ImmoCompact 01/2018
Das Fachmagazin für die Immobilienwirtschaft
Das Fachmagazin für die Immobilienwirtschaft
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
PropTech<br />
Big Data entschlüsselt<br />
Fast täglich liest man über rasant wachsende Datenmengen und ihre immer größer werdende Bedeutung. Unklar ist<br />
vielen jedoch, was das für die tägliche Arbeit der Immobilienwirtschaft bedeutet. Dabei ist bereits jetzt klar, dass<br />
moderne Plattformen die effektive Nutzung von Daten ermöglichen und den zukünftigen Unternehmenserfolg sichern.<br />
© relif – Fotolia.com<br />
Durch die Umwandlung von Big Data in entscheidungsrelevante<br />
Informationen kann ein erheblicher Wettbewerbsvorteil<br />
entstehen. Für Big-Data-Analysen sind digitale<br />
Lösungen erstrebenswert, da sie sonst nur unter erheblichem<br />
manuellen Aufwand möglich sind, beispielsweise eine Mieterliste<br />
als Datensatz, der sowohl im Rahmen einer Transaktion<br />
als auch im Management des eigenen Bestands als Grundlage<br />
für Entscheidungen dienen kann. Aktuell liegen die Daten oft<br />
in unterschiedlichen Formaten auf lokalen Festplatten. So ist<br />
es zwar möglich, auf diese Daten in ihrer ursprünglichen<br />
Form zuzugreifen, jedoch lassen sich selbst einfache Informationen<br />
wie Teilleerstände erst nach aufwendiger manueller<br />
Strukturierung der Daten ableiten.<br />
Auch in der Immobilienwirtschaft von großem Mehrwert<br />
Wie das Beispiel der Mieterliste veranschaulicht, haben<br />
auch in der Immobilienwirtschaft verarbeitete Daten einen<br />
großen Mehrwert und es besteht ein Bedarf an marktrelevanten<br />
Informationen. In vielen Unternehmen ist die<br />
Transformation von Daten zu wettbewerbsrelevanten Informationen<br />
jedoch bis heute ein aufwendiger manueller<br />
Prozess. Dies kann dazu führen, dass etwa bei der Analyse<br />
eines Ankaufsportfolios wertvolle Zeit verloren geht und<br />
im Zweifel nur ein Teil der Investitionsmöglichkeiten in Betracht<br />
gezogen werden kann.<br />
Um nun einen Schritt weiterzugehen, wird zunehmend versucht,<br />
aus Informationen gezieltes Wissen abzuleiten. Dies<br />
kann für das konkrete Beispiel bedeuten, dass man den Blick<br />
von dem Asset nach außen auf das direkte Marktumfeld<br />
lenkt. Das angestrebte Wissen kann dazu dienen, die Struktur<br />
eines Teilmarktes zu verstehen und daraus beispielsweise<br />
erzielbare Mieten und deren zukünftige Entwicklung abzuleiten.<br />
In diesen Prozess müssen Daten aus einer Vielzahl von<br />
Quellen integriert werden. Diese wiederum liegen häufig in<br />
unterschiedlichsten Formaten vor und müssen aufwendig<br />
manuell extrahiert und strukturiert werden, um sie in die<br />
Analyse einzubeziehen. Weiter erhöht<br />
wird die Komplexität, wenn Portfolios<br />
aus verschiedenen Märkten miteinander<br />
verglichen werden. In diesem Fall müssen<br />
die bestehenden Datensätze zusätzlich<br />
normiert werden, um sie vergleichbar zu<br />
machen. Anhand der zuvor aufgezeigten<br />
Situation lassen sich die sogenannten drei<br />
V-Dimensionen der Big-Data-Definition<br />
ableiten:<br />
W Volume – Menge an Daten, die in die<br />
Betrachtung einbezogen werden<br />
W Velocity – Geschwindigkeit der<br />
Datengenerierung<br />
W Variety – Bandbreite der Datenquellen<br />
Es ist zwar bereits in der Vergangenheit<br />
möglich gewesen, eigene Daten unter<br />
dem Einbezug von externen Daten zu<br />
analysieren, aber nur mit erheblichem<br />
manuellen Aufwand. Hierdurch wird<br />
ein skalierbarer Ansatz, welcher eine<br />
große Menge an sich stets verändernden<br />
Daten aus einer Vielzahl von Quellen<br />
berücksichtigt, unterbunden.<br />
Neue technologische Möglichkeiten<br />
Technologische Entwicklungen in den<br />
letzten Jahren ermöglichen es heute, große<br />
Datenmengen automatisiert zu strukturieren,<br />
zu analysieren und mit wiederum<br />
automatisch erhobenen Daten zu kombinieren.<br />
In vielen Industrien sind datengetriebene<br />
Lösungen bereits Industriestandard<br />
und ein wesentlicher Bestandteil<br />
täglicher Entscheidungsprozesse.<br />
32 1 / 2<strong>01</strong>8