Попробуем разобраться с помощью экспертов. Но, вначале напомним классические признаки Big Data – триаду VVV:
- Volume: действительно большие данные (в смысле величины физического объёма),
- Variety: разнородные данные (в смысле возможности одновременной обработки различных типов структурированных и полу-структурированных данных),
- Velocity: скорость (velocity в смыслах как скорости прироста, так и необходимости высокоскоростной обработки и получения результатов).
Большие данные отличаются от традиционных баз данных объемом информации – сам термин говорит об этом. Таких данных в разы больше, чем может храниться в традиционной базе данных. Они также хранятся не в одном месте, а децентрализовано. Большие данные менее структурированы и обладают слабой взаимосвязью друг с другом.
Можем ли мы говорить о том, что в коммерческой недвижимости мы оперируем большим объемом данных?
С точки зрения имеющегося объема данных, скорее всего, нет, но, если эти данные дополнить данными из соц. сетей и других источников, то данные станут большими.
Кирилл Котриков, руководитель отдела аналитики компании CENTURY 21 отмечает:«Если говорить о данных, которые генерируют и обрабатывают крупные управляющие компании и девелоперы, то их трудно назвать большими с той точки зрения, с которой большие данные понимают, например, аналитики, работающие с Big Data». Основная задача для такого бизнеса, на мой взгляд, – структурировать уже имеющуюся информацию, а также обеспечить процессы своевременного обновления сущесвующих базы данных. Этот процесс состоит из трех компонентов: поиск информации, хранение и анализ. Для этих целей подойдут хорошие CRM-системы, которые очень гибкие и настраиваются под конкретного пользователя. Что касается достаточности данных, то любой аналитик скажет – чем больше данных, тем лучше. Но, данные должны быть структурированы, а их сбор регулярен».
С практической точки зрения технологии Big Data позволяют предугадывать/предсказывать сценарии поведения отдельных людей или компаний. Они могут использоваться для построения прогнозов, планирования рекламной стратегии и увеличения продаж, для настройки более точечного таргетинга, персонализации рекламных предложений.
Например, перед девелопером или управляющей компанией стоит задача ускорить реализацию имеющихся вакантных площадей. Как в данном случае могут помочь технологии Big Data?
Берутся данные о компаниях из открытых источников, например, данные из Спарк, анализируются профили компаний в соц. сетях: число сотрудников, занимаемые площади, данные по набору новых сотрудников из соц. сетей или сайтов по поиску работы, данные по открытию филиалов и региональному расширению и т. д… Берутся данные компаний, которые уже стали клиентами, данные по клиентам конкурентов. С помощью математических моделей и анализа эти данные сопоставляются и, в результате, мы получаем предложение по компаниям, которые с наибольшей вероятностью в ближайшее время будут рассматривать вопрос поиска площадей. Настраиваем на них точечную персонализированную рекламу, сосредотачиваем усилия продающих подразделений, в результате быстрее получаем больше сделок и экономим рекламный бюджет. Вот и прямая выгода от использования больших данных.
На рынке массового жилья, где данных значительно больше, можно строить модели на основе разнообразных поведенческих сценариев. Например, по профилю в соц. сетях можно выявить ряд закономерностей в модели поведения людей, желающих приобрести квартиру. На основе анализа и выявления похожих закономерностей можно показывать выгодное предложение только тем, кто максимально близок к покупке.
Работа на перспективу
"Никто не ограничивает организации в сборе данных, касающихся их деятельности. Со временем выделятся наиболее важные переменные (индикаторы), динамика которых станет ключевой для бизнеса, а также факторы влияния на них. Технологии работы с большими данными не обязательно применять именно на больших данных, можно использовать их и с меньшими объемами", отмечает Кирилл Кортиков.
Алексей Емельянов, генеральный директор компании City&Malls PFM:"Обработка больших данных перспективна для всех ниш коммерческой недвижимости – привлечение аудитории и понимание ее желаний актуально всегда. Но внедрять технологии обработки Big Data для каждой отдельной УК нецелесообразно, это слишком дорого".
Кто отвечает за анализ?
Внедрение технологий BigData влечет за собой и ряд других вопросов. Будут ли компании самостоятельно анализировать информацию или доверятся сторонним специалистам? Очевидно, что это зависит от возможностей – как финансовых, так и «человекоресурсных».
Перспективные ниши
"Внедрение технологий Big Data в сфере коммерческой недвижимости, скорее всего будет происходить медленно и по сегментно: и в качестве наиболее перспективных ниш можно выделить следующие:
- Оценка инвестиционной привлекательности объектов
- Управление торговыми центрами
- Поиск привлекательных участков для строительства новых объектов коммерческой недвижимости
- Автоматизация процессов эксплуатации зданий: смарт-технологии, IoT, системы "умный дом" и "умные датчики"
- Разработка приложений и инструментов, которые применяют анализ данных для потенциальных покупателей объектов недвижимости
- Анализа рынка недвижимости и выявление потребительских предпочтений
- Оценка эффективности деятельности компаний, работающих в этом сегменте и эффективное распределение имеющихся ресурсов", комментирует Екатерина Волкова, Директор департамента исследований и анализа рынка компании ILM.
Тем не менее, говорить о том, что роль эксперта в сделках будет полностью отдана искусственному интеллекту, не приходится: скорее, традиции консалтинга с опорой на новые технологии постепенно станут синергичными.
