ВТБ создал и масштабировал на всю Россию сервис аналитики для оценки новостроек

В основе — универсальная платформа геоаналитики, позволяющая сопоставлять более 1000 слоев данных из банковской сферы, телекома и digital-сервисов. В решении используется обезличенная информация о жителях аналогичных домов, а также районов со схожей транспортной инфраструктурой, имеющих похожие интересы, структуру доходов, расходов и так далее.

Оценка рыночной стоимости строящейся недвижимости играет для банка важную роль в принятии решения о финансировании проектов. Новая разработка помогает ускорить анализ заявки на финансирование застройщика: использование программы позволило в 3 раза сократить сроки от обращения клиента до подписания кредитного договора.

В разных городах различные факторы влияют на цену. Рынок постоянно идёт вперёд, меняется инфраструктура, которая влияет на стоимость. Какие-то параметры устаревают, какие-то добавляются или обновляются. Сложность задачи по оценке недвижимости в масштабах России заключается в учёте региональной специфики, макроэкономических колебаниях, большом разнообразии в качестве и расположении строительных объектов. На этом, в свою очередь, строится выбор инструментов и способов моделирования.

«Программа учитывает множество факторов и показывает независимую от экспертного мнения оценку, что играет важную роль в общем процессе согласования сделки всеми участвующими в процессе подразделениями. Наиболее значимые конкурентные преимущества сервис даёт в ситуации, когда строящийся жилой объект не имеет рядом аналогов, и оценить его, используя только метод сравнения с похожими соседствующими объектами, невозможно» — рассказал Максим Коновалихин, руководитель департамента анализа данных и моделирования, старший вице-президент банка в рамах Стратегической недели ВТБ.

Проект стартовал с сегмента среднего и малого бизнеса. Следующая стадия — это использование программы и для других бизнес-сегментов.  Этот опыт применим и для других сфер. Например, посчитать необходимое количество банкоматов в конкретном районе и количество наличных средств в каждом из них. Подходит для тех случаев, когда на основе анализа данных нужно построить прогноз чего-нибудь нового.