ยุคต่างๆ ของข้อมูลข่าวสารสำหรับการพัฒนาอสังหาริมทรัพย์และปัญหาในการใช้ข้อมูล

บริษัทอสังหาริมทรัพย์หลายแห่งในสมัยก่อนมักใช้สัญชาตญาณและข้อมูลแบบดั้งเดิมเพื่อประกอบการตัดสินใจในธุรกิจ ปัจจุบันเรามีตัวแปรอื่นเกิดขึ้นมาเพื่อช่วยให้เห็นเป็นภาพชัดเจนขึ้นว่าทำเลใดในอนาคตมีความเสี่ยงหรือนำมาซึ่งโอกาสทางธุรกิจ

จากรายงานพบว่าราคาบ้านที่อยู่ละแวกใกล้เคียงกับซุปเปอร์มาร์เก็ตอย่าง Whole food และ Trader’s Joe ในบอสตันมีมูลค่าเพิ่มอย่างรวดเร็วกว่าพื้นที่อื่น หรือบ้านที่อยู่ใกล้ร้านกาแฟอย่าง Starbucks ก็ถูกพบว่ามีราคาสูงขึ้น 171% ในช่วงปี 1997 ถึง 2014 ถึงกระนั้นการที่บ้านอยู่ใกล้เคียงกับร้านค้าก็ไม่ได้ส่งผลต่อการขึ้นราคาเสมอไป ยังมีปัจจัยอื่นที่น่าสนใจกว่า เช่น การเข้าถึงคุณภาพชีวิตและชุมชนโดยรอบที่มีคุณภาพ

ปัญหาที่พบบ่อยที่สุดในกลุ่มนักพัฒนาอสังหาฯ และนักลงทุน คือ ความไม่เชื่อมต่อกันระหว่างข้อมูลที่มีอยู่กับความสามารถในการดึงข้อมูลมาใช้ในเชิงปฏิบัติได้อย่างทันท่วงที หากสามารถจับเทรนด์ที่ซ่อนอยู่ในตลาดได้ช้าก็หมายความว่าเรากำลังสูญเงินไปโดยเปล่าประโยชน์ ในทางตรงกันข้ามหากสามารถเดินหน้าไปหาโอกาสได้เร็วก็หมายถึงการมีข้อได้เปรียบอยู่เหนือคู่แข่งรายอื่น แล้วทำไมการเป็นคนแรกที่สามารถคว้าโอกาสมาครองได้ถึงฟังดูยากนักหรือ? เพราะการนำข้อมูลแบบเดิมๆ มาใช้ในการวิเคราะห์มักทำให้ยากต่อการสร้างสมมติฐานหรือกรณีศึกษาทางธุรกิจที่ชัดเจน ด้วยกระบวนการขั้นตอนที่ยุ่งยาก นักวิเคราะห์ต้องค้นหาข้อมูลเป็นพันล้านรายการในฐานข้อมูลมาเพื่อใช้ในแบบฟอร์มที่ไม่ชัดเจนและมีโปรแกรมช่วยเหลืออันน้อยนิดในการรวบรวมข้อมูล กว่าข้อมูลจะไปถึงนักลงทุนให้ได้ประมวลผลและกลั่นกรอง โอกาสทางธุรกิจนั้นก็หลุดลอยไปแล้ว

ค้นพบ Hyperlocal ด้วย Machine Learning

ในขณะที่ปัจจุบันเรามีข้อมูลแบบยุคใหม่หรือข้อมูลที่ไม่เป็นทางการซึ่งกำลังกลายเป็นที่นิยมและถูกนำไปใช้ประโยชน์ได้มากขึ้นทุกวัน ทั้งข้อมูลของรูปแบบการใช้โทรศัพท์มือถือ กระทู้รีวิวร้านอาหาร ล้วนสามารถช่วยให้คนทำงานค้นพบ Hyperlocal หรือข้อมูลเชิงลึกที่สามารถนำไปประยุกต์ใช้ในการวางกลยุทธ์ให้เข้ากับตลาดในแต่ละท้องถิ่น ไม่ใช่แค่ระดับเมืองแต่ละเอียดลึกลงไปถึงแต่ละเขตโซน ตัวอย่างข้อมูลประเภทนี้ได้แก่ จำนวนใบอนุญาตการสร้างสระว่ายน้ำในพื้นที่ ความเปลี่ยนแปลงของร้านกาแฟในรัศมี 1.6 กิโลเมตร ปริมาณการใช้พลังงานของตึกเมื่อเทียบกับพื้นที่อื่นในรหัสไปรษณีย์เดียวกัน ความเคลื่อนไหวภายในออฟฟิศโดยอ้างอิงจากการใช้ลิฟต์ เสียงรีวิวจากคนส่วนใหญ่ในธุรกิจละแวกใกล้เคียง ข้อมูลเหล่านี้ไม่ถูกนับเป็นข้อมูลทางอสังหาริมทรัพย์อย่างเป็นทางการ แต่สามารถช่วยชี้ให้เห็นประเด็นสำคัญบางอย่างและนำมาใช้ร่วมกับข้อมูลแบบดั้งเดิมในการทำนาย Hyperlocal ได้

หนึ่งวิธีในการปะติดปะต่อข้อมูลผ่านการวิเคราะห์แบบล้ำสมัยคือการใช้ Machine Learning อัลกอริทึมในการรวบรวมและตีความข้อมูลที่มาจากแหล่งต่างๆ เทคโนโลยีนี้จะแปลงข้อมูลโดยอัตโนมัติด้วย APIs และเชื่อมต่อฐานข้อมูลที่หลากหลายเข้าด้วยกันก่อนที่จะเตรียมข้อมูลให้พร้อมสำหรับการวิเคราะห์ ผลลัพธ์ที่ได้ไม่ใช่เพียงแค่ข้อมูลดิบแต่คือความสามารถในการสกัดรูปแบบและประมาณการข้อมูลล่วงหน้าซึ่งสามารถนำมาช่วยใช้ในการออกแบบกลยุทธ์ทางตลาดรูปแบบใหม่ เช่น เมื่อผู้จัดการทรัพย์สินต้องการขยายกิจการคอนโดมิเนียมสำหรับครอบครัว Machine Learning อัลกอริทึมจะทำการประมาณการข้อมูลล่วงหน้าในระดับมหภาคและจุลภาคเพื่อหาเมืองหรือย่านที่มีความต้องการที่พักประเภทนี้ทันที

การดำเนินธุรกิจที่ขับเคลื่อนโดยข้อมูลช่วยให้เกิดผลลัพธ์อันทรงพลัง ตัวอย่างเช่น มีแอปพลิเคชันหนึ่งซึ่งรวบรวมฐานข้อมูลขนาดใหญ่ของทั้งข้อมูลแบบดั้งเดิมและข้อมูลแบบไม่เป็นทางการมาใช้ในการทำนายค่าเช่าต่อตารางเมตรของคอนโดสำหรับครอบครัวในช่วงเวลาสามปีในซีแอตเทิลได้แม่นยำถึง 90%

ทำไมข้อมูลแบบไม่เป็นทางการจึงน่าสนใจ

ประโยชน์ของการนำข้อมูลแบบไม่เป็นทางการมาใช้ คือ สามารถช่วยให้เห็นถึงปัจจัยที่มีผลต่อความต่างของค่าเช่า ตามภาพตัวอย่างที่มีข้อมูลโดยทั่วไปของตึกทั้งสองในเขตรหัสไปรษณีย์เดียวกัน ดูผิวเผินแล้วแทบไม่แตกต่างทั้งราคาต่อตารางเมตรและอัตราห้องว่าง แต่เมื่อนำข้อมูลแบบไม่เป็นทางการ เช่น ระยะห่างจากตึกไปร้านอาหารหรือจำนวนการเปลี่ยนแปลงของร้านค้าในพื้นที่มาประกอบด้วยพบว่าข้อมูลเหล่านี้มีผลต่อการเติบโตของราคา

และแน่นอนว่าบริษัทจะใช้ประโยชน์จาก Big Data เหล่านี้ได้ต้องหา “คน” ที่มีความรู้ความสามารถในการจัดการข้อมูลมาร่วมงานกับตนเอง เงิน ถือเป็นปัจจัยสำคัญอย่างหนึ่งแต่ไม่เสมอไป ผู้ที่มีพรสวรรค์ตัวจริงมักต้องการขึ้นมาเป็นแถวหน้าทางธุรกิจและผลิตแอปพลิเคชันใหม่ๆ ที่สร้างคุณค่าและความน่าตื่นเต้นให้แก่วงการ การกำหนดโฉมหน้าในอนาคตของธุรกิจอสังหาฯ โดยคิดคำนวณว่าจะเกิดผลกระทบประการใดต่อสังคมได้บ้างสามารถช่วยดึงดูดความสนใจของพวกเขาเหล่านี้ได้

แหล่งข้อมูล

https://www.mckinsey.com/industries/capital-projects-and-infrastructure/our-insights/getting-ahead-of-the-market-how-big-data-is-transforming-real-estate