商業地產的大數據分析

在現今社會，數據有助大力推動經濟發展，各行業都需要海量的數據以確保其創新性及競爭優勢。但一些行業明顯缺乏所需的數據量，而商業房地產投資就是其中之一，到底我們應該如何填補由小數據量到得出大數據分析之間的鴻溝呢?

幸好現時的人工智能解決方案和合成數據（Synthetic Data）可以提供到幫助，合成數據是由電腦生成的獨一無二的數據，但它亦可以復制原始數據的主要特徵，協助分析師建造數據模型。透過使用精密複雜的演算法，可以根據行業、項目及應用程序的特定需求定制合成數據。合成數據還可以自動添加準確度高的標籤，減少了人工標籤數據的高昂成本和時間。基本上，合成數據可以以低風險、大數量的方式從頭開始生成。

儘管人工智能和神經網絡很有潛力，但這些技術仍面臨實際限制，例如深度學習演算法最常見的障礙，乃是未能獲得足夠大的數據量。而在一般情況下，只有小數據的時候都不會使用深度學習演算法，但是合成數據有機會打破這僵局 。

現時的商業房地產市場主要問題為數據量不足，亦即只有小數據，大數據欠奉。很多房地產市場，住宅銷售方面顯然有足夠的數據去利用人工智能神經網絡來進行分析，但是對於商業房地產，數據量明顯不足，而合成數據就正正可以彌合所需及實際數據量之間的差距。

故此，PropTech業界裡面的模擬合成城市（Synthetic City Simulation），將利用合成數據構建城市模型，可以放大現有的數據源。那麼， 商業房地產決策者進行買賣時不再只可依賴歷史數據。為了提高準確性和可靠性， 需要更大和更新的數據庫，例如從網絡編成的數據集、地形和衛星圖像以及人工智能生成數據。美國一家房產科技公司：Skyline AI已經開始計劃模擬合成數據，將透過兩台人工智能機器去生成數據。一台是生成器，負責生成在數據集中錯誤的條目，而另一台數據分類機器是用於檢測這些數據樣本。這可以互相協助並促成大量模擬數據集，模擬合成城市的出現可以更好地洞悉租金價格、房價趨勢、市場異常情況和風險回報率。

在模擬合成城市中，整個市場上更將會運行一些假設情景以測試各種結果，補充現有數據集中不足的資訊 。總體而言，得出的這些數據能夠更好地理解市場策略和進行房價預測。隨著人工智能及機械學習的演算法和技術的飛速發展，人工合成數據可以更好地測試現時的模型，並在不斷變化的市場上提供額外的驗證。

商業房地產投資者和城市規劃師等，應多留意合成數據的潛力及未來應用。 通過大數據分析可以得到交易來源、銷售 、城市環境和資產投資行為等多樣化數據，從而更了解現實市場以作出更好的決策。 

Leo Lo

** 博客文章文責自負,不代表本公司立場 **

對於人工智能，有人趨之若鶩，有的則敬而遠之，無非也是怕人工智能將漸漸取締其在房地產行業之角色，但在時代及科技進步之下，我們的觀念也應與時並進，好好利用人工智能去輔助房地產行業的發展。此文將主要聚焦在房地產機構投資者上，說明人工智能為其帶來的功效

           人工智能的特點包括其不間斷性及高效率，提供了相當高的便利性。應用在房地產市場上，人工智能可以在短時間內透過大數據，分析市場的趨勢及投資者行為，讓房地產機構投資者可以設定更合適的投資策略以及風險管理方案。

           人工智能除了能識別市場趨勢及機遇外，更能獲取到通過傳統估值與人手操作的財務分析無法產出的資訊。一間致力於房地產人工智能應用的歐洲公司GeoPhy，於本年6月推出了商業房地產人工智能估值平台Evra，使用者只需提供物業基本資料，在一鍵之間即能提供比傳統房地產估值準確50%的評估及得知影響物業價值的因素，因為Evra會在結果揭示收入、市場、地理位置等對其物業價值的影響。Evra更會提供物業周邊的配套設施資料，包括學校、餐廳、交通、生活設施等。同時Evra也會進行營業淨利分析，了解物業投資的風險及機會。利用人工智能，可以協助房地產機構投資者更了解影響物業價值的因素，而作出更好的一籃子投資組合的配置與選擇。

           在香港房地產市場，人工智能也已被投入及應用，測量師行華坊諮詢評估開發了智能估值系統，準備為亞太地區以至全球的跨國企業、機構投資者、銀行和其他上市公司客戶提供精確的資產估值及地產項目的可行性分析等服務。透過人工智能的驅動，系統分析相關的可變因素，包括市場趨勢，土地契約，規劃法規等，提供準確的財務分析以及地產項目的最高的且最佳的使用（Highest and Best Use），從而協助和加速機構投資者的決策過程。

           配合人工智能在上述的益處，房地產機構投資者在可以在短時間內制定投資決策，利用更低的成本和可控的風險係數去作出投資組合的配置，得以獲得較大的盈利回報。