Kunstig intelligens og herlighedsværdi

Hos DATIC arbejder vi dataorienteret, og benytter os i den forbindelse af kunstig intelligens (AI) til hele tiden af tilføje nye data og forbedre de eksisterende vi har. Vi har nu navngivet vores AI-maskine og hvad vil være mere passende end K.I.M. (Kunstig Intelligens Mægler).

Hvis man lejer en bolig på Amaliegade, vil den alt andet lige være dyrere end en tilsvarende bolig på Amagerbrogade. For at have et pejlemærke som K.I.M. kan bruge, har vi behov for at vurdere om en vej har en merværdi (herlighedsværdi) og hvor stor denne er. Merværdien kan beregnes ud fra forskellige sammenligningsgrundlag. Vi har her valgt at tage udgangspunkt i kommunen. Er den konkrete vej dyrere end andre veje i kommunen og hvor meget?

Der antages, at der er en sammenhæng mellem fastsættelse af leje og eje. Der, hvor det er dyrt at købe, antager vi, at det også dyrt at leje. Vi taget derfor udgangspunkt i salgspriser.

De tinglyste salgspriser indeholder meget sjusk og derfor bliver vi indledningsvis nødt til at rydde op, inden vi kan benytte vores salgsdata.

Vi arbejder kun med følgende:

Priser over 700.000 kr. men under 20 mio. kr.
Over 50 kvm. men under 500 kvm.
Villaer, lejligheder, rækkehuse og villalejligheder
Kvm. priser under 120.000 kr. per kvm.
Solgt mellem 1. jan. 2018 og 1. jan. 2022
Bygget før 2015

Vi har fjernet nybyggede boliger, da nye boliger trækker gennemsnitsprisen op uden at vejen nødvendigvis har en merværdi.

Vi benytter følgende sql søgning i vores database:

Søgningen giver os gennemsnitspriser for alle kommuner.

Næste skridt er at kigge på vejniveau. Her tager vi salgsdata fra hver kommune og kigger på hver enkel vej i kommunen.

Det giver os gennemsnitspriserne pr. vej (I denne tilfælde for København).

Efter test med et par byer, kan en fordeling være: (Tallene i parentes er antallet af boligsalg)

	Odense	København	Slagelse
A: > 30% af gennemsnitsprisen	(10%)	(10%)	(7%)
B: > 10%, < 30% af gennemsnitsprisen	(6%)	(21%)	(3%)
C: > -10%, <10% af gennemsnitsprisen	(15%)	(38%)	(8%)
D: <-10% af gennemsnitsprisen	(69%)	(31%)	(82%)

10% af vejene i Odense og København har en pris der ligger 30% over gennemsnittet. I Slagelse er det kun 7%.

Nu kan vi benytte denne data som input når vi træner K.I.M.

For 90% er ovenstående sort snak. Hvis du alligevel synes at det er meget spændende med kunstig intelligens og ejendomsmarkedet, giver vi gerne en kop kaffe. Her kan du hilse på K.I.M. og se om du kan benytte systemet eller systems output til noget brugbart hos jer.
Kontakt Jesper Wagner, hvis du er interesseret på: jw@datic.dk eller tlf.: 53 69 55 19