Introduction à l'apprentissage automatique dans l'immobilier commercial Partie 2 : Cinq composants pour tirer parti des avantages de l'apprentissage automatique
Points saillants
La mise en œuvre efficace et rentable de l’apprentissage automatique dans la CRE nécessite du cloud computing, des modèles, des données et des personnes compétentes, ainsi qu’une allocation de temps et d’argent.
Les sociétés d'investissement CRE sont confrontées à des défis tels qu'un manque de données de haute qualité, une résistance organisationnelle et des difficultés à recruter du personnel qualifié lors du développement de capacités internes d'apprentissage automatique. Il est crucial de surmonter ces obstacles pour réussir.
Les fournisseurs tiers de machine learning offrent des avantages tels que des data scientists expérimentés, des mises à jour continues des modèles, l'évitement des biais involontaires et la possibilité de faire évoluer rapidement les capacités.
Le première partie de Introduction à l'apprentissage automatique en CRE a abordé les fonctionnalités, les avantages concurrentiels et la gamme d'utilisations de l'apprentissage automatique dans le secteur de l'immobilier commercial.
Mais comment les entreprises CRE peuvent-elles mettre en œuvre l’apprentissage automatique de manière efficace, productive et rentable dans votre organisation ?
Certaines entreprises construisent des systèmes en interne, d’autres s’appuient sur des fournisseurs externes et beaucoup suivent une approche hybride. Dans tous les cas, le machine learning nécessite les cinq éléments clés suivants :
Cloud computing
Des modèles
Données
Des personnes compétentes
Temps et argent
Adoption et défis liés à l’utilisation de l’apprentissage automatique
Le rapport de recherche mondial Altus, L’état de la science des données dans l’investissement CRE a constaté que la moitié des sociétés d'investissement CRE interrogées disposaient de capacités internes de science des données ou d'analyse, 44 % d'entre elles tirant parti des capacités d'apprentissage automatique.
Leurs défis les plus importants en matière de développement des capacités internes étaient les suivants :
Manque de données pertinentes de haute qualité à utiliser dans les intrants (44 %)
Difficulté à amener l'organisation à adhérer et à adopter ces capacités (41 %)
Difficultés à recruter et à retenir du personnel qualifié (39 %) ; en fait, seules deux organisations sur cinq disposent de personnel dédié à la science et à l’analyse des données.
1. Informatique en nuage
Alors que les frameworks open source permettent aux organisations de créer des modèles d'apprentissage automatique en interne, l'apprentissage automatique nécessite une énorme puissance de traitement car de nombreux serveurs fonctionnent simultanément sur des algorithmes. Et il s’agit d’un travail gourmand en données : les algorithmes nécessitent une quantité massive de stockage hautes performances.
C'est pourquoi la plupart des entreprises, qu'elles disposent de capacités internes ou qu'elles travaillent avec un fournisseur externe, s'appuient sur le cloud computing pour l'apprentissage automatique, qui ne nécessite pas d'investissement important. De plus, le cloud permet à une entreprise d’expérimenter des capacités d’apprentissage automatique et d’évoluer rapidement à mesure que la demande pour ces capacités augmente.
2. Modèles
Certaines entreprises CRE préfèrent développer leurs propres modèles d'apprentissage automatique dans le cadre de leur « sauce secrète ». D'autres choisissent de s'appuyer sur des fournisseurs tiers pour compléter leurs modèles ou comme option de source unique.
Lorsque vous optez pour cette dernière solution, il est important de vous assurer que le fournisseur possède une vaste expérience dans la formation de modèles d’apprentissage automatique. Étant donné que les données changent continuellement, pour garantir qu'un modèle ne se dégrade pas, il doit également être continuellement mis à jour avec de nouvelles données.
Un autre avantage du recours à un fournisseur tiers est d’éviter les préjugés involontaires. Par exemple, une entreprise peut inconsciemment souhaiter qu’un actif soit plus performant, de sorte que son modèle peut être involontairement modifié pour surpondérer certains facteurs. Forts de plusieurs années d'expérience de travail avec diverses organisations, les prestataires externes expérimentés s'efforcent continuellement de garantir que les données, les cadres, les modèles et les systèmes sont exempts de préjugés.
3. Données
Une grande quantité de données de haute qualité est nécessaire pour former des modèles d’apprentissage automatique. Cependant, étant donné qu’un fonds immobilier typique possède moins de 100 actifs, cela ne fournit généralement pas suffisamment de données pour construire un modèle fiable. Pour la plupart des métiers de la CRE, cela nécessite d’investir dans des abonnements data. Les fournisseurs de données proposent des ensembles de données contenant des informations sur les investissements, la location et le développement pour une gamme de types d'actifs et de marchés. Cela peut inclure des sources de données publiques et privées ainsi que des sources de données traditionnelles et non traditionnelles, depuis les données démographiques, économiques, de marché, de transaction, de propriété, de propriété, de locataires et de prêteurs, jusqu'à la circulation piétonnière et aux mouvements de téléphones portables.
Analyses prédictives et informations sur le marché
Altus Market Insights intègre des informations de marché et des analyses prédictives dans vos flux de travail quotidiens et votre prise de décision clé.
4. Des personnes compétentes
Certaines entreprises CRE choisiront de constituer une équipe interne de science des données, d’autres sous-traiteront entièrement et certaines s’appuieront sur un arrangement hybride. Parmi les sociétés d’investissement CRE, le rapport de recherche mondial d’Altus, The State of Data Science in CRE Investing, révèle :
38 % font appel à des prestataires externes pour soutenir leur programme de science et d'analyse des données,
la majorité achète à la fois des outils/logiciels et une expertise/services, et
43 % achètent des sources de données ou des bases de données.
Conscientes de la capacité de la science des données à améliorer les performances, certaines grandes organisations immobilières constituent des équipes internes de science des données comprenant des stratèges et des analystes de données, ainsi que des ingénieurs en logiciels et en apprentissage automatique.
L’un des avantages de développer une équipe interne est qu’avec le temps, elle développe une compréhension intime de l’entreprise et une aisance avec la culture. Et à mesure que l’équipe continue de développer des algorithmes et des modèles, l’apprentissage automatique s’intègre dans l’entreprise, améliorant les performances et ajoutant de la valeur tout au long des opérations.
Pour les petites organisations, il peut être difficile d’attirer et de financer les talents appropriés, ainsi que le coût de développement de la technologie. La demande de data scientists et de spécialistes de l’intelligence artificielle dépasse de loin l’offre. Il y a encore moins de professionnels qui possèdent à la fois les compétences techniques et la compréhension de l’immobilier commercial pour appliquer efficacement l’apprentissage automatique à ces défis commerciaux particuliers.
« Les équipes de science des données ont besoin à la fois d’une expertise technologique et d’une expertise spécifique dans un domaine – ce qui est difficile à trouver dans l’immobilier commercial. »
Sally Johnstone
Gestionnaire senior, Perspectives du marché
Dans de tels cas, la collaboration avec un partenaire de confiance qui peut fournir l’expertise en matière de données et de technologie ainsi qu’une évolutivité immédiate peut faire avancer les initiatives, des mois, parfois des années, plus rapidement.
Les fournisseurs externes identifient continuellement de nouveaux cas d'utilisation pour l'apprentissage automatique, étendent la couverture des classes d'actifs et intègrent davantage de facteurs influençant les performances des actifs. Ils peuvent également fournir des données précises et à jour, nettoyées et agrégées pour une utilisation immédiate.
5. Temps et argent
La principale raison pour laquelle un plus grand nombre d’entreprises CRE ne lancent pas d’initiatives de science des données/intelligence artificielle/apprentissage automatique en interne est sans doute l’investissement important en temps et en argent requis.
« Un nouveau projet de science des données nécessite généralement des centaines de milliers de dollars d’investissements dans une nouvelle infrastructure de données, l’approvisionnement en données et les scientifiques des données, et sa réalisation prend des mois – avec des résultats potentiellement incertains. »
Sally Johnstone
Gestionnaire senior, Perspectives du marché
Selon recherche selon Gartner, seuls 53 % des projets passent du prototype d'intelligence artificielle à la production. De toute évidence, les directeurs informatiques et les responsables informatiques ont du mal à les faire évoluer car ils ne disposent pas des outils appropriés. Divers facteurs détermineront le succès d’une organisation dans le lancement d’une initiative d’apprentissage automatique réussie. L'article Sept questions à poser lors du développement de capacités de science des données pour les investissements CRE propose un ensemble de questions et de suggestions clés à prendre en compte.
Comment le machine learning tiers fournit des analyses prédictives détaillées – en quelques heures
Le moteur d’apprentissage automatique du fournisseur, qui a été formé par une équipe de data scientists, ingère les données des clients, qui sont généralement complétées par des données tierces pour enrichir les détails.
Les livrables sont personnalisés en fonction des besoins de chaque client et de la composition de leur portefeuille. Les solutions d'analyse sont produites en quelques heures ou jours. Cela peut inclure des comparaisons de la façon dont la distribution des performances du client, le taux de croissance moyen et la distribution du taux de croissance se comparent à l'ensemble de données de base, fournissant ainsi une base pour la comparaison de groupe au fil du temps. L'analyse pourrait également inclure les changements dans la répartition des risques, les facteurs influençant les surperformances et les sous-performances, ainsi que le potentiel de croissance. Cela peut également inclure l’analyse de propriétés individuelles.
Les modèles d’apprentissage automatique sont mis à jour tous les trimestres à mesure que de nouvelles informations sur les performances sont disponibles, ainsi que toute mise à jour des ensembles de données démographiques, économiques ou autres pertinents du tiers. Le résultat opérationnel net trimestriel du client, les informations d’occupation et toute autre donnée pertinente sont à nouveau introduits dans le moteur d’apprentissage automatique. Les projections de portefeuille sont immédiatement mises à jour.
L'apprentissage automatique est un processus
Lorsque vous prenez des décisions concernant l’avenir de votre apprentissage automatique, il peut être utile de garder à l’esprit que l’intelligence artificielle et l’apprentissage automatique sont un processus et non une solution unique. Étant donné que les résultats ont autant de valeur que les données saisies, les avantages tels qu’une augmentation des revenus et de la productivité mettent du temps à se manifester. Les organisations qui retardent l’innovation en matière d’apprentissage automatique seront à la traîne de leurs concurrents dans la réalisation de ces avantages et d’un retour sur investissement.
« Pourquoi les sociétés immobilières commerciales n'adoptent-elles pas davantage l'IA et l'apprentissage automatique ? Probablement parce qu’ils s’appuient sur ce qu’ils ont toujours fait. Mais à mesure que l’adoption de ces technologies et solutions se poursuit, s’ils n’y participent pas, ils stagneront tandis que d’autres mèneront. »
David Cockey
Directeur général des opérations, Responsable du conseil
L'apprentissage automatique pourrait bien être le moyen d'aider votre entreprise CRE à évaluer la situation actuelle, à prévoir le potentiel et à prendre des décisions éclairées qui ajoutent de la valeur à vos actifs immobiliers.
Auteur
Équipe de recherche Insights
Auteur