Tirer les leçons des débuts de la science des données dans l’immobilier commercial

Cela ne fait que quelques années que les entreprises CRE ont commencé à adopter des initiatives en matière de science des données. Cela s’explique peut-être en partie par le fait que d’autres secteurs ont considéré les projets de science des données comme un long jeu de balle. Pourtant, certains efforts notables surpassent la concurrence.

Pour en savoir plus sur la façon dont les innovateurs en science des données dans le secteur de l'immobilier commercial gagnent gros pour leurs équipes si rapidement dans le jeu de balle, nous avons discuté avec quatre premiers utilisateurs à succès.

Ils ont partagé franchement les défis auxquels ils sont confrontés, les stratégies qu’ils déploient et les résultats qu’ils connaissent. Leurs leçons gagnantes peuvent être inestimables pour vous aider à envisager les meilleures approches de science des données pour générer les avantages qui attireront les clients et ajouteront de la valeur à votre entreprise.

Un parcours personnel pour évoluer en science des données :

« Mon travail est passé de la génération de rapports à la création d'un moteur agile pour gérer un plus large éventail de cas d'utilisation. Nous disposons ici de la portée et de la plate-forme nécessaires pour faire progresser davantage la science des données.

Marc Franceski

Avison Young

• L'organisation : Avison Jeune, conseiller mondial en immobilier commercial.

• Le responsable : Marc Franceski, directeur exécutif et leader mondial AVANT pour les secteurs résidentiels et des marchés financiers.

• Le moteur de la science des données : Avant de rejoindre Avison Young en 2021, Franceski était vice-président de la recherche pour The Bozzuto Group, une grande entreprise de gestion, de développement et de construction multifamiliale de la côte Est. Alors que la science des données émergeait, il s’est rendu compte que la croissance nécessitait désormais un niveau d’analyse plus élevé.

• Les défis : "Cela a nécessité de grands changements pour améliorer les types d'entrées de données utilisées, améliorer la façon dont l'analyse serait présentée et partagée, et bien d'autres choses entre les deux." Franceski a également dû élever sa propre base de compétences en « apprenant à gérer la modélisation dimensionnelle, Power BI, les plates-formes d'options low-code peu coûteuses et en déployant des plates-formes comme StratoDem Analytics pour extraire plus rapidement des informations plus approfondies ».

• Les stratégies : AVANT est le système d'analyse prédictive d'Avison Young destiné à générer des informations plus solides sur le marché pour les clients de l'entreprise. « L'intégration des données présente un avantage : elle permet de détecter les tendances, de permettre une meilleure cartographie et de meilleures visualisations, et de rendre l'analyse de niveau supérieur compréhensible pour les clients. »

• Le résultat : « La science des données a créé un avantage de premier arrivé sur nos concurrents plus importants et a remporté quelques premiers succès, de sorte que les clients parient que nous poursuivrons nos progrès vers de réelles avancées en matière d'analyse prédictive.

• Cours gagnants : Née d'une petite équipe, AVANT compte aujourd'hui plus de 150 employés dans le monde. Se retrouver à l’avant-garde d’une initiative majeure en matière de science des données à l’échelle mondiale reflète en partie les efforts continus de Franceski pour développer ses connaissances personnelles en science des données aussi rapidement que le domaine de la science des données progresse.

Trouver des solutions qui mettent les données à la disposition des équipes lorsqu'elles en ont besoin :

« Nous ne sommes pas des professionnels de la technologie. Il se trouve que nous sommes des professionnels du secteur qui ont une longueur d’avance sur le plan technologique.

Andrew Weakland

W.P. Carey

• L'organisation : W.P. Carey, l'une des plus grandes FPI à bail net, avec 1 400 propriétés en Amérique du Nord et en Europe.

• Le responsable : Andrew Weakland, vice-président principal et directeur du développement des systèmes.

• Le moteur de la science des données : Weakland devrait générer des informations qui peuvent aider l’ensemble de l’équipe à battre le marché. La motivation pour un déploiement ciblé de la science des données est donc simple : « Nous devons faire évoluer l’analyse au-delà de la modélisation traditionnelle pour améliorer les décisions au moment où elles sont prises. »

• Les défis :

  • Weakland ne construit pas de grande structure interne pour la science des données.

  • « Je n’essaierais jamais d’embaucher un data scientist de haut niveau en interne. Notre objectif principal est l’investissement immobilier, et ce talent est également rare. Mais pour un data scientist de haut niveau, vous êtes également en concurrence avec les FAANG (Facebook, Amazon, Apple, Netflix, Google), et je ne rivaliserai tout simplement pas en termes de dollars pour recruter les meilleurs ingénieurs. Au moment où vous constituerez cette équipe, les liquidités engagées pour cette équipe seront mieux utilisées pour développer l’équipe immobilière. Ou même déployé directement dans l’immobilier.

• Les stratégies :

  • « Nous recherchons des solutions pour passer des demandes constantes de rapports à la présentation des données à l'équipe lorsqu'elle en a besoin, plutôt qu'entre les mains des data scientists. » Pour exploiter les meilleures applications du marché,

  • « La quantité de capital-risque injectée dans la proptech aide le marché à mûrir plus rapidement. Et les meilleurs fournisseurs rendent ces outils plus compréhensibles pour le marché de l'immobilier commercial. »

  • « Mais il ne s’agit pas simplement de déployer des outils. Il s’agit de s’assurer qu’ils trouvent un écho auprès des personnes qui ont passé toute leur carrière dans l’immobilier.

• Le résultat : "Ces outils nous aident à améliorer notre travail lorsque nous trouvons des points qui correspondent à l'intuition des professionnels de notre équipe et racontons des histoires qui correspondent à leur sens inné du marché."

• Leçons gagnantes :

  • « En fin de compte, nous prenons des décisions binaires très complexes. Dois-je acheter ou vendre ? Nous devons prendre en compte de nombreuses variables et facteurs, et nous devons optimiser l’intelligence humaine des talents hautement spécialisés en les dotant de meilleurs outils.

  • Les "Machines ne prendront pas ces décisions binaires à la place des humains de notre équipe. Mais les machines sont de mieux en mieux capables de nous aider à détecter des anomalies, que nos équipes peuvent ensuite exploiter.

Créer l'environnement optimal pour optimiser la science des données :

« Nous travaillons toujours avec la communauté des courtiers, nous parcourons toujours les quartiers, nous discutons toujours avec les locataires et examinons toujours les bâtiments. Nous faisons toujours tout ce que font les autres investisseurs immobiliers. Mais nous sommes prêts à parier sur les avancées de la science des données. Il est possible de découvrir les tendances émergentes et les écarts de prix. Nous en avons vu suffisamment pour savoir que ce sera un différenciateur »

Adam Brueckner

Silverstone Partners

• L'organisation : Partenaires Silverstone, gestionnaire d'investissements immobiliers pour le secteur multifamilial sur les marchés américains à forte croissance.

• Le responsable : Adam Brueckner, directeur général.

• Le moteur de la science des données :

  • Silverstone Partners se concentre sur « la génération de rendements supérieurs pour demain en innovant dans l’investissement immobilier aujourd’hui ».

  • La stratégie de l’entreprise repose sur la conviction que « les données doivent jouer un rôle important dans notre processus d’investissement, notamment en identifiant les meilleures opportunités, en comprenant la dynamique concurrentielle et en combinant ces informations avec des connaissances locales et une exécution de premier ordre ».

• Les défis:

  • Ayant observé le monde de l’immobilier commercial pendant 13 ans, Brueckner comprend à quoi cela ressemble à la fois dans les fonds d’investissement immobilier établis disposant de ressources importantes pour déployer la science des données, et dans les fonds de démarrage sans cet avantage.

  • « Au sein du secteur immobilier dans son ensemble, la science des données est généralement moins familière, car elle en est tout simplement à un stade très précoce d’exploration. Lorsqu’on se présente devant un modèle de boîte noire d’apprentissage automatique et que quelqu’un dit « faites-nous confiance », il s’agit naturellement d’un pont très difficile à franchir pour des professionnels chevronnés et établis possédant plusieurs décennies d’expérience. Jusqu’à ce que l’apprentissage automatique devienne explicable, il est logique que les hauts dirigeants restent sceptiques.

  • En outre, « il faut du temps pour obtenir de solides résultats en matière de science des données. Même 18 mois, ce serait plutôt bien, mais cela peut entraîner une spirale descendante en matière de financement lorsqu’ils ne parviennent pas à générer de bons résultats assez rapidement.

  • Un autre vent contraire est d’ordre culturel. « Dans les fonds plus établis, il existe une base de professionnels intelligents qui comprennent vraiment l’immobilier, mais qui ont développé leur expertise avant que l’analyse des données ne fasse partie du paysage. Et ils recrutent de nouvelles recrues qui comprennent l’analyse, mais pas l’immobilier. Le résultat peut être comme de l’huile et de l’eau.

• Les stratégies :

  • "En fin de compte, il est difficile de transformer du jour au lendemain une société immobilière en une société axée sur l'analyse." Cette prise de conscience a conduit Brueckner à lancer Silverstone Partners, un petit fonds d'investissement immobilier axé sur l'analyse avancée.

  • Cela implique de mener côte à côte des analyses traditionnelles et des analyses avancées, et de constituer une équipe où chacun est très à l'aise avec l'analyse avancée.

• Le résultat:

  • Lorsque l’analyse fondamentale révèle qu’entre 50 % et 80 % des rendements excédentaires sur une période de cinq ans sont dus à la sélection des marchés, elle oblige à repenser le rôle de l’analyse.

  • « Le déploiement de la science des données et de l'apprentissage automatique élémentaire devient un outil précieux pour créer un cadre solide de sélection de marché. Il s’agit fondamentalement de comprendre ce qui compte le plus et ce qui compte moins. »

• Leçons gagnantes :

  • « Dans l'immobilier, 95 % du secteur investit encore avec un état d'esprit traditionnel. Cet écart va créer un avantage considérable pour les entreprises désireuses de tirer parti à la fois du processus traditionnel et d’un processus d’évaluation plus avancé basé sur les données… au moins jusqu’à ce que la plupart des secteurs s’adaptent à ce changement.

  • L’avenir est clair : « La combinaison gagnante sera de créer un mélange intelligent entre l’humain et la machine."

    
    

Discussions en cours avec les parties prenantes pour affiner l’adéquation du produit :

« Plutôt que de créer une infrastructure trop complexe, nous nous concentrons sur les analyses spécifiques dont les équipes d'acquisition ont besoin pour avancer ou conclure une transaction. C’est important parce qu’il existe des entreprises qui travaillent à grande échelle sur un très grand nombre de marchés, et d’autres qui sont extrêmement compétentes sur quelques marchés nationaux. Nous construisons notre propre espace en rivalisant avec un ensemble unique d’idées que d’autres n’ont pas.

Gabe Greenberg

Tishman Speyer

• L'organisation : Tishman Spire, l'un des principaux propriétaires, promoteurs, exploitants et gestionnaires d'investissements immobiliers de premier plan sur 33 marchés clés aux États-Unis, en Europe, en Asie et en Amérique latine.

• Le responsable : Gabe Greenberg, directeur principal, responsable de la science des données et de l'analyse.

• Le moteur de la science des données :

  • « Ce qui nous intéresse le plus, c’est l’idée que dans d’autres secteurs, il existe un très grand nombre de sources de données. Mais dans l’immobilier, il n’y a pas vraiment beaucoup de données et tout le monde a accès à la plupart des mêmes sources.

  • Cette prise de conscience a conduit l’équipe de Greenberg à s’engager sur la voie de la connexion de données étendues sur toutes les parcelles fiscales possibles.

• Les défis:

  • « Nous avons étudié en profondeur tous les marchés, créé des tableaux de bord et des outils qui ont analysé des millions de propriétés sur tous les marchés, et l'équipe des acquisitions a trouvé cela intéressant. Mais ils ne l’ont pas utilisé. Ce n’étaient pas les outils qu’ils souhaitaient pour répondre aux questions auxquelles ils devaient répondre.

• Les stratégies :

  • Contrairement à d'autres entreprises où les efforts en matière de science des données échouent si les premiers résultats ne sont pas concluants, Greenberg a poursuivi les discussions avec les parties prenantes et affiné l'adéquation interne du produit.

  • « Nous avons compris quel travail était répétitif. Il y a une meilleure adaptation lorsque nous prenons les pièces ennuyeuses et les faisons plus efficacement. Nous ciblons les questions qui sont posées à plusieurs reprises, puis nous construisons les outils qui facilitent l’extraction d’informations exploitables.

• Le résultat :

  • Désormais, son objectif consiste notamment à permettre une analyse et une notation rapides des marchés pertinents de l’entreprise, ainsi qu’à suivre les changements dans les sous-marchés sous-jacents.

  • « En quantifiant les éléments du processus de souscription et en identifiant systématiquement les caractéristiques du sous-marché pour des résultats d'investissement plus solides, la couche humaine qualitative peut intervenir plus rapidement, les équipes d'acquisition peuvent présenter de meilleures offres et notre comité d'investissement peut prendre des décisions plus éclairées. »

• Cours gagnants : « Les équipes qui disparaissent d'elles-mêmes pour travailler sur « la meilleure solution » découvrent souvent que leurs clients sont passés à d'autres problèmes une fois qu'ils ont terminé. Au lieu de travailler dans un silo de science des données, nous avons obtenu le plus de succès en nous associant directement avec nos clients internes pour répondre aux problèmes auxquels ils sont confrontés quotidiennement et en automatisant les parties fastidieuses mais triviales de leur travail.

Les progrès de la science des données nécessitent une symphonie de logiciels et d’équipes

Compte tenu des obstacles considérables à surmonter pour lancer des initiatives en matière de science des données, aller de l’avant nécessite plus qu’une simple aspiration. Cela nécessite un besoin et une motivation forts pour s’engager dans un processus parfois douloureux ou coûteux. Pour de nombreux utilisateurs précoces, les apprentissages les plus importants concernent généralement la gestion du changement et la dimension humaine.

En tant que responsable des partenariats stratégiques et du développement des affaires chez MétaProp, l'un des principaux fonds de capital-risque de démarrage dans le domaine immobilier, Sandre Geronimos a un point d'observation unique pour observer les motivations et les défis de la science des données immobilières.

« Alors que les initiatives de science des données créent de meilleures données… les changements les plus importants nécessitent en fin de compte une gestion du changement à l’échelle de l’organisation et du capital. J’ai commencé à voir ce que je qualifie de symphonie d’équipes de gestion de logiciels et d’investissements, où les équipes d’investissement de tous types d’actifs commencent à coopérer du point de vue des données sur les tendances démographiques et psychographiques qui poussent les utilisateurs vers leurs sites.

Geronimos ajoute : « Ce n'est qu'un phénomène récent qui continuera de se développer à mesure que les gens seront plus à l'aise pour partager des informations via leurs plateformes. »

Même si nous n’en sommes qu’aux premiers balbutiements de l’utilisation de la science des données dans l’immobilier commercial, les leçons partagées par ces innovateurs peuvent ajouter du contexte alors que vous élaborez une stratégie sur les meilleures approches pour remporter votre partie.