Big Data en vastgoed, een succesvolle combinatie?
Editie: 23.2 - Digitalisering in de vastgoedsector
Published on: 10 maart 2016
Aansluiting van innovatie en de huidige Big Data hype op de vastgoedpraktijk
Aansluiting van innovatie en de huidige big data hype op de vastgoedpraktijk
Werner is Head of Research bij Colliers International en heeft een passie voor de combinatie van innovatie, ondernemerschap en big data binnen vastgoed. Het “disrupten” van de markt ziet hij als een uitdaging. Middels verschillende cursussen (aan o.a. MITx, Stanford University, Johns Hopkins University en Duke University) heeft hij zich verdiept in big data analytics. Daarvoor heeft hij drie masters afgerond in Real Estate Management and Development, Finance en International Business Law.
De grootste aanbieder van verblijfsaccommodaties in de wereld (Airbnb), bezit er zelf geen. Veruit de meest populaire media partij (Facebook) creëert zelf niets. De allergrootste taximaatschappij (Uber) bezit zelf geen taxi’s en de meest waardevolle retailer (Alibaba) verkoopt zelf géén producten en heeft daarom ook geen voorraad. Zonder verwijzing naar de bedrijfsnamen, verwacht je dat dit “wilde” en “gekke” ideeën zijn, maar toch behoren zij tot de meest succesvolle bedrijven. In hun businessmodellen innoveren zij en stellen zij tot doel een bestaande markt te verstoren of in te spelen op een nieuwe markt (Christensen, 2013). Deze ideeën en technologische ontwikkelingen vormen de wereld in een steeds hoger tempo. Voor bestaande en traditionele bedrijven is dit daarom een bedreiging, tenzij een manier wordt gevonden om ermee om te gaan. Binnen de alomvattende term “innovatie” speelt “big data”1 een prominente rol. De hype omtrent big data is ook duidelijk zichtbaar (Gartner, 2015)2. Er wordt steeds meer data verzameld. De vraag is nu of big data ook een belangrijke rol speelt of kan gaan spelen binnen vastgoed.
Big data in de vastgoedpraktijk
De meeste vastgoedondernemingen zijn commercieel van aard. Dat betekent dat zij de intentie hebben om winst te maken. Voor de niet-commerciële organisaties betekent het vaak dat zij zich indirect hier ook op focussen door een mogelijk verlies te beperken. Winst (of verlies) is simpelweg het verschil tussen omzet en kosten. Big data heeft daarin een speciale plaats: maximaliseer de omzet en/of minimaliseer de kosten. Aan de omzetkant kunnen nieuwe oplossingen worden gecreëerd (innovaties) die zorgen voor nieuwe inkomstenstromen. Ook kan big data leiden tot een hogere kwaliteit die wordt aangeboden en kan de toepassing van big data in combinatie met modelontwikkeling (machine learning) resulteren in het sneller kunnen leveren van bestaande oplossingen. Daardoor ontstaat de mogelijkheid om meer omzet “op te halen” in dezelfde tijd. Vanuit de kostenkant kan big data leiden tot standaardisatie en automatisering, wat kosten bespaart op het aantal medewerkers dat benodigd is. Wel vraagt uitbreiding van het gebruik van big data om talent met specialistische kennis, waardoor er kosten gemaakt worden voor het aantrekken en behouden van talent en/of het omscholen van medewerkers. Daarnaast zijn er investeringen nodig om de infrastructuur (hard- en software) op te zetten, te onderhouden en om op een structurele manier data te verzamelen of in te kopen. Tot nu toe lijkt dit vrij voor de hand liggend, maar het schrijven van een business case op basis hiervan is vaak lastig, als gevolg van een hoge mate van onzekerheid. Ten eerste is vastgoed nog vrij traditioneel, zeker in vergelijking met andere sectoren. Volstaat het business model zoals dat altijd is geweest? Heeft de klant wel behoefte aan innovatieve data gestuurde oplossingen of aan een hogere kwaliteit informatie dat met big data kan worden geleverd? Dit is sterk afhankelijk van het type klant en het behoeft een inschatting over hoe de wensen en eisen van klanten zullen gaan veranderen in de loop der tijd. Ten tweede is data over vastgoed vaak niet openbaar toegankelijk. Verschillende bronnen verzamelen een beperkte hoeveelheid data. De kracht ontstaat door deze bronnen met elkaar te combineren. Deze combinatie is niet altijd mogelijk; gegevens zijn niet altijd even betrouwbaar en de inkoop van deze data is kostbaar. Ten derde is onduidelijk of meer data zal leiden tot de gewenste effecten. Zeker als het gaat over statistische modellen, is het van tevoren onduidelijk of resultaten significant zijn. Ten vierde is het erg lastig te kwantificeren wat big data bijdraagt aan de omzet en kosten. Dat is wellicht makkelijker te kwantificeren voor het komende jaar, in termen van verwachte innovaties, maar de big data keuze baseer je op de langere termijn, om op trends in te kunnen spelen en met het oog op toekomstige wensen van klanten. Welke innovaties er op de langere termijn mogelijk zijn en of die succesvol zijn is onduidelijk. Vanuit die optiek is het uitbesteden van werk aan een partij gespecialiseerd in big data vaak geen optie vanwege de te grote afhankelijkheid op de lange termijn. Uitbesteding is vaak ook onwenselijk omdat een big data partij geen specifieke kennis en ervaring heeft van vastgoed. Juist de combinatie van vastgoedexperts met big data kennis zorgt voor vernieuwing. Al met al zorgt de onzekerheid ervoor dat de grotere en toch al bekende vastgoedondernemingen een afwachtende en terughoudende positie innemen. Innovaties gebaseerd op big data lijken voor de kleinere vastgoedondernemingen sneller een optie omdat zij bereid zijn meer risico te nemen om concurrerend te zijn. Toch hecht Colliers International, als partij binnen de grote en bekende vastgoedondernemingen, waarde aan big data innovaties. Dat komt omdat het goed aansluit bij de al bestaande strategie en de kern elementen van de onderneming, zoals “onafhankelijk”, “fact-based”, “innovatief en ondernemend” en “scherp, uitdagend, anders”. Vanuit die optiek is er een business case te maken op basis van de match met de al bestaande onderneming en door te verwijzen naar andere sectoren waar big data innovaties zich reeds hebben bewezen.
Voorbeeld van een big data oplossing in de vastgoedpraktijk
Colliers International heeft samen met Infotopics een tool gemaakt om snel en eenvoudig een eerste schatting te krijgen van de woningwaarde. Voor residentieel onroerend goed is er, in tegenstelling tot niet-residentieel onroerend goed, veel data beschikbaar. De reden hiervan is dat er veel meer woningen zijn dan andere soorten vastgoed, maar ook omdat deze markt transparanter is. Bovendien zijn woningen meer homogeen dan andere vastgoedobjecten, waardoor de kwaliteit van analyses en de statistische modellen beter kunnen zijn. De tool vraagt een gebruiker in eerste instantie naar de plaats in Nederland. Op die plaats zal worden ingezoomd, waarna de gebruiker alle woningen in de stad ziet, ingekleurd in groen of rood. Groen betekent dat de woning recent (in het afgelopen jaar) is verkocht en dat er een vraagprijs is vermeld. Rood geeft aan dat dit niet het geval is. Van alle woningen in Nederland zijn de gebouwcontouren bekend in de vorm van spatial objects (met een X en Y coördinaat, openbare informatie). Op een onderliggende geografische kaart kunnen deze vormen vervolgens worden geplot. Op de kaart kan daarna worden ingezoomd naar wijk, naar buurt en naar een specifiek object (zie figuur 1). Het specifieke object kan worden getoond middels een connectie met Google Maps. Een koppeling naar de Basisregistraties Adressen en Gebouwen (BAG) geeft van elk woningobject de objectkenmerken, waaronder oppervlakte en bouwjaar. Als de vraagprijs bekend is kan deze worden gedeeld door het oppervlakte en per woningtype kan deze prijs/m2 weergegeven worden. Wanneer een specifiek object en woningtype (appartement vs. woonhuis) is geselecteerd, wordt de tweede pagina van het dashboard geladen (zie figuur 2). Daarin wordt dieper ingegaan op een aantal algemene buurtkenmerken van het CBS, alsmede de prijs/m2 per gedetailleerd woningtype (van woonboerderijen tot half vrijstaande woningen tot portiekflats). Een simpele vermenigvuldiging van de oppervlakte van het pand waarvan de waarde moet worden geschat met de prijs/m2 in de buurt (of een nabij gelegen buurt) van identieke woningtypes levert een eerste accurate schatting op. Nu de tool bestaat blijft het gebruik nog enigszins beperkt. Kan een computermodel een vastgoed professional vervangen? Doorgaans worden taxaties nog verricht aan de hand van het werkelijk bezoeken van een locatie (vaak een vereiste) en op basis van ervaring en kennis van taxateurs. Toch kan het gebruik van de ontwikkelde tool van toegevoegde waarde zijn bij het, zo efficiënt en compleet mogelijk, uitvoeren van een waardebepaling.
 |
| Figuur 1: Eerste dashboard pagina met de objecten in een specifieke buurt, evenals de prijs/m2 per buurt en per woningtype (gemaakt met Alteryx en Tableau) |
 |
| Figuur 2: Tweede dashboard pagina met gedetailleerde informatie over buurten en de prijs/m2 per gedetailleerder woningtype (gemaakt met Alteryx en Tableau) |
 |
| Figuur 3: Voorbeeld van een 3D-visualisatie van bouwjaren van panden (gemaakt met Alteryx, Tableau en Google Earth) |
Conclusie en toekomst
Duidelijk is dat er voorbeelden bestaan van innovatieve bedrijven, die zich richten op technologie en big data, die zeer succesvol zijn geworden. Er is een duidelijke big data hype, maar in vastgoed blijft dit vooralsnog achter, zeker in vergelijking met andere sectoren. De oorsprong hiervan is dat een business case voor big data moeilijk op te zetten is, mede als gevolg van vele onzekerheden. Big data zal zich eerst moeten bewijzen. Toch zijn er partijen die meegaan in deze hype en dit aan de strategie van de onderneming koppelen. Tegelijkertijd zijn er allerlei ontwikkelingen gaande. Zo heeft Google recentelijk aangegeven interesse te hebben in de Europese vastgoedmarkt met het doel om de online vastgoedmarkt te veroveren. Andere partijen, nu nog niet actief binnen vastgoed, zien ook mogelijkheden in de sector. Big data kan zeker bijdragen aan de kwaliteit en kennis van een vastgoedorganisatie (zie bijvoorbeeld ook figuur 3). De combinatie kan dus succesvol zijn, zeker nu we steeds meer data verzamelen. Is het nu de tijd om in te zien dat het niet investeren in big data zal gaan leiden tot omzetderving en dat het alleen al daardoor interessant is om big data nader onder de loep te nemen? Welke rol wil jij spelen in deze mogelijke digitale revolutie?
Bronvermelding
Christensen, C., (2013). The innovator’s dilemma: when new technologies cause great firms to fail. Harvard Business Review Press.
Gartner, (2015). Gartner Identifies the Top 10 Strategic Technology Trends for 2016. Van: www.gartner.nl
[1] In dit artikel wordt onder het vage begrip “big data” verstaan: “grote” hoeveelheden data, alsmede de uitkomsten van op data gebaseerde modellen/berekeningen.
[2] Gartner concludeert dat communities and collective intelligence, web platforms, social software and networking, web-oriented architectures, business intelligence, mobile applications, cloud computing, contextual and social user experience, the Internet of Things, (strategic) big data, software-defined anything, smart machines, computing everywhere en context-systems de belangrijkste strategische en technologische trends zijn binnen “innovatie”.
Mail the editors