Повышаем точность планирования до 91% с помощью ИИ: кейс застройщика MR Group

Застройщики постоянно сталкиваются с необходимостью точного прогнозирования: какая квартирография будет пользоваться спросом и по каким ценам можно реализовать объект в запланированные сроки. Этот процесс требует углубленные работы с данными и участие команды аналитиков. Компания MR Group интегрировала ИИ-сервис Девелопер от VK Predict, который с помощью машинного обучения анализирует большие данные для оптимизации проектов.

Перед MR Group стояла стратегическая задача по повышению эффективности планирования новых жилых комплексов. Ключевыми целями были:

• Автоматизировать расчет оптимальной квартирографии (соотношения студий, одно-, двух- и трехкомнатных квартир).
• Точно прогнозировать рекомендуемый уровень цен для полной реализации проекта в срок, установленный финансовой моделью.
• Снизить риски ручного планирования и повысить рентабельность проектов.

Для достижения целей MR Group внедрила сервис PREDICT на этапе проектирования новых жилых комплексов. Работа строилась по следующему алгоритму:

1. Алгоритмы сервиса анализируют обезличенные массивы данных о спросе и предложении на рынке недвижимости в локации застройки, учитывая цены и темпы продаж в аналогичных комплексах. Дополнительно модели принимают во внимание развитие транспортной и социальной инфраструктуры района.
2. Система автоматически рассчитывает оптимальное распределение квартир по типам и площадям, а также рекомендует ценовой уровень для каждого этапа строительства, чтобы обеспечить продажи в нужном темпе.
3. При необходимости эксперты MR Group могут вручную скорректировать предложенную модель например, изменить долю квартир определенного типа. Сервис мгновенно пересчитывает экономические показатели (цены и сроки реализации), позволяя оценить эффективность корректировок.
4. Рассчитанные с помощью ИИ параметры использовались при проектировании таких масштабных жилых комплексов, как Mod, City Bay, Symphony 34, «Павелецкая Сити» и «Селигер Сити».

Данные для обучения ML-моделей

• Признаки OSM (Open Street Map: инфраструктура, ТЦ, метро, детсады, магазины, больницы, тур. зоны, дороги, водные объекты, бары, рестораны, заводы, пром. зоны, зеленые зоны, прогулочные зоны, парки и др.
• Признаки интересов: агрегированные интересы пользователей.
• Сделки о продажах: данные о продажах с 2015 года, по каждой квартире: площадь, комнатность, стадия, тип отделки, этаж, дата продажи.
• Дополнительные признаки по корпусам: высота потолков, тип отделки, класс, тип корпуса, этажность, локация.
• Признаки социально-демографические: агрегированные данные: пол, возраст, плотность проживания, домашний регион и др.
• Открытые данные: параметры на основе марко-экономических данных Росстата, а также органов исполнительной власти.
• Проектные декларации: детальная квартирография ЖК.
• Текущие предложения о продажах: параметры сделки о продажах только для квартир, выставленных на продажу на данный момент.

Внедрение ИИ-сервиса позволило MR Group перевести ключевые бизнес-процессы планирования на качественно новый уровень. По данным тестов, точность прогнозирования стоимости квартир с помощью сервиса PREDICT в среднем составила 91%. Это позволило компании минимизировать риски и максимально эффективно формировать планировку жилых комплексов.

Мария Литинецкая, генеральный директор MR Group:

Математическая модель предлагает оптимальный вариант квартирографии для новых ЖК на основе имеющихся данных с оценкой оптимальной стоимости жилья. Алгоритм также позволяет менять распределение квартир с учетом проектных ограничений застройки и определять экономическую эффективность этого решения. Мы используем программный комплекс от VK на всех новых проектах... В будущем также планируем расширить возможности инструмента.

Роман Стятюгин, директор аналитических сервисов PREDICT, VK:

Технологии машинного обучения и анализ массивов данных позволяют минимизировать риски и максимально эффективно формировать планирование жилых комплексов. Совместный опыт с MR Group уже показал высокую эффективность такого подхода.