Geo-AutoML-сервис для анализа новостроек от ВТБ

Заказчик
ПАО Банк ВТБ
Руководитель проекта со стороны заказчика
Год завершения проекта
2023
Сроки выполнения проекта
Январь, 2023 - Ноябрь, 2023
Масштаб проекта
10000 человеко-часов
Цели
Главной целью проекта было создать универсальный инструмент для оценки стоимости кв. м жилой недвижимости в зависимости от расположения и строительной готовности на основе обезличенных данных в крупнейших городах России — и по всей географии присутствия банка ВТБ.
Результаты
Благодаря разработке команды департамента анализа данных и моделирования у банка появился дополнительный инструмент анализа, Техника анализа позволяет выделять влияние различных факторов на стоимость недвижимости и прогнозировать стоимость объекта в различных сценариях.


Уникальность проекта

Задача оценки стоимости объектов недвижимости сложна и актуальна как в области геопространственного анализа, так и в машинном обучении. До настоящего времени не существовало универсального решения, которое бы учитывало все аспекты и специфику рынка недвижимости.
Сервис использует более 3 миллионов объектов недвижимости и обезличенные данные из различных источников для построения аналитики о районе, инфраструктуре, интересах жителей и других характеристиках окружения.

Проект решает задачи импортозамещения
Да
Использованное ПО
Полностью собственная внутренняя разработка банка
Сложность реализации
Сложность задачи по оценке недвижимости в масштабах России заключается в учете региональной специфики, макроэкономических колебаниях и большом разнообразии в качестве и расположении строительных объектов, что в свою очередь обуславливает выбор инструментов и способов моделирования.
Описание проекта
Geo-AutoML-сервис для анализа новостроек от ВТБ — сложно-функциональный сервис оценки строящегося жилья, разработанный командой департамента анализа данных и моделирования ВТБ.
Решение в автоматическом режиме с помощью инструментов геоаналитики и машинного обучения на основе большого массива обезличенных данных:
  • оценивает стоимость кв. м жилой недвижимости в зависимости от расположения и строительной готовности,
  • экономит время банка при оценке строительных проектов застройщиков жилой недвижимости для принятия взвешенного решения о выдаче кредитов в ускоренном режиме,
  • предоставляет аналитику и информацию о рыночных условиях и характеристиках объектов недвижимости в разных регионах РФ,
  • использует модели машинного обучения и инструменты AutoML для автоматической актуализации моделей в соответствии с динамикой рынка недвижимости.
Решение для каждой конкретной локации и периода прогнозирования отбирает самые важные показатели из обширного количества параметров:
  • параметры строящегося объекта (класс объекта, этажность, общая площадь, квартирография и др.)
  • параметры окружения (численность работающего/проживающего населения, доходы, возраст, торговая активность, профили интересов и др.);
  • параметры застройки и объектов аналогов (стоимость, возраст жилой недвижимости, арендные ставки коммерческой недвижимости.);
  • Макроэкономические параметры (курсы валют, процентные ставки, рыночные индикаторы экономики)
Техника анализа позволяет выделять влияние различных факторов на стоимость недвижимости и прогнозировать стоимость объекта в различных сценариях.

География проекта
41 город России (Москва вместе с Подмосковьем в пределах ЦКАД, Санкт-Петербург и пригороды, 13 городов с населением +1 млн, 26 крупнейших городов присутствия банка).
Коментарии: 3

Комментировать могут только авторизованные пользователи.
Предлагаем Вам в систему или зарегистрироваться.

  • Александр Виноградов
    Рейтинг: 1035
    MSD (ГК ТРАДИЦИИ УСПЕХА)
    CDTO
    14.11.2023 13:18

    Добрый день Юлий ! Скажите, как ваше разработанное решение собирает "изначально" информацию об объекте и потом по ходу строительства обогащаются ли данные изменениями о ходе строительства ?

  • Максим Часовиков
    Рейтинг: 4767
    Центр цифровой экономики МГУ
    Ведущий специалист
    04.01.2024 23:30

    Добрый день, обычно под БигДатой подразумевается работа с разнородными неструктурированными, часто нетекстовыми и данными из разных источников и их обогащение. С какими источниками данных, прежде всего нетекстовых, осуществлялась работа в этом проекте?

    • Вячеслав Чупраков Максим
      Рейтинг: 1175
      Прагматика Эксперт
      Заместитель ИТ директора по инфраструктуре и сервисам
      05.01.2024 14:34

      Добрый день, какова цель копипаста одного и того же вопроса по всем проектам?

Год
Предметная область
Отрасль
Управление
Мы используем файлы cookie в аналитических целях и для того, чтобы обеспечить вам наилучшие впечатления от работы с нашим сайтом. Заходя на сайт, вы соглашаетесь с Политикой использования файлов cookie.