<div_content>

Getty

Históricamente, el descubrimiento de bienes raíces comerciales (CRE) se transmite de persona a persona, ya sea a través de una empresa de corretaje o una estructura corporativa. Si bien esto parece estar funcionando por ahora, el futuro que veo para la industria de CRE incluye una combinación de este sistema de inteligencia humana y sistemas basados ​​en tecnología. La mezcla de estos sistemas basados ​​en el conocimiento se está promoviendo actualmente mediante el uso de sistemas de inteligencia artificial (AI), como el aprendizaje automático (ML) y el procesamiento del lenguaje natural (NLP). Los sistemas basados ​​en la inteligencia artificial, combinados con la inteligencia humana, pueden ayudar a estimular nuestro negocio en el desarrollo y consultoría de bienes raíces.

Como una empresa de inversión y desarrollo de bienes raíces comerciales, nuestra oficina utiliza aplicaciones basadas en tecnología todos los días y la mayoría de los pasos dentro de una tarea en particular. El uso de las herramientas tecnológicas en CRE está creciendo y expandiéndose a medida que muchas empresas buscan especializarse y diferenciar sus ofertas de servicios mediante la reorganización de sus sistemas internos. Hay muchas aplicaciones de tecnología existentes que ya son compatibles con la industria, incluidos el análisis financiero, la gestión de activos y propiedades, el análisis de arrendamientos, las plataformas de ventas y otros. Las firmas CRE también recopilan datos de fuentes enfocadas en CRE tales como Loopnet, CoStar, LandVision y otros. Cuando se combinan, estas herramientas pueden ayudar a que nuestro trabajo sea más eficiente y preciso. Sin embargo, las fuentes de datos son separadas y generalizadas, y por lo tanto no son tareas específicas. La capacidad de proporcionar fuentes automáticas de los sitios disponibles y compilarlas en un formato utilizable para los trabajos agregaría valor a la industria. Aquí es donde veo a AI entrar en el juego.

Los procesos organizativos que creo que pueden beneficiarse de la instrucción de conducción incluyen:

• Planificación de mercado: Necesitamos entender y apreciar la viabilidad de la venta minorista de una región o ciudad geográfica en particular para una o más compañías minoristas que utilizan criterios demográficos y otros criterios de clasificación.

• Selección de país: Llevamos a cabo actividades de selección de sitios múltiples para encontrar ubicaciones superiores dentro de un mercado aprobado.

• Análisis comparable: Si los sitios seleccionados marcan objetivos potenciales desde el punto de vista minorista, debemos realizar un análisis comparativo para identificar qué países potenciales serán más exitosos.

Nuestro objetivo al implementar la instrucción de conducción en nuestro negocio es desarrollar e implementar un proceso único de selección inteligente de países. En el negocio de bienes raíces comerciales, la mayoría de los vendedores, agentes y desarrolladores llevan a cabo un proceso complicado y oportuno para identificar los sitios más altos. Nuestra esperanza para aplicar las instrucciones de manejo es simplificar el proceso (ahorrar tiempo y reducir errores) y aumentar el factor de éxito resultante.

Como llegar

Al observar los pasos involucrados en este proceso, comience por planificar una estrategia general de mercado para identificar áreas generales dentro de una ciudad o región geográfica más grande. Después de reunir grandes grupos de información clasificada, utilizando el aprendizaje por unidad, las empresas deben poder resaltar las áreas preferidas a través del mapa de calor. Combinando estos resultados con inteligencia humana sobre patrones de tráfico, puntos de venta, etc., las firmas CRE pueden establecer metas para el mercado.

Una vez que se identifiquen las áreas de mercado, acérquese a los bloques de registro o de ciudad para determinar mejor las oportunidades de focalización. Usando una combinación de base de datos y lección de manejo, compare los sitios potenciales con los sitios existentes en otros mercados para determinar una clasificación o el resultado de posibles ganancias / éxito (pronósticos analíticos). Hay varios sistemas de selección de ubicación basados ​​en ML, como SiteZeus y LocateAI. Estos sistemas requieren una gran entrada de datos para proporcionar resultados predictivos realistas. La integración de estos y otros sistemas con una estructura de base de datos estandarizada de datos relacionados con la ubicación puede llevar a una herramienta en tiempo real que proporciona una selección de sitios de mapeo base inteligente.

Para implementar la PNL en las organizaciones empresariales, el proceso implica reorganizar las operaciones internas para ahorrar tiempo y estar en mejores condiciones para actuar rápidamente ante nuevas oportunidades. Esto dará lugar a una ventaja competitiva. Muchas empresas emplean una gran cantidad de capital humano para llevar a cabo diversas investigaciones para identificar, calificar y ejecutar nuevas oportunidades. La mejora de estos procesos mediante el uso de PNL en su mayoría de lectura de texto puede reducir los costos operativos y de nómina y acortar los plazos del proceso.

Un departamento de investigación de mercado, por ejemplo, que utiliza un proceso de lectura de PNL a través de muchas listas de propiedades disponibles, en busca de palabras clave y frases, puede distinguir propiedades específicas para ser consideradas por analistas humanos. Además, para búsquedas de propiedades específicas, partes de los datos de propiedad se almacenan en varios lugares de Internet. Usando la PNL para leer el texto y el nombre del dueño de la propiedad, podemos escanear los recursos identificados para las coincidencias. Al investigar la información de contacto de los inquilinos, encontramos que las personas que ocupan estos puestos cambian de manera rutinaria las empresas y los países. Ser capaz de leer el texto a través de las publicaciones de la industria y las bases de datos de nombres, áreas geográficas y títulos relacionados con la compañía ahorraría a las compañías de CRE una gran cantidad de tiempo y esfuerzo.

El uso de herramientas de selección de activos inmobiliarios basadas en la IA es un excelente ejemplo de personas y máquinas que trabajan juntas para desarrollar una forma más precisa y eficiente de analizar mercados y países. Con suerte, ya que estos sistemas están bien regulados y se utilizan más ampliamente, las aplicaciones de ingreso de datos se desarrollarán para integrar muchas fuentes de datos en una herramienta cohesiva que realmente puede mejorar la inteligencia colectiva en CRE.

El Consejo de Bienes Raíces de Forbes es una comunidad de invitación única para ejecutivos en la industria de bienes raíces.
¿Calificas?

">

Históricamente, el descubrimiento de bienes raíces comerciales (CRE) se transmite de persona a persona, ya sea a través de una empresa de corretaje o una estructura corporativa. Si bien esto parece estar funcionando por ahora, el futuro que veo para la industria de CRE incluye una combinación de este sistema de inteligencia humana y sistemas basados ​​en tecnología. La mezcla de estos sistemas basados ​​en el conocimiento se está promoviendo actualmente mediante el uso de sistemas de inteligencia artificial (AI), como el aprendizaje automático (ML) y el procesamiento del lenguaje natural (NLP). Los sistemas basados ​​en la inteligencia artificial, combinados con la inteligencia humana, pueden ayudar a estimular nuestro negocio en el desarrollo y consultoría de bienes raíces.

Como una empresa de inversión y desarrollo de bienes raíces comerciales, nuestra oficina utiliza aplicaciones basadas en tecnología todos los días y la mayoría de los pasos dentro de una tarea en particular. El uso de las herramientas tecnológicas en CRE está creciendo y expandiéndose a medida que muchas empresas buscan especializarse y diferenciar sus ofertas de servicios mediante la reorganización de sus sistemas internos. Hay muchas aplicaciones de tecnología existentes que ya son compatibles con la industria, incluidos el análisis financiero, la gestión de activos y propiedades, el análisis de arrendamientos, las plataformas de ventas y otros. Las firmas CRE también recopilan datos de fuentes enfocadas en CRE tales como Loopnet, CoStar, LandVision y otros. Cuando se combinan, estas herramientas pueden ayudar a que nuestro trabajo sea más eficiente y preciso. Sin embargo, las fuentes de datos son separadas y generalizadas, y por lo tanto no son tareas específicas. La capacidad de proporcionar fuentes automáticas de los sitios disponibles y compilarlas en un formato utilizable para los trabajos agregaría valor a la industria. Aquí es donde veo a AI entrar en el juego.

Los procesos organizativos que creo que pueden beneficiarse de la instrucción de conducción incluyen:

• Planificación de mercado: Necesitamos entender y apreciar la viabilidad de la venta minorista de una región o ciudad geográfica en particular para una o más compañías minoristas que utilizan criterios demográficos y otros criterios de clasificación.

• Selección de país: Llevamos a cabo actividades de selección de sitios múltiples para encontrar ubicaciones superiores dentro de un mercado aprobado.

• Análisis comparable: Si los sitios seleccionados marcan objetivos potenciales desde el punto de vista minorista, debemos realizar un análisis comparativo para identificar qué países potenciales serán más exitosos.

Nuestro objetivo al implementar la instrucción de conducción en nuestro negocio es desarrollar e implementar un proceso único de selección inteligente de países. En el negocio de bienes raíces comerciales, la mayoría de los vendedores, agentes y desarrolladores llevan a cabo un proceso complicado y oportuno para identificar los sitios más altos. Nuestra esperanza para aplicar las instrucciones de manejo es simplificar el proceso (ahorrar tiempo y reducir errores) y aumentar el factor de éxito resultante.

Como llegar

Al observar los pasos involucrados en este proceso, comience por planificar una estrategia general de mercado para identificar áreas generales dentro de una ciudad o región geográfica más grande. Después de reunir grandes grupos de información clasificada, utilizando el aprendizaje por unidad, las empresas deben poder resaltar las áreas preferidas a través del mapa de calor. Combinando estos resultados con inteligencia humana sobre patrones de tráfico, puntos de venta, etc., las firmas CRE pueden establecer metas para el mercado.

Una vez que se identifiquen las áreas de mercado, acérquese a los bloques de registro o de ciudad para determinar mejor las oportunidades de focalización. Usando una combinación de base de datos y lección de manejo, compare los sitios potenciales con los sitios existentes en otros mercados para determinar una clasificación o el resultado de posibles ganancias / éxito (pronósticos analíticos). Hay varios sistemas de selección de ubicación basados ​​en ML, como SiteZeus y LocateAI. Estos sistemas requieren una gran entrada de datos para proporcionar resultados predictivos realistas. La integración de estos y otros sistemas con una estructura de base de datos estandarizada de datos relacionados con la ubicación puede llevar a una herramienta en tiempo real que proporciona una selección de sitios de mapeo base inteligente.

Para implementar la PNL en las organizaciones empresariales, el proceso implica reorganizar las operaciones internas para ahorrar tiempo y estar en mejores condiciones para actuar rápidamente ante nuevas oportunidades. Esto dará lugar a una ventaja competitiva. Muchas empresas emplean una gran cantidad de capital humano para llevar a cabo diversas investigaciones para identificar, calificar y ejecutar nuevas oportunidades. La mejora de estos procesos mediante el uso de PNL en su mayoría de lectura de texto puede reducir los costos operativos y de nómina y acortar los plazos del proceso.

Un departamento de investigación de mercado, por ejemplo, que utiliza un proceso de lectura de PNL a través de muchas listas de propiedades disponibles, en busca de palabras clave y frases, puede distinguir propiedades específicas para ser consideradas por analistas humanos. Además, para búsquedas de propiedades específicas, partes de los datos de propiedad se almacenan en varios lugares de Internet. Usando la PNL para leer el texto y el nombre del dueño de la propiedad, podemos escanear los recursos identificados para las coincidencias. Al investigar la información de contacto de los inquilinos, encontramos que las personas que ocupan estos puestos cambian de manera rutinaria las empresas y los países. Ser capaz de leer el texto a través de las publicaciones de la industria y las bases de datos de nombres, áreas geográficas y títulos relacionados con la compañía ahorraría a las compañías de CRE una gran cantidad de tiempo y esfuerzo.

El uso de herramientas de selección de activos inmobiliarios basadas en la IA es un excelente ejemplo de personas y máquinas que trabajan juntas para desarrollar una forma más precisa y eficiente de analizar mercados y países. Con suerte, ya que estos sistemas están bien regulados y se utilizan más ampliamente, las aplicaciones de ingreso de datos se desarrollarán para integrar muchas fuentes de datos en una herramienta cohesiva que realmente puede mejorar la inteligencia colectiva en CRE.

Leave a Reply