ImmoCompact 01/2018

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