Algoritmes bouwen mee aan toekomstige wijken

Welke rol heeft automatisering nu al in de waarderingen en analyses die Springco en Fakton uitvoeren? In deze blog lichten we toe hoe de overvloed aan beschikbare data en de voortdurend groeiende computerkracht voor spectaculaire ontwikkelingen zorgen.

Springco en Fakton maken gebruik van een zogeheten Automated Valuation Model (AVM). Dit houdt in dat wij een algoritme hebben ontwikkeld die geautomatiseerd data binnen haalt en zichzelf traint om steeds beter te kunnen voorspellen wat de waarde van een bepaalde Nederlandse woning is.

Grote variatie aan data

We gebruiken een grote verscheidenheid aan data in ons model. Allereerst gebruiken we actuele vraagprijzen op de woningmarkt, die wij geregeld tegen andere prijsdata aanhouden. Daarnaast combineren we onder meer objectdata (bouwjaar, oppervlakte van woning, buitenruimte, etc.) en omgevingsdata (woonmilieu, afstand tot voorzieningen, aantal bomen, etc.) om een beter beeld te krijgen van de woning. Maar zoals altijd in onze analyses gaan we ook bij de AVM uit van de mens, en gebruiken we buurt- en consumentendata om ons model te verbeteren. Op de data die continu binnenkomt voeren we allerlei correcties door. Ons model houdt rekening met inflatie/deflatie, seizoensinvloeden en regionale verschillen.

Om het model steeds beter te maken zijn onze data scientists altijd bezig met valideren, zowel intern als extern. Intern houdt dit in dat we de waarden in onze basisdataset opdelen in een ‘training set’ en een ‘test set’. Het model wordt dan eerst getraind met een deel van de data en vervolgens worden de uitkomsten gecontroleerd met een ander deel. Externe validatie betekent het controleren van onze uitkomsten met de data van alternatieve bronnen.

De AVM leidt tot nog betere voorspellingen van kwalitatieve en kwantitatieve marktvraag

Effectieve Vraag en andere toepassingen

Nu we de waarde van elke Nederlandse woning zo nauwkeurig kunnen inschatten, kunnen we met dat inzicht weer andere mooie dingen doen. Zo gebruiken we de uitkomsten onder meer om onze Effectieve Vraag-analyse te verbeteren. Dit zijn studies in opdracht van onder andere gemeenten, corporaties en projectontwikkelaars waarin wij onderzoek doen naar de marktvraag binnen een bepaald ontwikkelgebied. Hiervoor gebruikten we al verhuisdata, waardoor wij wisten welk type mens naar wat voor type woning verhuist.

Door de toevoeging van de AVM kunnen wij nu ook voorspellen wat diegene bereid is daarvoor neer te leggen. Zo kunnen we van iedereen die misschien wil verhuizen (die kans schatten we uiteraard ook in) voorspellen welke prijs logisch zou zijn. Waar vroeger de WOZ-waardes werden gebruikt kan dat nu dus veel nauwkeuriger met ons geautomatiseerde waarderingsmodellen. Op basis van deze verbeterde effectieve vraag analyse kan voor elke plek de juiste markt-product-prijs combinatie worden gerealiseerd. En zo is er weer een bouwsteen ontwikkeld waarmee datagedreven gebiedsontwikkeling een stukje dichterbij is gekomen.

Gezamenlijke kennissessie van Springco en Fakton 

In het kader van de gezamenlijke Spotlight die deze maand uitkwam zijn Springco en Fakton op zoek gegaan naar hoe datagedreven gebiedsontwikkeling er uitziet. Behalve enkele blogs presenteren wij de uitkomsten in een gezamenlijke online kennissessie op woensdag 23 juni van 11:00 tot 11:45. Aanmelden kan via deze link.