Название базовой системы (платформы): | Искусственный интеллект (ИИ, Artificial intelligence, AI) |
Разработчики: | ПНИПУ Пермский Национальный Исследовательский Политехнический Университет |
Дата премьеры системы: | 2022/08/27 |
Отрасли: | Государственные и социальные структуры, Недвижимость, Строительство и промышленность строительных материалов |
Технологии: | BI |
Основная статья: Определение Business Intelligence
2022: Анонс программы для оценки рыночной стоимости недвижимости
27 августа 2022 года представители Пермского Политеха сообщили о том, что разработали единую экономико-математическую модель и компьютерную программу массовой оценки жилой недвижимости крупнейших российских городов . Программная разработка может быть использована как система поддержки принятия решений для участников строительного бизнеса. Также она будет полезна государственным структурам, занимающимся вопросами управления рынком городской недвижимости, имущественного налогообложения и повышения эффективности жилищного рынка. Исследование ученых опубликовано в научном журнале «Экономика региона», 2022 (индексируется в международной базе цитирования Scopus, Q2).
Отличительной особенностью нашей модели является самоадаптируемость к постоянно меняющейся экономической обстановке, а также возможность ее применения сразу ко многим городам. Учитывая низкую погрешность результатов моделирования, мы доказали, что возможно построить стабильную математическую модель, которая сможет прогнозировать рыночную стоимость жилой недвижимости различных городов в зависимости от исходных данных: макроэкономических параметров региона, технических характеристик здания. рассказал Александр Алексеев, кандидат экономических наук, доцент, начальник управления организации научных исследований ПНИПУ |
Как сообщалось, для изучения закономерностей рынков недвижимости российских городов ученые использовали нейронную сеть. В процессе компьютерного анализа данных, политехники моделировали изменение входных параметров системы и установили зависимости рыночной стоимости различных квартир от ряда эксплуатационных характеристик. Так удалось выявить особенности ценообразования для различных регионов.
В качестве входных данных нейронной сети мы использовали строительно-эксплуатационные и географические факторы, а также ряд параметров, которые описывают экономические особенности локальных рынков российских регионов. поведал Виталий Ясницкий, кандидат экономических наук, доцент кафедры строительного инжиниринга и материаловедения ПНИПУ |
Тем самым математическая модель пермских ученых учитывает географическое положение, уровень престижности и удобства места расположения квартиры в городе, строительно-эксплуатационные параметры, а также текущее состояние экономики в регионе, в стране и в мире.Как DevOps-сервис помогает «разгрузить» высоконагруженные системы BPMSoft
Полученные результаты имеют практическую значимость для строительной отрасли. Разработанная модель и компьютерная программа востребованы государственными структурами, которые занимаются регулированием рынков жилой недвижимости, а также имущественного налогообложения. В частности, программная разработка может использоваться застройщиком как система поддержки принятия решений на ранних этапах жилищного строительства.
Ученые выполнили пилотный проект по созданию специального программного комплекса совместно с крупной девелоперской компанией Екатеринбурга. На август 2022 года ведется доработка архитектуры программного продукта для его коммерциализации.
Научный проект поддержан Российским Фондом Фундаментальных Исследований. В исследовании также принял участие ученый из ПГНИУ и НИУ ВШЭ.
Подрядчики-лидеры по количеству проектов
Прогноз (250)
Loginom Company (ранее BaseGroup Labs Аналитические технологии) (125)
RBC Group Украина (124)
БизнесАвтоматика НПЦ (119)
Консультационная группа АТК (100)
Другие (2518)
Сапиенс солюшнс (Sapiens solutions) (9)
Форсайт (8)
Navicon (Навикон) (7)
Корус Консалтинг (6)
Доверенная среда (5)
Другие (101)
БизнесАвтоматика НПЦ (12)
Форсайт (8)
ФТО (5)
Manzana Group (М Софт) (4)
Optimacros (Оптимакрос) (3)
Другие (74)
Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров
Qlik (QlikTech) (59, 464)
Форсайт (19, 332)
SAP SE (70, 302)
Oracle (65, 267)
Loginom Company (ранее BaseGroup Labs Аналитические технологии) (4, 236)
Другие (1111, 1632)
SAP SE (6, 13)
Форсайт (2, 8)
Qlik (QlikTech) (2, 8)
Microsoft (2, 6)
Доверенная среда (1, 5)
Другие (50, 78)
БизнесАвтоматика НПЦ (1, 12)
Форсайт (3, 8)
Optimacros (Оптимакрос) (1, 6)
Microsoft (1, 5)
Manzana Group (М Софт) (3, 4)
Другие (40, 50)
Optimacros (Оптимакрос) (1, 10)
Форсайт (2, 8)
Analytic Workspace (ОСТ) (2, 5)
Manzana Group (М Софт) (2, 5)
PIX Robotics (Пикс Роботикс) (1, 5)
Другие (37, 59)
Simetra (ранее А+С Транспроект) (1, 9)
БизнесАвтоматика НПЦ (1, 7)
SL Soft (СЛ Софт) (5, 6)
Полиматика (Polymatica) (5, 6)
VMware (2, 6)
Другие (27, 49)
Распределение систем по количеству проектов, не включая партнерские решения
QlikView - 370
Форсайт. Аналитическая платформа (ранее Prognoz Platform) - 318
Deductor - 226
Visary BI Платформа бизнес-аналитики - 119
SAP NetWeaver Business Warehouse (SAP BW/4HANA) - 102
Другие 1997
SAP NetWeaver Business Warehouse (SAP BW/4HANA) - 8
Форсайт. Аналитическая платформа (ранее Prognoz Platform) - 7
Qlik Sense - 6
Доверенная среда: Триафлай BI-платформа - 5
Microsoft Power BI - 5
Другие 85
Visary BI Платформа бизнес-аналитики - 12
Optimacros Платформа для оптимизационного и консолидационного планирования - 6
Microsoft Power BI - 5
Форсайт. Аналитическая платформа (ранее Prognoz Platform) - 5
Qlik Sense - 4
Другие 51