Урправління мережою агентств з нерухомості

      Аналіз тенденцій і закономірностей, планування, ранжирування. Простота використання і інтуїтивно зрозуміла модель даних дозволяє проводити аналіз за принципом "що - якщо", співвідносити Ваші гіпотези з відомостями, що зберігаються в базі даних, знаходити аномальні значення, оцінювати наслідки ухвалення бізнес-рішень.

      Прогнозування. Побудувавши модель на історичних прикладах, Ви можете використовувати її для прогнозування ситуації в майбутньому. У міру зміни ситуації немає необхідності перебудовувати все, необхідно всього лише довчити модель.

      Управління ризиками. Реалізовані в системі алгоритми дозволять достатньо точно визначитися з тим, які характеристики об'єктів і як впливають на ризики, завдяки чому можна прогнозувати настання ризикової події і завчасно приймати необхідні заходи до зниження розміру можливих несприятливих наслідків.

      Аналіз даних маркетингових і соціологічних досліджень. Наприклад, аналізуючи відомості про споживачів, можна визначити, хто з них є Вашим клієнтом і чому; як змінюються їх пристрасті залежно від безлічі різних показників. Розуміння цього сприятиме правильному позиціонуванню ваших продуктів і стимулюванню продажів.

      Діагностика. Механізми аналізу, наявні в Deductor, з успіхом застосовуються в медичній діагностиці і в діагностиці складного устаткування. Наприклад, можна побудувати модель на основі відомостей про відмови. За допомогою якої, швидко локалізувати проблеми і знаходити причину збоїв.

      Виявлення об'єктів на основі нечітких критеріїв. Часто зустрічається ситуація, коли необхідно виявити об'єкт, ґрунтуючись не на чітких критеріях, таких, як вартість, технічні характеристики продукту, а на розмитих формулюваннях, наприклад, знайти продукти, схожі на Ваші, з погляду споживача.

2.2. Склад системи

Аналітична система Deductor  складається з п’яти частин:

Deductor Studio - програма, що реалізовує функції імпорту, обробки, візуалізації і експорту даних. Deductor Studio може функціонувати і без сховища даних, одержуючи інформацію з будь-яких інших джерел, але найбільш оптимальним є їх сумісне використання. В Deductor Studio включений повний набір механізмів, що дозволяє отримати інформацію з довільного джерела даних, провести весь цикл обробки (очищення, трансформацію даних, побудову моделей), відобразити отримані результати найбільш зручним чином (OLAP, діаграми, дерева) і експортувати результати. Це повністю відповідає концепції відбору знань з баз даних (KDD).

Deductor Viewer - робоче місце користувача. Дозволяє відділити процес побудови моделей від використання вже готових моделей. Всі складні операції по підготовці моделей виконуються аналітиками-експертами за допомогою Deductor Studio, а  Deductor Viewer забезпечує користувачам простий спосіб роботи з готовими результатами, приховує від них всі складнощі побудови моделей і не пред'являє високих вимог до кваліфікації співробітників.

Deductor Warehouse - багатовимірне сховище даних, що акумулює всю необхідну для аналізу предметної області інформацію. Використання єдиного сховища дозволяє забезпечити несуперечність даних, їх централізоване зберігання і автоматично забезпечує всю необхідну підтримку процесу аналізу даних. Deductor Warehouse оптимізований для вирішення саме аналітичних задач, що позитивно позначається на швидкості доступу до даних.

Server - служба, що забезпечує віддалену аналітичну обробку даних. Дозволяє автоматично обробляти дані й перенавчати моделі на сервері, оптимізує виконання сценаріїв за рахунок кєширування проектів і використання баготопотокової обробки.
Client - клієнт доступу до Deductor Server. Забезпечує доступ до сервера зі сторонніх додатків і керування його роботою.

2.3.Принципи роботи

Імпорт даних. Аналіз будь-якої інформації в Deductor починається з імпорту. В результаті цього дані зводяться до вигляду, придатного для подальшого аналізу за допомогою всіх наявних в програмі алгоритмів. Природа даних, формат, СУБД та інше не мають значення, оскільки спосіб роботи зі всіма джерелами уніфікований. У програмі використовуються як механізми швидкого прямого доступу до найбільш популярних баз даних, так і універсальні драйвера: ADO, OLE DB, ODBC, dbExpress.

Експорт даних. Наявність механізмів експорту дозволяє надсилати отримані результати в сторонні додатки, наприклад, передавати прогноз продажів в систему для формування замовлення на постачання або розмістити підготовлений звіт на корпоративному web-сайті. Результати експортуються на будь-якому етапі аналізу даних. Цю операцію можна провести як в інтерактивному режимі, так і включити в сценарій обробки.

Обробка даних. Під обробкою в Deductor мається на увазі будь-яка дія, пов'язана з деяким перетворенням даних, наприклад, фільтрація, побудова моделі, очищення і інше. Власне в блоці "Обробка даних" і проводяться найважливіші з точки зору аналізу дії. Істотною особливістю механізмів обробки, реалізованих в Deductor, є те, що отримані в результаті їх вживання дані можна знову обробляти будь-яким з доступних методів. Таким чином, є можливість будувати скільки завгодно складні сценарії.

Подібна функціональність дуже важлива, оскільки при аналізі реальних бізнес-даних практично завжди доводиться виконувати послідовність дій для здобуття потрібного результату. Наприклад, при побудові прогнозу в найпростішому випадку потрібно після імпорту очистити дані, трансформувати їх, побудувати модель та застосувати її для прогнозу на декілька кроків вперед. Насправді ж сценарії бувають значно складнішими. В них зберігаються параметри обробки, тому для здобуття результату на нових даних достатньо всього лише застосувати до них підготовлений сценарій.

У Deductor реалізований великий набір механізмів обробки, що дозволяє вирішувати широкий клас завдань аналізу.

Візуалізація. Якісна візуалізація даних є важливою частиною будь-якої аналітичної системи. У багатьох випадках експертові досить просто поглянути на дані, щоб зробити необхідні висновки. Але одні і ті ж дані можна відображати безліччю способів, і який з них буде найбільш прийнятний, залежить від вирішуваної задачі. Тому користувачеві Deductor Studio пропонується багато механізмів візуалізація, з якої він може вибрати найбільш оптимальні. Візуалізувати дані в Deductor Studio можна на будь-якому етапі обробки. Система самостійно визначає, яким способом вона може це зробити, наприклад, якщо буде навчена нейронна мережа, то крім таблиць і діаграм можна переглянути граф нейронної мережі. Користувачеві необхідно вибрати потрібний варіант із списку і набудувати декілька параметрів.

Механізми інтеграції. Інтеграція із сторонніми системами припускає можливість як отримання з них даних, так і передача обробленої інформації. У Deductor не передбачено засобів введення даних – платформа орієнтована виключно на аналітичну обробку. Первинні дані зазвичай зберігаються в різних СУБД, облікових системах, офісних документах, тому особлива увага при розробці платформи була приділена механізмам обміну даними. Для використання інформації, що зберігається в різнорідних системах, передбачені гнучкі механізми імпорту-експорту

Для імпорту даних потрібно всього лише вказати джерело і надати дані з будь-якої системи у вигляді звичайної таблиці або підготувати SQL-запит. Решта всіх операцій буде проведена автоматично. Платформа, звідки вони були отримані, значення не має, програма працює зі всіма даними незалежно від їх природи. Це дозволяє легко розширювати список підтримуваних платформ. Зворотна дія – перенесення результатів обробки з Deductor Studio в інші системи проводиться за допомогою механізмів експорту. Всі необхідні настройки проводяться за допомогою Майстра експорту. Дану операцію можна провести на будь-якому кроці аналізу даних.

Реалізовані в Deductor механізми дозволяють ефективно використовувати вже зроблені вкладення в інформаційні системи, додавати нові джерела і адаптуватися до змінних умов. Deductor має вбудовану підтримку багатьох популярних платформ, тому технічним фахівцям не доведеться встановлювати додаткове програмне забезпечення на робочі станції.

У Deductor Studio передбачені засоби, що дозволяють виконувати всі дії автоматично в пакетному режимі. Завдяки цьому велику частину аналітичної обробки можна проводити за регламентом, наприклад, вночі, коли завантаження системи мінімальне.

Тиражування знань. Тиражування знань - це процес, що забезпечує можливість користувачам, що не розбираються в аналізі даних, застосовувати результати аналітичної обробки. Наприклад, співробітник, що оформляє кредити, повинен внести дані по споживачеві, а система автоматично видати відповідь, на яку суму даний споживач може розраховувати, або співробітник відділу закупівель при оформленні замовлення повинен отримати автоматично розрахований, рекомендований об'єм закупівлі кожного товару.

Даний функціонал є найважливішим в будь-якій аналітичній системі, оскільки саме він дозволяє передавати знання від експертів до співробітників з меншим досвідом і перетворювати знання на конкурентні переваги. Тиражування знань дозволяє формалізувати процес ухвалення рішень і поставити його «на потік».

Потреба в тиражуванні знань є об'єктивною, оскільки, інтелектуальна складова бізнесу стає все більш значущою, але неможливо вимагати від кожного фахівця, щоб він розбирався в механізмах аналізу. З одного боку, створення моделей, пошук залежностей і інші завдання аналізу нетривіальні. З іншого боку, немає можливості надати готову систему, яка могла б на всіх даних гарантовано давати якісні результати (прогнози, рекомендації і інше). Тиражування знань дозволяє вирішити цю суперечливу задачу – врахувати особливості конкретного бізнесу і при цьому спростити отримання результатів кінцевими користувачами.

Для вирішення завдання тиражування знань необхідно виконати наступні дії:

1.      Консолідувати дані, необхідні для ухвалення рішень. Неможливо зробити процес ухвалення рішень простим, зручним і швидким, якщо немає початкової інформації, на основі якої рішення ухвалюються, або доступ до цих даних утруднений.

2.      Формалізувати знання експертів. Відокремити знання від експертів і забезпечити можливість іншим співробітникам цими знаннями скористатися можна тільки, якщо вони формалізовані.

3.      Забезпечити зручні механізми візуалізації. Для того, щоб співробітники могли скористатися результатами аналітичної обробки, недостатньо просто відобразити ці результати в якому завгодно вигляді. Результати обробки повинні бути представлені у вигляді зручному для розуміння і такому, що враховує особливості сприйняття співробітниками.

4.      Доставити результати обробки до відповідних співробітників з урахуванням розмежування повноважень. Знання є величезною цінністю, і для отримання конкурентних переваг необхідно обмежувати доступ до результатів.

Все необхідне для вирішення завдання тиражування знань включено до складу аналітичної платформи Deductor. Підтримуються сховища даних, вирішальні завдання консолідації і зручного представлення аналізованих даних. Підтримка різної архітектури і безлічі баз даних дозволяє будувати сховища, що враховують специфічні вимоги організацій.

Можливість побудови сценаріїв вирішує задачу формалізації знань аналітика. Експерт готує сценарії обробки (моделі) з врахуванням особливостей конкретного бізнесу, а кінцеві користувачі просто використовують вже готові моделі, отримуючи звіти, прогнози, правила не вдаючись в подробиці про те як ці моделі працюють.

У Deductor вбудовані десятки зручних способів візуалізації даних. Механізми відображення враховують особливості аналітичної обробки, гнучко підстроюючись під наявні дані. Користувач може візуалізувати одні і ті ж дані безліччю способів і комбінувати різні способи відображення.

Використання робочого місця користувача Deductor Viewer, аналітичної служби Deductor Server, підтримка великої кількості баз даних, офісних систем, поштової розсилки і іншого дозволяє реалізувати розмежування прав і доставку даних кінцевим користувачам найбільш зручним в кожному випадку способом.

Розділ 3. Застосування системи Deductor

Сучасний стан ринку нерухомості є зменшеною копією стану української економіки в цілому. Поступово закінчується період швидкого накопичення капіталу із його надприбутками і відбувається перехід до суспільства. В якому значна частина фінансових потоків продукується сферою інформаційних технологій. Зменшення норми прибутку викликає інтерес до вивчення ринку, його структури і механізмів функціонування, причин і наслідків прийняття рішень. Зростає необхідність у використанні інформаційно-аналітичних методів прогнозування ситуації і передбачення майбутніх сценаріїв розвитку , які потрібні для потенційних інвесторів, органів державного управління з метою прийняття стратегічних рішень з розвитку бізнесу та удосконалення механізмів функціонування ринку.

Ринок нерухомості - це бізнес, де потрібні досить великі інвестиції із тривалим циклом, а об'єкти нерухомості повинні приносити регулярний дохід. Разом з тим, це бізнес, який чуйно й швидко реагує на зміни в технологіях, економіці, демографії, архітектурі, законодавстві, соціальній сфері, що вимагає постійного аналізу, оцінки й прогнозування по ключових напрямках:

• Маркетинговий аналіз;
• Інвестиційний аналіз;
• Фінансово-економічний аналіз;

В умовах безперервних змін на ринку нерухомості дуже важливо розробити основу проекту - концепцію, що враховує не тільки тенденції розвитку ринку нерухомості, але, що й відповідає очікуванням і перевагам потенційних споживачів. Тому робота консультантів знаходить вагому значимість, оскільки дає можливість клієнтові осмислено й виважено ухвалювати рішення щодо розвитку інвестиційно-будівельного проекту.

 

Впровадження сучасних технологій в інформаційно-аналітичний інфраструктурі обслуговування клієнтів передбачає, насамперед, оптимізацію поведінки суб’єктів ринку нерухомості і забезпечення  досягнення ними своїх цілей. Методи аналітичної обробки даних дозволять отримати інформацію про покупки за мінімальну ціну, збільшити прибуток за рахунок скорочення часу операцій продажу, збільшення кількості клієнтів і покращення якості обслуговування.