Introduction à l'apprentissage automatique dans l'immobilier commercial Partie 2 : Cinq composants pour tirer parti des avantages de l'apprentissage automatique

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.

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.

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.

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