زمان تقریبی برای مطالعه مقاله: 8 دقیقه
مقدمه
با توجه به اینکه این‌روزها اطلاعات مناسب حکم طلا را دارد، نحوه‌ی استفاده از این موارد با ارزش نیز برای اقشار مختلف بسیار بیشتر از قبل مهم شده است. در این مقاله قصد داریم که با ارائه‌ی چند راهکار ساده، بشما کمک نمائیم تا به بهترین شکل ممکن بتوانید در طول یک بازه‌ی زمانی بسیار کوتاه، و با آنالیز داده‌ها و اطلاعات مشتریان بازار املاک و مستغلات، به بهترین نتیجه‌ی ممکن دست یابید.
پیش از هر چیز در ابتدای کار باید با علم داده بطور بسیار خلاصه آشنا شویم.
علم داده چیست؟
علم داده دانشی است که با بررسی و آنالیز داده‌های موجود که در طول یک بازه‌ی زمانی مشخص جمع‌آوری شده، سعی می‌کند تا الگویی برای رویدادهای آینده در آن حوزه برای ما بدست آورد. همچنین با توجه به الگوریتم‌های بسیار هوشمند در دنیای هوش مصنوعی، علم داده قادر است که تمامی روابط موجود بین داده‌ها که از چشم ما پنهان می‌باشد را کشف کرده و گزارش دهد.
چگونه از علم داده در دنیای املاک استفاده کنیم؟
اجازه بدهید این مهم را طی مراحل زیر و مرحله به مرحله توضیح بدهیم:
مرحله یک – مشخص نمودن هدف:
قبل از هر کار و پروژه‌ای در دنیای علم داده، مجری باید هدف و یا مسئله‌ی خود را دقیقن بداند. باید بدانیم که با حجم داده‌ها و اطلاعاتی که در دسترس ماست قرار است چکار کنیم؟
- آیا قصد داریم فروشمان را افزایش دهیم؟
- آیا قصد شناخت بیشتر و بهتر از مشتریان خود را داریم؟
- آیا قرار است که تبدیل به یک بانک جامع اطلاعاتی در منطقه‌ی خود شویم؟
- آیا قصد خدمت‌رسانی بهتر و سریع‌تر به مراجعه کنندگان خود را داریم؟
- و سایر موارد که در ذهن شماست و ما از آن بی‌خبریم.
مرحله دو – جمع‌آوری اصولی و دقیق داده‌های مشتریان:
پس از شناخت دقیق هدف و مسئله، باید تمام اهتمام خود را روی جمع‌آوری دقیق، منظم و اصولی اطلاعات و یا داده‌های مشتریان بگذاریم. بعنوان مثال و در اولین قدم، باید موارد زیر را انجام دهیم:
- با توجه به قول‌نامه‌های خرید، فروش و اجاره که یک نسخه‌ی چاپی از آن را در دفتر خود داریم، اطلاعات خریدار، فروشنده، مالک، مستاجر و … را دقیق در یک فایل اکسل و در کامپیوتر گرد هم آوریم. این اطلاعات می‌تواند شامل جنسیت، سن، شماره تماس، شغل، میزان بودجه‌ی متقاضی و … باشد. اگر هم این اطلاعات را از سال‌ها قبل وارد کامپیوتر خود کرده‌اید که چه بهتر. کار سریع‌تر پیش خواهد رفت.
- از همین امروز، اطلاعات و خواسته‌های تمام مراجعه کنندگان را در کامپیوتر ثبت کنید و از استفاده از دفترهای سنتی که قطعن در روزهای آتی ناپدید خواهد شد، اجتناب نمائید.
- تا حد توان از همکاران خود فایل‌های دیجیتایز (کامپیوتری شده) را جمع‌آوری کرده و ذخیره کنید.
- تمام تلاش خود را نمائید تا اطلاعات به درستی وارد سطرها و ستون‌های فایل اکسل شما شوند.
- اگر هدف شما فروش است، در فایل مشتریان یا مراجعه کنندگان ستون اضافه نمائید که تنها در مقدار دارد، “خرید”، “هنوز نخریده”. بزودی بشما خواهیم گفت که این ستون چقدر ارزشمند است.
مرحله سوم – آنالیز داده‌ها و یافتن الگوها:
حال که هدف مشخص است و داده‌ها جمع‌آوری شده نوبت می‌رسد به جذاب‌ترین بخش کار؛ آنالیز داده‌ها و دیدن الگوهایی که قبلن از چشم ما پوشیده بودند. اینکار را با ارائه‌ی چند مثال بشما توضیح خواهیم داد.
- مثال اول: با استفاده از آنالیز کردن داده‌ها متوجه می‌شوید که در سال ۱۴۰۰ افرادی که در شش‌ماه اول اقدام به خرید خانه بودند از طیف اساتید دانشگاه و پرسنل بلندمرتبه‌ی دادگستری و دادگاه بودند. با کمی تحقیق و جستجو متوجه می‌شویم که علت این امر این است که در این بازه‌ی زمانی افزایش حقوق چشمگیری برای این دو قشر رخ داده و انها به سرعت اقدام به تبدیل پول به ملک نموده‌اند. یا بعنوان مثال دوم
- مثال دوم: در یک شهر بزرگ همیشه گمان می‌کنیم که بیشترین عرضه و تقاضا برای یک محله‌ی خاص است. اینرا یا عمومن با توجه به تجربه‌ی خود می‌دانیم (فرض می‌کنیم) و یا اینکه از همکاران می‌شنویم، هیچکسی هم برای اظهارات خود دلیلی محکمه پسندی ارائه نمی‌کند. اما با آنالیز دقیق داده‌ها متوجه می‌شویم که در یک بازه‌ی زمانی مثلن ۱۲ ماهه، در یکی از محلات نچندان اسم و رسم‌دار شهر، تعداد خرید و فروش‌ها بسیار سرعت گرفته است. همینکه این نکته را بدانیم توجه خود را به کار روی املاک آن منطقه خواهیم گذاشت و قطعن بسیار سریع‌تر از کار روی مناطق کم بازده (مناطقی که خرید و فروش در انجا زیاد بالا نیست) نتیجه خواهیم گرفت (در مواردی که هدف ما فروش بیشتر باشد). البته باید بدنبال دلیل این عرضه و تقاضای نامتعارف نیز باشید که در اکثر موارد ارتباط پیدا می‌کند با تصمیمات شورای اسلامی شهرها که با خرید زمین‌هایی در نقاط خاصی از شهرها، قصد آبادی بیشتر در ان مناطق را دارند.
- مثال سوم: در بازه‌های زمانی که تورم در جامعه زیاد می‌شود، عمومن افراد پول نقد را در بازار ملک و املاک وارد می‌کنند. این باعث می‌شود که تعداد خانه‌های خالی که صاحبان آنها نیز قصدی برای اجازه دادن ندارند، بالا رود. پس اگر این نکته را بدانیم، بسرعت بسمت افزایش رضایت مشتریان در بخش اجاره خواهیم رفت. با اینکه سود کمتری دارد، ولی می‌توانیم با کار روی این مورد، در اولین پیشنهادهای خود، بهترین گزینه را به مشتری ارائه نموده و میزان رضایت آنها را بالا ببریم و در ضمن برندی برای مجموعه‌ی خود بسازیم. اسمی که سال‌ها در اذهان بماند. قطعن مشتریان راضی، مجدد برای سرمایه‌گذاری بما مراجعه خواهند کرد. باید در این خصوص صبور و در عین حال مطمئن باشیم.
و مثال‌های بسیار بسیار بیشتر و بهتر که در تخصص ما بعنوان یک کارشناس آنالیز داده نیست و شما خودتان باید آن نکات را برای خود دسته‌بندی و استخراج نموده و با توجه به علم داده که یک ابزار فوق‌العاده است، در کارتان از آن استفاده ببرید.
گام چهارم – پیش‌بینی رفتار مشتریان:
شاید به جرات گفت که پرسودترین بخش، همین قسمت می‌باشد. توجه بفرمائید که شما اطلاعاتی را در دست دارید و جمع‌آوری کردید که رفتار مشتریان (از بابت خرید یا اجاره) را در دست دارید. می‌توانید با استفاده از الگوریتم‌های علم داده و هوش مصنوعی، احتمال خرید یک مراجعه کننده به دفترتان را دقیق بدست آوردید و اگر این عدد بالا بود، تمام تمرکزتان را روی آن خانواده یا شخص بگذارید. مطمئن باشید که اعداد و الگوها هیچگاه بما دروغ نخواهند گفت، برخلاف اینکه شاید روزی یکی از همکاران ما، تنها بدلیل سود خود، بخشی از حقیقت را از ما پنهان کند و یا دروغ بگوید.
اما چگونه چنین چیزی ممکن است؟
شما در طول چند سال و با توجه به داده‌های خود می‌دانید که چند فاکتور بسیار مهم است، مثلن شغل شخص، سن شخص، جنسیت شخص (در داده‌های خود دقیقن می‌دانیم خانم‌ها بیشتر می‌خرند یا آقایان و هیچگاه نباید بطور سنتی تصور کنیم که خریداران ملک و املاک آقایان هستند. این تصور کاملن منسوخ شده است) و چندین آیتم دیگر. حال فرض کنید مراجعه کننده‌ای به دفتر شما می‌آید. شرایط خودش را می‌گوید. شما تنها مشخصات این فرد را وارد الگوریتم خود می‌کنید و الگوریتم تنها بشما یک عدد که مثلن احتمال خرید فرد هست را می‌دهد، بعنوان نمونه می‌گوید ۸۳ درصد احتمال خرید وجود دارد و این عدد نیز عددی نیست که بشود از آن چشم‌پوشی نمود. از روزی که چنین چیزی را فهمیدید باید تمام تمرکز و وقت خود را روی این شخص بگذارید. چرا که پیش‌بینی علم داده این بوده است که مراجعه کننده‌ی شما با احتمال ۸۳ درصد از طریق دفتر شما به ملک خودش خواهد رسید.
بزودی چند مطالعه‌ی موردی صورت گرفته از بکارگرفتن علم داده در دفاتر املاک بزرگ و بسیار معتبر در جهان و همچنین نتایج شگفت‌انگیز بدست آمده در این پروژه‌ها را با شما به اشتراک خواهیم گذاشت. برای دریافت آخرین مقالات در این زمینه در قسمت پائین سایت، ایمیل خود را وارد نمائید تا هم نوشته‌های جدید را دریافت کنید و هم از همکارن خود در این زمینه، جا نمانید
پیشنهاد ما بشما چیست؟
با توجه به مطالبی که خدمت شما ارائه شد، اگر علاقمند به یادگیری علم داده هستید، ما برای شما دو دوره‌ی کاملن رایگان و عالی تدارک دیده‌ایم
همچنین اگر نیاز به مشاوره در این زمینه داشتید، بسیار خوشحال خواهیم شد که در کنار هم یک قهوه‌ی خوش طعم میل نمائیم و یا بصورت آنلاین و یا حتی تلفنی، دقایقی صدای گرم شما را بشنویم. برای دریافت وقت مشاوره به این لینک مراجعه کنید.
ارادتمند
عضو هئیت علمی دانشگاه گنبدکاووس
بنیان‌گذار گروه علم داده
مجری پروژه‌های داخلی و بین‌المللی علم داده
