Big Data et modèles prédictifs en immobilier : état des lieux et potentialités - Adrien Rospabé - IEIF
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Big Data et modèles prédictifs en immobilier :
état des lieux et potentialités
Loeïz Bourdic Adrien Rospabé
Président et fondateur Directeur associé
URBAN MORPHOLOGY STRATEGY AKEANCE CONSULTING
Réunion du 13 octobre 2016> Big data et immobilier : état des lieux >
et potentialités
Paris, jeudi 13 octobre 2016
Adrien Rospabé
Vincent Thomas
Ce document ne saurait être interprété sans les commentaires oraux qui l’accompagnent.Sommaire
• Présentation d’Akeance Consulting
• Extrait de notre étude « Big data et immobilier : état des
lieux et potentialités »
2
© 2014 Akeance Consulting - Tous droits réservésAkeance consulting en bref © 2016 Akeance Consulting - Tous droits réservés 3
Le pôle immobilier d’Akeance Consulting
Akeance Consulting est un cabinet de conseil disposant depuis 12 ans d’un pôle dédié à l’Immobilier.
– Un pôle composé d’une vingtaine de consultants disposant d’une
double expertise : « immobilier » et « conseil ».
Promoteurs – Une offre de services dédiée aux problématiques immobilières.
immobiliers
– Une offre de services en management, organisation et système
d’information capitalisant sur une excellente connaissance de
Foncières / l’immobilier.
Investisseurs
– Ils nous font confiance :
Property
Managers /
Administrateurs
de biens
Utilisateurs /
Directions
immobilières
© 2016 Akeance Consulting - Tous droits réservés 4Nos publications
Lettres de l’immobilier Lettres de l’immobilier Articles :
Étude :
(hors-série) : (BusinessImmo, Réflexions
trimestrielles :
Immobilières, Immobilier et Services)
© 2016 Akeance Consulting - Tous droits réservés 5Une expertise reconnue
Akeance positionné dans la constellation des "consultants en stratégie" par BusinessImmo (N°124 - avril 2016).
© 2016 Akeance Consulting - Tous droits réservés 6Sommaire
– Présentation d’Akeance Consulting
– Extrait de notre étude « Big data, état des lieux et
potentialités »
© 2016 Akeance Consulting - Tous droits réservés 7Définition
L’expression Big Data renvoie à l’explosion du volume des données disponibles et à la nécessité de
les traiter selon de nouveaux modèles et de nouvelles technologies mieux à même de tirer parti de
leur variété, de leur volume et de leur vélocité.
– Enorme quantité de
données accessibles.
Volume
– Rapidité de traitement. Big Data – Données structurées
– Fréquence à laquelle ces
données sont générées, ou non.
Vélocité Variété – Données publiques ou
capturées et partagées.
– Les données sont privées, internes ou
analysées en continue et externes à
en temps réel. l’organisation.
– Sources et formats
hétérogènes.
La Business Intelligence s’intéressera avant tout aux données structurées de l’entreprise
(disponibles dans ses systèmes d’information) tandis que le Big data s’intéressera également à
des données non structurées, externes, très dynamiques.
© 2016 Akeance Consulting - Tous droits réservés 8Le terrain de jeux du Big data
– Taux d’occupation.
Disponibilité des – Disponibilité à la
– Loyers. biens vente / location.
Prix de marché
– Prix au m². – Termes des baux…
– Valeurs de biens…
Données – Etat des bâtiments.
techniques
– Equipements
– Entreprises. techniques,
– Types de bien / classe Caractéristiques Actualités connectés ou non.
du territoire économiques
d’actifs. – Consommations…
– Contraintes d’urbanismes…
Population du
territoire
– Ages.
– Nominations.
– Taux de chômage.
– Fusions ou acquisitions.
Locataires et – Dynamique
– Transferts d’entreprises… propriétaires démographique…
– Raison sociale.
– Activité…
Analyser un territoire, un marché et les actifs qui le composent
Piloter son parc immobilier
Identifier des prospects
Réinventer les métiers
© 2016 Akeance Consulting - Tous droits réservés 9Les entreprises étudiées © 2016 Akeance Consulting - Tous droits réservés 10
CoStar, l’acteur incontournable du marché
de l’immobilier d’entreprise aux USA !
CoStar en bref: CoStar en chiffres :
– Collecte et référencement d’informations depuis près de
30 ans sur tous les biens immobiliers aux USA et UK. 5M de données collectées par jour.
10 000 appels téléphoniques
– Analyse et exploitation de ces données pour une
quotidiens.
redistribution sous forme d’outils d’aide à la décision
pour tous les acteurs de l’immobilier. 500 000 propriétés sondées chaque
année sur le territoire US.
– Données disponibles : loyers, prix au m², état du bien,
surfaces / dispositions, propriétaires, profiles locataires, 1M de photos et de repérages
échéance de baux, date du permis de construire, numériques annuels.
transactions réalisées, photos…
Chiffre d’affaires en 2015 : 712 M $
– Base de données immobilières la plus importante et la
en 2014 : 576 M $
plus exhaustive des USA.
Acquisition Screen Benchmarking Hold / Sell Analysis
Support de suivi en
temps réel de
l’évolution du
marché et de l’état
des biens
Costar est maintenant incontournable et a rendu dépendant de nombreux acteurs de l’immobilier
aux USA à son business model (plus de 90% de renouvellement d’abonnement depuis 2012).
© 2016 Akeance Consulting - Tous droits réservés 11Zillow, pour estimer la valeur
actuelle et la valeur future d’un bien
Business Model de Zillow :
– Dans un premier temps, c’est une interface d’aide à la gestion de patrimoine immobilier lancée
en 2006 pour les propriétaires de biens.
– L’entreprise s’est démarquée grâce à son logiciel qui lui permet d’estimer ou de Zestimer la
valeur actuelle d’un bien immobilier.
– L’entreprise a bénéficié de $ 96,63M d’investissement, entre les levées de fonds et
l’investissement initial.
Là où Zillow va plus loin, c’est en
proposant d’estimer la valeur
future du bien:
« Zestimate Forecast »
Année CA Croissance
2012 $116,85M +77%
2013 $197,55M +69%
2014 $325,89M +65%
2015 $644,68M +97%
Valeur actuelle disponible pour plus de 100 millions de logements aux USA.
Valeur future disponible pour plus de 50 millions de logements aux USA.
© 2016 Akeance Consulting - Tous droits réservés 12Altarea : quand les foncières deviennent
commerçantes !
Mieux connaître ses clients, attirer les consommateurs et déclencher l’acte d’achat étaient des
problématiques que les foncières laissaient aux enseignes.
Altarea au « Quartz » a fait le choix de
s’approprier cette problématique. La
foncière propose un ensemble de
services, notamment une application
smartphone permettant la recherche d’un
produit dans toutes les enseignes du
centre commercial.
Altarea collecte également directement
des informations (cf. ci-contre).
La plateforme mise en place permet de
disposer dans le monde physique des
mêmes leviers, en temps réel, que sur un
site marchand en ligne.
Le modèle économique repose sur 3 piliers :
- maximiser les revenus en offrant aux asset managers une nouvelle connaissance des centres ;
- promotion et marketing des centres commerciaux ;
- commercialiser cette connaissance du client auprès des enseignes.
© 2016 Akeance Consulting - Tous droits réservés 13Vers plus de transparence du marché immobilier ?
– Le Big Data touche en priorité le secteur du logement. Le nombre de transactions et la logique
souvent B to C de ce secteur expliquent qu’il constitue un terrain de jeu privilégié.
– Mais l’exemple de CoStar et des autres acteurs émergeants (Compstak, VTS) montre qu’il
existe un potentiel considérable dans l’immobilier d’entreprise.
– La faible transparence du marché de l’immobilier d’entreprise est à la fois :
- un obstacle pour le recours au Big Data par les acteurs de l’immobilier…
- …et une opportunité pour des entreprises qui sauront développer un modèle permettant de proposer une
connaissance fine du marché.
– L’approche défensive des brokers (GIE Immostat et création de Webimm par les grands
brokers) touche à sa fin (cession de Webimm à Se Loger, probable fin de l’exclusivité de
Webimm avec les principaux brokers).
– Certaines startups arriveront-elles à se rendre incontournables aux entreprises du secteur pour
leur permettre disposer d’une connaissance du marché (cf. CoStar aux USA) ?
– De nouveaux acteurs arriveront-ils à s’appuyer sur cette connaissance du marché et des
territoires pour « uberiser » des business models classiques (cf. Opendoor aux USA) ?
© 2016 Akeance Consulting - Tous droits réservés 14Les données, une classe d’actifs à optimiser !
– On l’a vu, obtenir une meilleure connaissance du marché immobilier n’est pas la seule
opportunité.
– Il est plus que jamais nécessaire pour les entreprises de mener une réflexion sur l’utilisation de
leurs données.
– Mais, avant même, la question du Big data, notre expérience montre que les entreprises
utilisent de manière très insuffisante leurs propres données pour améliorer la prise de décision
ou favoriser l’efficacité opérationnelle.
© 2016 Akeance Consulting - Tous droits réservés 15Conseil en stratégie ● Organisation ● Management
Adrien ROSPABÉ
Directeur associé – Pôle Immobilier
adrien.rospabe@akeance.com
+33 (0) 6 31 40 40 00
11 bis, rue Portalis
75008 ParisBIG DATA ET MODÈLES
PRÉDICTIFS EN IMMOBILIER
ETAT DES LIEUX ET POTENTIALITÉS
Loeiz BOURDIC
Président Fondateur
UM Strategy
Intervention IEIF
13 octobre 2016Big data, Machine learning, intelligence artificielle… Applications au monde de l’immobilier Exemple d’application autour du projet du Grand Paris
Le Machine learning,
ou comment extraire de la valeur du big data?
Un concept ancien, limité jusqu’aux années 2010 par :
• La quantité de données disponibles
• La puissance de calcul
Un outil puissant pour extraire de la valeur de la donnée brute
• Analyser la donnée
• Extraire l’information pertinente
• Identifier des patterns
• PrédireDes statistiques…au machine learning
Modèle statistique simple
Y=a X + b
X Y
100+ variables Y
Non structurées
??Principes du machine learning
1. Entrainement
Données Résultat
2. Test
Nouvelles Prédiction du
3. Prédiction
données résultatApplications du machine learning
Traitement des spams
Recommandations d’achat (Criteo, Amazon…)
Reconnaissance de formes (écriture, objets…)
Reconnaissance vocale (Siri)
Conduite autonome
Détection de fraude à l’assurance
Finance (gestion des risques, trading)
e-santé
…Big data, Machine learning, intelligence artificielle… Applications au monde de l’immobilier Exemple d’application autour du projet du Grand Paris
Applications du machine learning au monde de l’immobilier
Ciblage d’acheteurs / Recommandation
SmartZip, Offrs, Trulia
Identification de vendeurs potentiels
SmartZip, First.io
Evaluation immobilière
Zillow, HouseCanary, MeilleursAgents
Prévision immobilière
Zillow, HouseCanary, UM StrategyPrix de l’immobilier : du big data à la prévision
Data Aggregators Data Dashboards Estimation / Evaluation Predictive Analytics
Donnée brute Machine learningZillow – Zestimate Forecast 1M+ ML models Econometric model for house price forecast Zipcode level Prévision à 12 mois Cible retail Résidentiel uniquement
House Canary “Imagine...what we would do, if we could understand where real estate prices are going.” • Conseil en investissement • Prévision à 36 mois • Résidentiel US • Retail / institutionnels
House Canary Prévisions sur la base de données historiques: • Marché immobilier • Macro-économie • Taux et crédits • Données sociales • Demande • Données cadastrales • …
Big data, Machine learning, intelligence artificielle… Applications au monde de l’immobilier Exemple d’application autour du projet du Grand Paris
UM Strategy
Prévision de l’impact des évolutions urbaines sur les marchés immobiliers
Evolution des infrastructures de transport
Evolution des activités économiques
(emplois, entreprises…) Marché immobilier
Prix & Loyers
Rénovation urbaine Résidentiel & Bureau
Phénomènes de gentrificationTechnologie
1. Big Data
Nous réunissons toute la donnée « sous jacente » disponible sur les
villes : emplois, résidents, entreprises, transports, immobilier, etc.
2. Pattern recognition
Nous étudions les patterns sous-jacents et analysons les liens entre les
variables urbaines et immobilières.
3. Machine learning
Nos algorithmes s’entrainent et apprennent des données pour rendre
ces liens explicites.
4. Prévision
Nos algorithmes prévoient l’impact des évolutions urbaines sur les prix
et les loyers, pour l’immobilier résidentiel et de bureauTechnologie
« Sous-Jacents »
Emplois Immobilier
Entreprises
Résidents Prix
Economie Loyer
Transport
….
Capacité prédictive
Prix au m², immobilier résidentiel, à l’IRIS : >92%
Loyers au m², immobilier de bureau, à l’actif : >86%Démo
Impacts du Grand Paris Express
200km de nouvelles lignes de métro
65 nouvelles stations
Nos algorithmes montrent une très forte
hétérogénéité de la surperformance liée
au Grand Paris Express
Lignes de métro existantes
Nouvelles lignes de métro (2023)
Surperformance du résidentiel
Faible Forte
UM StrategySolutions
Analyse de marché et identification des zones à plus fort potentiel
Analyse prédictive d’actifs ou de portfolios
Conseil en allocation
Screening systématique des actifs disponibles sur le marchéBIG DATA ET MODÈLES
PRÉDICTIFS EN IMMOBILIER
ETAT DES LIEUX ET POTENTIALITÉS
Loeiz BOURDIC
Président Fondateur
UM Strategy
Intervention IEIF
13 octobre 2016Big Data et modèles prédictifs en immobilier :
état des lieux et potentialités
Loeïz Bourdic Adrien Rospabé
Président et fondateur Directeur associé
URBAN MORPHOLOGY STRATEGY AKEANCE CONSULTING
Réunion du 13 octobre 2016Vous pouvez aussi lire
