La science des données offre à la CRE la capacité d’agir en phase avec des marchés en évolution rapide

Dans un environnement macroéconomique difficile, les investisseurs, propriétaires et gestionnaires immobiliers continuent de faire face à de nouveaux défis et à des contraintes de temps pour déterminer les bonnes mesures à prendre ensuite.

Lorsque l’incertitude du marché est élevée, les investisseurs, propriétaires et gestionnaires immobiliers sont confrontés à des défis et à des contraintes de temps pour déterminer les mesures à prendre. Heureusement, la science des données offre des opportunités enrichissantes pour répondre aux questions et préparer des hypothèses presque en temps réel, ce qui aurait pu nécessiter auparavant des semaines ou des mois.

La science des données intègre des ensembles de données alternatifs, des technologies d’apprentissage automatique et des analyses prédictives pour extraire de nouvelles connaissances des données et amplifier la capacité de prévision et d’anticipation. En résumé : cela offre aux dirigeants de l’immobilier commercial la possibilité d’agir rapidement et judicieusement à mesure que les marchés évoluent.

Les prévisions immédiates, par exemple, sont des prévisions basées sur des données à haute fréquence, comme les transactions mobiles ou de détail. Elles nous permettent de comprendre ce qui s'est passé très récemment, ce qui se passe actuellement et ce qui se passera dans un avenir proche.

Prenons par exemple le cas d’un fonds immobilier qui souhaite étendre son portefeuille d’immeubles à logements multiples. Une prévision immédiate peut fournir des informations claires et actuelles sur le marché en utilisant l’apprentissage automatique dans une vaste collection de données au niveau du quartier, en temps quasi réel ou en temps réel. Les algorithmes d’apprentissage automatique peuvent rapidement combiner des prévisions macro et hyperlocales pour donner la priorité aux villes et aux quartiers où la demande de logements collectifs est la plus élevée. Cela permettrait au fonds d’identifier les bâtiments dans les zones actuellement sous-évaluées mais dont la demande augmente.

Étant donné que les investissements immobiliers sont évalués en fonction des flux de trésorerie actuels et futurs, l’utilisation de données alternatives pour produire des prévisions immédiates et des prévisions garantit que les décisions sont fondées sur des hypothèses actuelles plutôt que sur des indicateurs retardés.

Cela offre aux investisseurs et aux organisations immobilières des avantages stratégiques considérables. La combinaison de données démographiques et migratoires conventionnelles avec des données alternatives en temps quasi réel dans des modèles de données avancés permet de discerner des tendances significatives bien avant les mesures statistiques traditionnelles. Ils peuvent identifier les marchés présentant le plus grand potentiel, évaluer la croissance ou la demande pour des classes ou sous-classes d'actifs spécifiques sur des marchés particuliers et calculer avec précision la valeur future des acquisitions potentielles.

Et l’application d’analyses avancées (analyse statistique, modélisation, exploration de données, notation et apprentissage automatique) à ces ensembles de données offre une perspective plus précise de ce qui se passe aujourd’hui (prévisions immédiates) et de ce qui est susceptible de se produire à l’avenir (prévisions).

L’utilisation de cette approche permet d’optimiser les stratégies d’investissement et d’acquisition immobilières, en révélant des opportunités et des risques cachés.

Science des données

Utilise des processus, des algorithmes et des modèles scientifiques pour extraire des informations exploitables à partir de données brutes.

Données alternatives

Il s'agit de données provenant de sources non traditionnelles, telles que les données de mobilité et de localisation, les activités de dépenses de détail, les annonces et les ventes immobilières et l'activité Web.

Analyse prédictive

Il s’agit d’un processus de science des données qui identifie la probabilité de résultats futurs en fonction de données historiques.

Exemple concret : identifiez les opportunités d'investissement multifamilial en examinant les tendances migratoires

Voici un bon exemple de la façon dont un fonds immobilier a utilisé la prévision immédiate pour acquérir des informations qui n'étaient jamais disponibles auparavant.

Pour éclairer sa stratégie de portefeuille et démontrer aux investisseurs qu'ils avaient une bonne compréhension de ses marchés, opportunités et risques, ce fonds avait besoin d'une prévision immédiate des tendances migratoires pour un marché clé dans lequel il avait une exposition significative : Las Vegas.

Il est intéressant de noter que pendant la pandémie, les loyers des immeubles multifamiliaux sur le marché de Las Vegas étaient stables ou en hausse, alors que la situation de l’emploi était parmi les pires du pays. Les gestionnaires de fonds ont émis l'hypothèse qu'il y avait un afflux de personnes s'installant à Las Vegas, mais n'avaient aucune preuve pour étayer cette hypothèse. Les estimations basées sur des sources de données traditionnelles comme le US Census Bureau étaient trop obsolètes pour être utiles.

Pour répondre à ce besoin, nous avons intégré les données GPS des téléphones mobiles avec les données caractéristiques des ménages au niveau du quartier sur une plateforme d'apprentissage automatique, ce qui nous a permis de prévoir immédiatement les schémas de déplacement des ménages et la santé globale du marché au niveau du quartier.

Cela nous a permis d’identifier plusieurs facteurs clés en jeu. Premièrement, un nombre important de nouveaux habitants de Las Vegas arrivaient du sud de la Californie – Anaheim, Los Angeles et Riverside en particulier. Deuxièmement, les nouveaux résidents avaient, en moyenne, des revenus familiaux supérieurs de 20 000 $ à ceux des résidents actuels de Las Vegas. Pour ces nouveaux arrivants, les tarifs de location à Las Vegas étaient très abordables. En conséquence, les taux d’occupation et de location pendant la pandémie sont restés plus sains à Las Vegas par rapport aux autres marchés.

Exemple concret : trouvez les marchés où le retour au bureau est le plus avancé

Pour un autre projet, l’objectif de notre client était d’évaluer les modèles de reprise de la circulation piétonnière dans les principaux quartiers de bureaux des États-Unis en comparant les différences entre 2019 et le trimestre en cours (T3 2021). En combinant les estimations de l'emploi dans les bureaux et du trafic piétonnier sur téléphone portable au sein d'une plate-forme d'apprentissage automatique, nous avons pu comparer le volume de trafic actuel avec celui de 2019.

Cette analyse a montré, à titre d'exemple, qu'Atlanta a connu l'une des plus fortes reprises de fréquentation piétonnière dans ses quartiers de bureaux. San Francisco, en comparaison, était encore environ 50 % en dessous des niveaux de 2019. Sans surprise, en 2021, Atlanta avait également l'un des marchés de bureaux les plus performants, tandis que San Francisco était à la traîne du pays.

De nombreuses utilisations de la science des données avancée dans l'immobilier

Ces cas démontrent comment la science avancée des données peut prévoir et anticiper avec précision l’évolution de la demande immobilière, permettant aux investisseurs et aux organisations CRE de mieux comprendre les facteurs ayant un impact sur les performances. Voici d'autres exemples.

• Utiliser l'emplacement, les changements de demande et les attributs physiques pour identifier pourquoi certains actifs connaissent un impact opérationnel net (NOI) plus élevé que d'autres

• Ciblez les opportunités d'acquisition au potentiel exceptionnel en tirant parti de l'apprentissage automatique pour prévoir les performances attendues de certaines propriétés

• Utilisez des données de marché alternatives et des prédictions de modèles d'apprentissage automatique pour identifier les actifs susceptibles de sous-performer

Lorsqu’il s’agit aujourd’hui de prise de décision dans le secteur immobilier, la pandémie a démontré à quelle vitesse les marchés peuvent changer. La science des données offre aux investisseurs CRE l’avantage d’informations en temps réel pour calibrer rapidement leur stratégie et prendre des décisions en toute confiance et rapidité.