Умная недвижимость: Big Data, Machine Learning и IoT в девелопменте

Big Data, Большие данные, машинное обучение, Machine Learning, бизнес, интернет вещей, Internet Of Things, Wi-Fi, IoT, город

Цифровизация различных прикладных отраслей продолжается — сегодня мы нашли для вас интересные кейсы, как большие данные, машинное обучение и интернет вещей используется в жилой и коммерческой недвижимости. Чем Big Data, Machine Learning и Internet Of Things (IoT) полезны строителям и риелторам, и каким образом внедрение этих технологий поможет потребителям.

Big Data для прогнозирования спроса на недвижимость

Собрав данные о взаимодействии пользователей с сайтами агентств недвижимости и строительных компаний, результаты соцопросов, статистику о городском населении, экономические обзоры, планы развития городских территорий и транспортной системы, можно предсказать потребности клиентов в различных видах недвижимости на будущем [1].

Например, чтобы определить в каких районах Москвы будет востребована жилая недвижимость через 10–20 лет, специалисты компании Smartis с помощью анализа больших данных прогнозируют наибольший спрос в Химках, Долгопрудном, Люберцах и Бутово. Именно там доля детского населения в 2–3 раза выше, чем в остальных районах столицы. На основе количественного (пенсионеры, дети, средний возраст) и качественного состава (уровень доходов, образование, сфера занятости) населения по информации, опубликованной на «Портале открытых данных правительства Москвы», была выдвинута гипотеза, что в районах с максимальной долей детей сосредоточены будущие покупатели квартир [2]. Это уже сложившиеся семьи, которым потребуется расширение жилплощади, а также новые «ячейки общества». Таким образом, строительные компании могут заблаговременно формировать предложения, которые 100% будут пользоваться спросом.

Big Data, Большие данные, машинное обучение, Machine Learning, бизнес, интернет вещей, город, недвижимость
Прогнозирование спроса с помощью Big Data актуально и для девелоперов

Machine Learning для персональной рекламы квартир

Проанализировав имеющиеся данные о клиентах и дополнив их информацией из открытых источников, в т.ч. соцсетей, можно сформировать очень подробный портрет каждого потребителя: его интересы, финансовые возможности, ожидания и потребности. После этого целесообразно запускать персональные маркетинговые кампании по рекламе недвижимости: индивидуальный паркинг для того, кто похвастался в Instagram новой машиной, квартиры большей площади для тех, кто ждет ребенка, закрытые дворы с детскими площадками для семей с маленькими ребятишками и т. д. 

Технологии Big Data могут выявить среди молодоженов тех, которые, с высокой долей вероятности, разведутся в течение ближайших двух лет, проанализировав их поведение в соцсетях. Каждому из распавшейся пары потребуется новое жилье, как и людям, которые долго живут вместе и, возможно, задумываются о детях и расширении жилплощади [1]. Получив с помощью машинного обучения (Machine Learning) модели поведения людей, которые задумываются о приобретении квартиры, целесообразно показывать маркетинговое предложение только тем, кто максимально близок к покупке [2]. Это принесет высокие результаты и уменьшит расходы на рекламный бюджет.

Аналогичным образом можно формировать рекламные кампании по коммерческой недвижимости. Например, собрав сведения о компаниях из открытых источников и соцсетей (число сотрудников, занимаемые площади, информация о вакансиях с сайтов по поиску работы, данные по открытию филиалов и региональному расширению и т. д.), можно составить перечень потенциальных потребителей. Точечная маркетинговая кампания, направленная на эти развивающиеся бизнесы, наверняка, принесет большую конверсию продаж и сэкономит рекламный бюджет за счет узкой специализации целевой аудитории [3].

Кроме содержания рекламного предложения, с помощью Big Data можно повысить эффективность маркетинговых кампаний за счет неявных закономерностей бизнес-метрик от внешних условий. Например, если модели Machine Learning выявили, что интенсивность звонков в агентства недвижимости и строительные компании зависит от сезона и погоды, логично увеличить долю показов рекламных баннеров в этот период. А, если найдена корреляция между количеством поисковых запросов и временем суток, целесообразно повысить конверсию, покупая утренние или, наоборот, вечерние показы [2].

Big Data, Большие данные, машинное обучение, Machine Learning, бизнес, интернет вещей, город, недвижимость
Machine Learning и Big Data помогут сделать персональное маркетинговое предложение по квартире в нужное время и место для подходящего клиента

Internet of Things для управления умными зданиями

«Умные» дома, где через мобильное приложение можно выставить комфортную температуру или предупредить ограбление, постепенно становятся стандартом в строительстве новых зданий. Датчики и сенсоры контролируют расход электроэнергии, воды и газа, чтобы своевременно заметить утечку или оптимизировать потребление ресурсов.

Например, крупная девелоперская и управляющая компания Нью-Йорка Silverstein, внедрив технологии Internet of Things на свои объекты, снизила расходы на электроэнергию за счет анализа использования коммунальных услуг и подключения эффективных аккумуляторов энергии в часы пиковой нагрузки. Также удалось значительно снизить потребление энергии за счет системы светодиодных светильников, которая обеспечивает расширенное управление освещением, соответствующее времени суток или поводу [4]. Помимо сокращения финансовых расходов на эксплуатацию здания, оптимизация энергопотребления также положительно влияет на экологию. Подробнее про то, как большие данные, машинное обучение и интернет вещей помогают сделать город чище, читайте здесь.

Другой интересный пример из США по использованию Big Data в секторе управления недвижимостью связан с мобильными приложениями для жителей элитных жилых комплексов города Майами. Анализируя перемещения проживающих, статистику их поведения и данные о текущей дате из календаря (будни/выходные, рабочие дни или праздники), алгоритмы Machine Learning рассчитывают оптимальное время вызова лифта, автоматически заказывают кофе и автомобиль к нужному моменту для каждого постояльца [1].

Big Data, Machine Learning и Internet Of Things позволяют объединить локальные «умные дома» в общую единую инфраструктуру для комплексного и удаленного управления. В частности, если в одном из домов вдруг прорвало трубу теплоснабжения, то резервная система водоснабжения включится автоматически, чтобы жители не остались без воды или тепла. Также будет зарезервирована большая энергомощность, чтобы электросеть выдержала нагрузку, увеличенную за счет использования бытовых электрообогревателей. Одновременно будут оповещены все службы, задействованные в процессах устранения аварии и ее последствий. Для организации безопасного ремонта изменится принцип устройства дорожной сети в этом квартале, например, установленные вдоль дороги табло будут показывать схему объезда аварийного участка [5]. Так интернет вещей будет работать в умных городах, управляемых данными DDC – Data Driven City, о чем мы расскажем в следующих статьях.

В России технологии Big Data, Machine Learning и Internet Of Things только начинают внедряться в секторе недвижимости. Например, планируется строительство «умных кварталов» в технополисах Сколково, Калининградской и Петербургской областях, но говорить об успешных результатах этих проектов еще пока рано.

умный дом, бизнес, интернет вещей, Internet Of Things, Wi-Fi, IoT, город
Internet Of Things сделает умным не только дом, но целый город

Другие примеры и множество полезного по большим данным, машинному обучению и интернету вещей в нашем учебном центре: практические курсы обучения пользователей, инженеров, администраторов и аналитиков Big Data в Москве.

Источники

  1. https://gmk.ru/blog/2018/07/24/big-data/
  2. https://www.cossa.ru/152/161036/
  3. https://amo.ru/blog/article/bigdataincommercialproperty
  4. https://www.aig.ru/content/dam/aig/emea/russia/documents/business/iot2.pdf
  5. https://plus.rbc.ru/news/5856fb867a8aa928fe180faa
One Comment

Комментарии закрыты.

Поиск по сайту