53
6.2017
›
Pulsierendem Nachtleben
›
Mittlerer Einkommensstruktur
›
Guter Verkehrsanbindung
›
In der Nähe von Clustern von
High-Tech-Firmen.
Die Objekte selbst, sollten ganz
spezifische Vorgaben gemäß der
Mieterstruktur, der Leerstandquote
und der Ist-Rendite erfüllen.
Smart Data ist in der Lage,
exakt dieses Anforderungsprofil
in quantifizierbare Anforderun-
gen zu transformieren und ein
detailliertes Matching zwischen
den in der Strategie definierten,
lagebezogenen Kriterien und den
hierzu tatsächlich auffindbaren Ge-
genden herzustellen. Im Resultat
ermöglicht dies dem Investor ein
umfassendes „location mining“,
mit dessen Hilfe per Knopfdruck
sämtliche Orte deutschlandweit
identifiziert werden, die auf diese
konkrete Strategie passen.
DATEN, GEMATCHED
Simultan hierzu werden die einge-
henden Exposees und Objektin-
formationen verfügbarer Objekte
am Markt über exakt dieselbe Big
Data-Datenbank analysiert und
ihrerseits in Smart Data Pakete
umgewandelt. Dieser Schritt bildet
eine Daten getriebene (Invest-
ment-) Angebotsfunktion ab und
ermöglicht das finale Matching
zwischen sämtlichen, angebote-
nen Objekten und der tatsäch-
lichen Strategie des einzelnen
Investors. Smart Data ermöglicht
also in diesem Schritt ein direktes
Matching und das Erstellen von in-
telligenten Entscheidungsvorlagen.
Jeder Nutzer kann diesbezüglich
auch ohne nennenswerte Markter-
fahrung Entscheidungen treffen, da
das kollektive Marktwissen für ihn
direkt nutzbar ausgewertet wurde.
Hat das Matching stattgefunden,
gibt es nun den angebundenen
Big Data Bestand mit Informa-
tionen zu Kostenparametern
und Umgebungsdaten. Dieser
ermöglicht - im obigen Sinne – in
wenigen Momenten verschie-
denste Investitionsszenarien für
alle vom System vorgeschlagenen
Investitionsobjekte. Im Gegensatz
zu den branchenüblichen Szenari-
en, die meistens nicht über lineare
Mietpreisentwicklungstrends
oder verschiedene Verkaufspreise
hinausgehen, ermöglicht Smart
Data das Rechnen mit hochkom-
plexen multivariaten Szenarien.
Verschiedene Simulationen des
Demographiewandels können
kombiniert werden mit variie-
renden Konjunkturverläufen. Nun
kann der Endnutzer mithilfe dieser
Szenarien schnell und transparent
beurteilen, wie lukrativ und robust
das Investment ist und ob es vor
dem Hintergrund der system-
durchdringenden Kreativität die
benötigten Potenziale tatsächlich
in sich trägt.
DATEN, LERNEND
Am Ende des Prozesses steht die
finale Entscheidung des Investors
über einen Kauf oder eine Ableh-
nung des Objektes oder Portfolios.
Doch die Rolle von Smart Data
hört hier nicht auf. Denn aus
einem riesigen Server wurde Big
Data in Smart Data umgewandelt.
Daraus wurden direkt nutzbare
Entscheidungsvorlagen generiert.
Nun wird in diesem Prozessschritt
eine wertvolle Information in den
großen Datentopf eingegeben:
die Entscheidung des Investors.
Und das System lernt daraus,
welche der Vorschläge im Resultat
tatsächlich validiert und gekauft
wurden und welche nicht. Diese
Information verbessert aber nicht
nur ganzheitlich die systemgene-
rierten Entscheidungsvorlagen für
alle zukünftigen Objekte. Es kann
sogar in Echtzeit Empfehlungen für
eine neue Strategie aussprechen,
die optimal auf die Angebote am
Markt ausgerichtet ist.
DATEN, GENUTZT
Diese Form der Data Intelligence
öffnet das Tor in die Welt des
Investment Minings. Sie erlaubt
die nutzerindividuelle Erstellung
eines Exposeefilters. Dieser kann
eingehende Angebote, die nicht in
das Anlageprofil und das bisherige
Investitionsverhalten des Käufers
passen, aussortieren und sie
automatisch in eine Art Spamord-
ner verschieben. Dank der daraus
resultierenden Zeitersparnis, kann
eine erheblich größere Menge an
Angeboten - ohne Ressourcener-
weiterung - qualitativ hochwertig
verarbeitet werden. Damit hilft
Investment Mining dabei, dass
noch mehr hochwertige Angebote
zutage gefördert werden. Das an-
geschlossene System spricht ferner
über die Möglichkeiten der Data
Intelligence Empfehlungen aus.
Man sieht inwieweit bei einzelnen
Parametern in der Vergangenheit
bei ähnlichen Objekten Progno-
sefehler aufgetreten sind. Das
ermöglicht unmittelbare ex-post
Evaluationen.
SUMMARY
»
Smart Data
bildet das große Ganze ab und findet Interdependenzen
»
Aus kollektivem Marktwissen entsteht
individuell, intuitiv
nutzbares Wissen
»
Im Ergebnis können Akteure auch ohne jahrelange Erfahrung und das damit verbundene Bauchgefühl,
fundierte Entschei-
dungen
treffen.
»
Smart Data
identifiziert scheinbar unpassende Objekte
»
Über
kreative Nutzungsumwidmungen, Flächenoptimierung
oder unkonventionelle Finanzierungsmodelle
werden sie zu passenden Objekten
»
Der individuelle
Bearbeiter, Transaktionsmanager und
Ankäufer profitiert
von einer umfassenden Fülle kollektivem Marktwissens
generiert die Basis für Smart Data. Aus
Millionen von einzelnen Beobachtungen,
etwa zu Immobilienkäufen, entsteht so ein
Abdruck kollektiver Marktintelligenz. Sie
erlaubt Einblicke in die tiefste Ebene der
Analyse.
Im Gegensatz zu individueller Er-
fahrung einzelner Personen kann Smart
Data das große Ganze abbilden und Inter-
dependenzen finden, die aus dem Bauch-
gefühl heraus nicht erfahrbar wären. Aus
kollektivem Marktwissen entsteht indivi-
duell intuitiv nutzbaresWissen. ImErgeb-
nis können Akteure auch ohne jahrelan-
ge Erfahrung und das damit verbundene
Bauchgefühl, fundierte Entscheidungen
treffen. Die Menge an Daten und erwor-
bener Informationen liefern Erfahrungs-
werte zusammengefasst und übersichtlich.
Sie generieren daraus Handlungsempfeh-
lungen. Dies bildet die perfekte Ergänzung
zur individuellen Erfahrung im Entschei-
dungsprozess. Dies erlaubt zudem schnel-
lere Entscheidungen.
»
„Smart Data ist in der
Lage, Anforderungspro-
file in exakt quantifizier-
bare Anforderungen zu
transformieren.“
