно? Стратегия копирования для стартапов: когда отставание на пользу Диктуй условия: как трое украинцев рассчитывают потеснить Siri и Alexa +11 просмотров за суткиБудущее автоматизации маркетинга и типичные ошибки на пути к ней Медицина в цифровую эпоху: сможем ли мы стать более здоровыми в эпоху IT +7 просмотров за суткиШаблонизируй это: как онлайн приводит на рынок дизайна и ремонта стандартизацию +12 просмотров за суткиМедицина будущего: какие технологии позволят людям победить старость, болезни и смерть? +3 просмотров за суткиНутригеномика и персонализация диет: решение для мирового здравоохранения или очередная коммерческая идея? Робооккупация: как офис заселяют роботы Uber для зубных протезов: можно ли раскрутить маркетплейс для стоматологов? +10 просмотров за суткиЧто будет, когда беспилотные автомобили будут повсюду? Машинное обучение в online travel: смогут ли роботы продавать туры и авиабилеты лучше людей? Робот: нанять и простить. Заменит ли автоматизация рабочих в российском машиностроении? Omnichannel по-русски: до ликвидации торговых центров еще рано +8 просмотров за суткиКак IT-технологии меняют правила игры на рынке авторемонта
Технологии #Big Data 28.03.2017 08:01

Большой счет: как большие данные изменят российский рынок недвижимости

Игорь Калганов Forbes Contributor
Фото Егора Алеева / ТАСС
Новые технологии могут помочь найти нужное жилье быстрее, стабилизировать цены и бороться с «серой зоной». Кто на этом зарабатывает?

Российский рынок недвижимости сейчас не устраивает никого — ни собственников жилья, ни арендаторов, ни покупателей. Основная проблема в том, что рынок серый и только начинает обеляться. Никакой значимой работы с данными в России практически не ведется, и купля-продажа жилья идет по старинке, хотя data mining может кардинально изменить ситуацию как для агентов, так и для частных лиц.

Нельзя сказать, что на рынке недвижимости в России есть настоящая big data -  огромные массивы информации, исчисляемой петабайтами. Скорее речь идет о data mining — извлечении данных на основе массива существующей информации для выявления и анализа закономерностей. Основной инструмент, который позволяет решать все задачи, — машинное обучение на выборках, когда создается алгоритм, который находит определенные паттерны в заданном пласте данных. Алгоритм «сканирует» открытые источники по ряду факторов — будь то удаленность квартиры от центра, развитость инфраструктуры и др., чтобы на выходе получить полную аналитику по объектам. Изучая конкретные пожелания людей, анализируя всю информацию, алгоритм обучается и открывает возможность индивидуального подбора и оценки недвижимости. К тому же именно работа с данными может сделать рынок недвижимости белым»и цивилизованным.

Проблема: классифайды неэффективны

Единственный источник информации о квартире для рядового российского покупателя недвижимости — предложения на одном из классифайдов. На «Яндекс.Недвижимость», Avito и ЦИАН опубликовано до 100 000 объявлений о продаже вторичных квартир в Москве, хотя на самом деле на рынке выставлено менее 45 000 объектов. При этом ни один из классифайдов не имеет полного покрытия. Крупные доски объявлений наполнены дублирующими предложениями и «утками» (несуществующими объектами по привлекательной цене, задача которых — заманивать клиентов). В итоге продавец долго ищет покупателей, которые теряются в объявлениях и тратят силы на пустые звонки. По нашему опыту, пользователь останавливается на 5-8-м варианте, больше не в силах искать дальше. Базы, где были бы только проверенные, реально существующие объекты, в России пока не существует.

Решение: верификация всех квартир на рынке, когда из всего массива информации на рынке собираются все данные об объекте из Росреестра: его история, когда и кем покупался или сдавался, выписки из ЕГРП и др. То, что реально подтверждает его существование.

Проблема: поиск жилья вслепую

Найти подходящую квартиру для аренды или покупки объективно сложно. Сейчас при поиске недвижимости пользователь видит только адрес и несколько фотографий объекта (при этом неизвестно, какого именно), нет доступа к множеству характеристик, которые упростили бы поиск и сделали запросы более релевантными. Почитайте объявления на любом классифайде: «предлагается новый дом в Подмосковье в 15 минутах от метро». Как на самом деле должна звучать эта фраза? «В 15 минутах на машине с мигалкой по выделенной полосе ночью без пробок», потому что иного способа доехать от подобных объектов до метро менее чем за час представить нельзя. Но до тех пор, пока сам не поедешь на просмотр, об этом не узнаешь.

Решение: сбор подробной информации из открытых источников — портала открытых данных Москвы, сайтов застройщиков, управляющих компаний, образовательных учреждений и др. Сколько лет дому, когда будет плановый ремонт, подлежит ли он сносу, какие отзывы об управляющей компании, сколько придется платить за ЖКХ. Например, переплата за коммунальные услуги зависит от класса энергопотребления конкретного дома, приборов учета, потерь тепла и воды, а также использования энергосберегающего оборудования и эффективности работы самой управляющей компании. Если рассчитывать на несколько лет вперед, это вопрос сотен тысяч рублей. Есть множество московских управляющих компаний, которые находятся в красной зоне, но сейчас при покупке квартиры никто на это не обращает внимание. Также важно знать, какова инфраструктура района, какой за окном уровень экологии и преступности, сколько времени в минутах займет путь утром и вечером до работы и детского сада, есть ли в нем свободные места и какую оценку ближайшей школе поставило Министерство образования и родители школьников. Благодаря анализу данных можно построить реальные прогнозы транспортной доступности, получать информацию о наличии мест в детских садах, понимать, будет ли парковочное место во дворе, какое качество обслуживания в поликлиниках. В идеале человек должен принять решение у монитора компьютера — посмотреть 3D-тур, оценить обстановку и одним кликом сообщить владельцу о своем желании снять или купить жилье.

Что у них: Американский сервис Trulia дает возможность оценить квартиру или дом как раз с точки зрения таких параметров. Можно рассчитать время в пути до работы в зависимости от вида транспорта (велосипед, машина, метро) или посмотреть средний возраст соседей, даже какой процент из них состоит в браке, например. Уровень преступности можно отследить буквально в реальном времени: на карте отображается место, дата, количество и тип преступлений (мелкий взлом, нападение, кража и т.п.). Пользователю сразу предоставляются данные о размере ежемесячных платежей за квартиру и много чего еще.

Другой американский сервис – OpenHouse — пошел еще дальше и предлагает своим пользователям подбирать дома и квартиры не только по уровню преступности и «стандартной» инфраструктуре (больницы, школы и т.д.), но и по еще более личным параметрам. Например, для собаководов важно наличие специальной площадки, а кому-то важна «детская» составляющая. OpenHouse все подобные объекты отметил на карте, так что любой человек может подобрать лично для себя подходящее жилье. Сервис также анализирует социальные сети, собирая данные о жителях района.

Проблема: хаотичное формирование цены

Рынок недвижимости живет в подполье, агенты берут деньги в конвертах, и точная стоимость комиссий неизвестна. Договоры бывают неинформативны, так как часто указана заниженная стоимость квартиры. Основная проблема нашего рынка в том, что ни у продавца, ни у покупателя нет открытой информации относительно прошедших сделок в районе. Все видят только рекламную стоимость других квартир, которая может быть и значительно выше, и значительно ниже рынка (за счет «уток»). Обычно цена предложения отличается от итоговой цены продажи на 10-15%. Хотя именно стоимость продажи принципиально важна для создания белого и прозрачного рынка.

Решение: сервис, который обработает эти данные. Главное — выявить закономерности, паттерны поведения покупателей и продавцов, которые позволят сделать оценку максимально точной. Объекты можно будет сегментировать по классам и определять их реальную стоимость. Не хватает самых важных данных: как долго закрывается сделка в зависимости от разных факторов (цены, удаленности от метро, количества комнат и так далее). Это позволило бы построить модель прогнозирования срока сделки — а значит, и прогнозирования прибыли — и сделать сам процесс продажи более гибким. Всю эту информацию можно брать непосредственно от самих агентов, напрямую от пользователей, а также из баз агентств.

В итоге срок сделок существенно сократится — объявление, основанное на реальных данных, быстрее привлечет реальных покупателей. Правильно выставленная на старте продаж цена и использование технологии по проведению электронных сделок позволят сократить весь период продажи с 3-5 месяцев до нескольких недель.

Что уже есть: IRN.ru, Domofond, Rocenka.com — оценивают объекты недвижимости на основе данных в размещенных объявлениях. Однако без агента полная оценка все равно невозможна, так как всегда есть нюансы, которые нельзя оценить исходя из исторических данных (вдруг объект с подвохом или имел место какой-то инцидент). Поэтому данные нужно дополнять человеческой оценкой.

Что у них: В США уже есть немало сервисов, которые делают оценку объекта недвижимости (квартиры или дома) с точки зрения огромного количества параметров. Эталоном для рынка является проект Zillow, который был запущен в 2006 году. Десять лет назад Zillow на своей платформе объединил 180 местных газет с объявлениями о купле-продаже, а сегодня предлагает программу, которая сама оценивает стоимость жилья и его аренды. В Великобритании такие же услуги предлагает сервис Zoopla, располагающий базой данных о 27 млн объектах недвижимости в стране.иго

Закрыть
Уведомление в браузере
Будь в курсе самого главного.
Новости и идеи для бизнеса -
не чаще двух раз в день.
Подписаться