Big Data entschlüsselt - Von unstrukturierten Mieterlisten zu wertvollen Informationen by realxdata GmbH

Fast täglich lesen wir über die wachsende Menge an entstehenden Daten, deren immer größer werdende Bedeutung und ihren scheinbar erheblichen Wert. Unklar bleiben jedoch häufig spezifische Implikationen und konkrete Anwendungen für die tägliche Arbeit der Immobilienwirtschaft. Deutlich klarer hingegen scheint das Bewusstsein für den Bedarf an adäquaten Lösungen, die die effektive Nutzung von internen und externen Daten ermöglichen und somit den zukünftigen Unternehmenserfolg sicherstellen.Durch die Umwandlung von, zunächst noch recht abstrakter, Big Data in entscheidungsrelevante Informationen kann ein erheblicher Wettbewerbsvorteil entstehen. Halten wir fest, dass für Big Data Analysen digitale Lösungen erstrebenswert sind, da sie sonst nur unter erheblichem manuellen Aufwand möglich sind. Denken wir beispielsweise an eine Mieterliste als Datensatz, welcher sowohl im Rahmen einer Transaktion als auch im Management des eigenen Bestands als Grundlage für Entscheidungen dienen kann. Aktuell liegen diese Daten sehr oft in unterschiedlichen Formaten (z.B. Excel) auf lokalen Festplatten vor. So ist es zwar möglich, auf diese Daten in ihrer ursprünglichen Form zuzugreifen, jedoch lassen sich selbst einfache Informationen wie z.B. der Leerstand eines Teil-Portfolios erst nach aufwendiger manueller Strukturierung der Daten ableiten.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 z.B. bei der Analyse eines Ankaufsportfolios wertvolle Zeit verloren geht und im Zweifel nur ein Teil der Investitionsmöglichkeiten in Betracht gezogen werden kann.Anhand der zuvor aufgezeigten Situation lassen sich die sogenannten drei V Dimensionen der Big Data Definition ableiten:

• Volume – Menge an Daten die in die Betrachtung einbezogen werden
• Velocity – Geschwindigkeit der Datengenerierung
• Variety – Bandbreite der Datenquellen

Es ist zwar bereits in der Vergangenheit möglich gewesen, eigene Daten unter dem Einbezug von externen Daten, mithilfe von z.B. Excel, zu analysieren, jedoch entsteht erheblicher manueller Aufwand in der Datenakquise, -strukturierung und -analyse. Hierdurch wird ein skalierbarer Ansatz, welcher eine große Menge an sich stets verändernden Daten aus einer Vielzahl von Quellen berücksichtigt, unterbunden.Technologische Entwicklungen in den letzten Jahren ermöglichen es heute, große Datenmengen automatisiert zu strukturieren, diese zu analysieren und mit wiederum automatisch erhobenen Daten zu kombinieren. In vielen Industrien sind datengetriebene Lösungen bereits Industriestandard und sind wesentlicher Bestandteil täglicher Entscheidungsprozesse.Aufgrund der Komplexität und Vielschichtigkeit der Immobilienwirtschaft ist es jedoch nicht möglich, generische Lösungen aus anderen Industrien einfach zu übertragen und auch hier anzuwenden. Es bedarf spezifischer Lösungen, die gezielt auf die Herausforderungen der Immobilienwirtschaft zugeschnitten sind.Auf der Expo Real 2017 stellte in diesem Zusammenhang das Berliner Unternehmen realxdata (www.realxdata.com) erstmals eine Lösung vor, welche genau hier ansetzt. Ein Team aus Immobilienexperten und Softwareentwicklern mit Ursprung in der Finanz- und Bankenindustrie hat es sich zum Ziel gesetzt, der Immobilienwirtschaft eine Lösung zu bieten, welche es jedem Teilnehmer erlaubt, auf einfache Weise datengetriebene Entscheidungen zu treffen. Die webbasierte Anwendung von realxdata stellt das Portfolio des Nutzers in den Mittelpunkt und ermöglicht dabei mit wenigen Klicks einen Zugriff auf alle relevanten internen Daten und stellt zusätzlich eine Vielzahl weiterer Markt- und Umfelddaten zur Verfügung.Im Detail kann der Nutzer schnell und einfach sein Portfolio in Form von Mieterlisten jeglichen Formats mit der Plattform verbinden. Ein Portfolio kann dabei aus eigenem Bestand, aus zu vermarkteten Immobilien, zu finanzierenden Immobilien etc. bestehen. Es ist nun möglich, jederzeit auf die automatisch strukturierten Daten zuzugreifen, diese in Form von Dashboards zu visualisieren und auf Karten anzuzeigen. In Bezug auf die zuvor geschilderten Big Data Prozesse ist es ohne manuellen Aufwand möglich, aus bestehenden internen Daten Informationen abzuleiten und ein ganzheitliches Bild des eigenen Portfolios zu bekommen.Um nun einen Wissensvorsprung zu erlangen, gilt es das eigene Portfolio im Marktumfeld zu betrachten. Die realxdata Plattform erlaubt dem Nutzer ein Benchmarking des eigenen Portfolios mit z.B. Vergleichsmieten und weiteren Parametern. Dabei liegen auf der Plattform deutschlandweite Daten zu verschiedenen Nutzungsarten vor. Es können auch selbstdefinierte Teilmärkte analysiert werden, wobei zusätzlich Daten wie z.B. Leerstand, Flächenumsatz und Renditen zur Verfügung stehen.Mietpreise und Leerstandsquoten resultieren in der Regel aus der Struktur des Teilmarktes. Je nach Nutzungsart spielen dabei einzelne Faktoren unterschiedlich wichtige Rollen. Generell sind Demographie (Bevölkerung, Kaufkraft, Beschäftigung etc.), Infrastruktur (ÖPNV, Schulen, Restaurants, Internetanbindung etc.) und das regulatorische Umfeld (Erhaltungs- & Sanierungsgebiete, Bodenrichtwerte, Flurstücke etc.) von großer Bedeutung. Auch diese Daten können direkt und gezielt für die eigenen Bedürfnisse über die realxdata Plattform abgerufen werden. Somit werden Zusammenhänge zwischen erzielten Mieten, bestehenden Leerständen und den Eigenschaften des Mikromarktes sofort ersichtlich und erlauben dem Nutzer damit, frühzeitig und proaktiv Entscheidungen über das eigene Portfolio zu treffen, um den zukünftigen Erfolg sicherzustellen.Zusammengefasst bietet realxdata seinem Nutzer die digitale Analyse von komplexen Immobiliendaten hinsichtlich der drei Big Data Dimensionen und ermöglicht damit schnellere, datengetriebene Entscheidungen, die einen Vorsprung im direkten Wettbewerb ausmachen können. Über die webbasierte Lösung können eine Vielzahl interner Daten mit einer großen Menge an externen Daten, die in Echtzeit automatisiert aus einer Bandbreite an Quellen bezogen werden, zusammengeführt, visualisiert und analysiert werden. realxdata sieht sich dabei erst am Anfang des Weges, es dem Nutzer zu ermöglichen sich auf sein Portfolio zu konzentrieren und nicht wertvolle Zeit mit etwaigem Research zu verbringen. In diesem Sinne wird die Produktentwicklung mit großem Aufwand weitergeführt, um dem Nutzer weitere Datenquellen und Märkte über die Plattform zugänglich zu machen.Dr. Titus Albrecht MRICS – The Real Estate Expert Nach zwei Immobilienstudiengängen in Mannheim (Diplom) und Berlin (Master) und einer Promotion an der Johann Wolfgang Goethe-Universität Frankfurt begann Titus seine Karriere bei der ECE in Berlin, wo er erste Erfahrungen im Berliner Projektentwicklungsmarkt sammeln konnte. Anschließend konzentrierte sich Titus bei EY Real Estate auf die Immobilienbewertung, das Transaktionsmanagement und auf die Restrukturierung von Immobilienfonds. Die letzten drei Jahre seiner Corporate Karriere war Titus bei der Union Investment Institutional für das Portfoliomanagement von Immobilienfonds zuständig bevor er im Dezember 2016 realxdata gründete.Du suchst Impulse zur zukünftigen Ausrichtungen Deines Verantwortungsbereichs? Oder neue Umsatzmöglichkeiten?Profitiere vom Netzwerken, gezielten PropTech Scouting oder aktiven Digitalisierungs-Begleitung bei blackprint Booster!Mehr von den Experten für die digitale Immobilienbranche:

Alexander Ubach-Utermöhl Sarah Maria SchlesingerManaging Director Managing Directorauu@blackprintbooster.vcsas@blackprintbooster.vc