SlideShare a Scribd company logo

Максим Русаков, SRG: «Автоматизация контроля залоговой стоимости недвижимости»

•
•
Банковское обозрение
Банковское обозрение

Максим Русаков, SRG: «Автоматизация контроля залоговой стоимости недвижимости»

Related slideshows

презентация министр 07мар2012 финал
презентация министр 07мар2012 финалпрезентация министр 07мар2012 финал
презентация министр 07мар2012 финал
 
Технологии #Digital bank. Сorreqts - платформа нового поколения от компании bss
Технологии #Digital bank. Сorreqts - платформа нового поколения от компании bssТехнологии #Digital bank. Сorreqts - платформа нового поколения от компании bss
Технологии #Digital bank. Сorreqts - платформа нового поколения от компании bss
 
Биллинг-Онлайн
Биллинг-ОнлайнБиллинг-Онлайн
Биллинг-Онлайн
 
1 of 12
Download to read offline
Автоматизация контроля залоговой стоимости недвижимости Август 2017г. Максим Русаков Партнер Группы компаний SRG Руководитель рабочего органа СОД при Министерстве экономического развития Член рабочей группы по электронному стандарту отчета об оценке при комитете по оценочной деятельности АРБ
Автоматическая оценка стоимости с 2012 года оценено более 1 600 000 объектов недвижимости Онлайн передача отчета об оценке в структурированной форме (электронный отчет) с 2015 года около 300 000 объектов Ежемесячно эксперты SRG рассчитывают стоимость более чем 7 000 объектов недвижимости ОПЫТ
 Все больше клиентов предпочитают онлайн формат  Государственные услуги доступны в электронном виде  Снижение ставок по кредитам  Клиенты ожидают высокий уровень сервиса и минимальные сроки  Рост контроля за качеством залогового обеспечения ТРЕНДЫ
ЧТО МОГУТ ПРЕДЛОЖИТЬ СОВРЕМЕННЫЕ ТЕХНОЛОГИИ Комплексное решение Big Data Machine Learning Структурированная информация по залогам Электронное взаимодействие Интеграция с гос. услугами Расширенные инструменты эксперта 1 2 3 4 5 6
MACHINE LEARNING: РАСЧЕТ СТОИМОСТИ Современные технологии и массивы рыночных данных позволяют создавать модели расчета стоимости, которые эффективно адаптируются к локальным рынкам недвижимости Достоверность автоматической верификации – до 98% Гибкие, автоматически обучающиеся модели оценки учитывают структуру ценообразования на локальном рынке недвижимости  Учитывает привлекательность местоположения  Автоматически выявляет значимость и вес ценообразующих факторов
MACHINE LEARNING: РАСЧЕТ ЛИКВИДНОСТИ  Алгоритмы машинного обучения позволяют не только проводить анализ, но и строить предиктивные модели.  Для построения модели автоматического расчета срока экспозиции для 50 000 сделок была восстановлена история объявлений о продаже.  Результат – модель, предсказывающая ожидаемые сроки экспозиции, исходя из местоположения объекта, физических характеристик, а также скидки / наценки относительно рыночной стоимости.
MACHINE LEARNING: РАСЧЕТ ЛИКВИДНОСТИ
Единое информационное поле между оценщиками и кредитными организациями охватывает все этапы взаимодействия:  заказ оценки;  создание и передачу отчета об оценке в банк;  верификацию отчета со стороны банка. Результаты:  Мгновенный обмен информацией;  Интеграция с автоматическими системами верификации;  Интеграция в бизнес-процессы банка;  Передача информации по объектам залога в единой структурированной форме. ОНЛАЙН ВЗАИМОДЕЙСТВИЕ С ОЦЕНОЧНЫМИ КОМПАНИЯМИ
Структурированная информация по залогу  Поскольку все отчеты единым образом описывают объекты залога (в зависимости от типа), досье по объекту залога формируется автоматически и без затрат.  Высокая корректность данных по объекту залога.  Экспорт данных для по залогам в формате, определенном ЦБ.  Интеграция с Росреестром (выписки из ЕГРН, электронная регистрация).
Циан, авито - самые распространенные, но не оптимальные инструменты для профессионала. Компания должна обладать эффективной системой контроля корректности экспертных решений. Современный инструмент должен предоставлять эксперту в режиме онлайн всю информацию по рынку недвижимости:  Верифицированные объявления о продаже и данные по сделкам;  Историю и тренды цен за последние 5 лет;  Данные по структуре рынка на основе фактических объявлений и сделок по рынку;  Сроки экспозиции;  Историю всех сделок для каждого конкретного здания / участка. РАСШИРЕННЫЙ ИНСТРУМЕН��АРИЙ ДЛЯ ЭКСПЕРТОВ
На каком этапе Вы? Комплексное решение Big Data Machine Learning Структурированная информация по залогам Электронное взаимодействие Интеграция с гос. услугами Расширенные инструменты эксперта 1 2 3 4 5 6
КОНТАКТЫ: Максим Русаков Тел.: + 7 (495) 797-30-31 RusakovMY@srgroup.ru

More Related Content

Максим Русаков, SRG: «Автоматизация контроля залоговой стоимости недвижимости»

  • 1. Автоматизация контроля залоговой стоимости недвижимости Август 2017г. Максим Русаков Партнер Группы компаний SRG Руководитель рабочего органа СОД при Министерстве экономического развития Член рабочей группы по электронному стандарту отчета об оценке при комитете по оценочной деятельности АРБ
  • 2. Автоматическая оценка стоимости с 2012 года оценено более 1 600 000 объектов недвижимости Онлайн передача отчета об оценке в структурированной форме (электронный отчет) с 2015 года около 300 000 объектов Ежемесячно эксперты SRG рассчитывают стоимость более чем 7 000 объектов недвижимости ОПЫТ
  • 3.  Все больше клиентов предпочитают онлайн формат  Государственные услуги доступны в электронном виде  Снижение ставок по кредитам  Клиенты ожидают высокий уровень сервиса и минимальные сроки  Рост контроля за качеством залогового обеспечения ТРЕНДЫ
  • 4. ЧТО МОГУТ ПРЕДЛОЖИТЬ СОВРЕМЕННЫЕ ТЕХНОЛОГИИ Комплексное решение Big Data Machine Learning Структурированная информация по залогам Электронное взаимодействие Интеграция с гос. услугами Расширенные инструменты эксперта 1 2 3 4 5 6
  • 5. MACHINE LEARNING: РАСЧЕТ СТОИМОСТИ Современные технологии и массивы рыночных данных позволяют создавать модели расчета стоимости, которые эффективно адаптируются к локальным рынкам недвижимости Достоверность автоматической верификации – до 98% Гибкие, автоматически обучающиеся модели оценки учитывают структуру ценообразования на локальном рынке недвижимости  Учитывает привлекательность местоположения  Автоматически выявляет значимость и вес ценообразующих факторов
  • 6. MACHINE LEARNING: РАСЧЕТ ЛИКВИДНОСТИ  Алгоритмы машинного обучения позволяют не только проводить анализ, но и строить предиктивные модели.  Для построения модели автоматического расчета срока экспозиции для 50 000 сделок была восстановлена история объявлений о продаже.  Результат – модель, предсказывающая ожидаемые сроки экспозиции, исходя из местоположения объекта, физических характеристик, а также скидки / наценки относительно рыночной стоимости.
  • 7. MACHINE LEARNING: РАСЧЕТ ЛИКВИДНОСТИ
  • 8. Единое информационное поле между оценщиками и кредитными организациями охватывает все этапы взаимодействия:  заказ оценки;  создание и передачу отчета об оценке в банк;  верификацию отчета со стороны банка. Результаты:  Мгновенный обмен информацией;  Интеграция с автоматическими системами верификации;  Интеграция в бизнес-процессы банка;  Передача информации по объектам залога в единой структурированной форме. ОНЛАЙН ВЗАИМОДЕЙСТВИЕ С ОЦЕНОЧНЫМИ КОМПАНИЯМИ
  • 9. Структурированная информация по залогу  Поскольку все отчеты единым образом описывают объекты залога (в зависимости от типа), досье по объекту залога формируется автоматически и без затрат.  Высокая корректность данных по объекту залога.  Экспорт данных для по залогам в формате, определенном ЦБ.  Интеграция с Росреестром (выписки из ЕГРН, электронная регистрация).
  • 10. Циан, авито - самые распространенные, но не оптимальные инструменты для профессионала. Компания должна обладать эффективной системой контроля корректности экспертных решений. Современный инструмент должен предоставлять эксперту в режиме онлайн всю информацию по рынку недвижимости:  Верифицированные объявления о продаже и данные по сделкам;  Историю и тренды цен за последние 5 лет;  Данные по структуре рынка на основе фактических объявлений и сделок по рынку;  Сроки экспозиции;  Историю всех сделок для каждого конкретного здания / участка. РАСШИРЕННЫЙ ИНСТРУМЕНТАРИЙ ДЛЯ ЭКСПЕРТОВ
  • 11. На каком этапе Вы? Комплексное решение Big Data Machine Learning Структурированная информация по залогам Электронное взаимодействие Интеграция с гос. услугами Расширенные инструменты эксперта 1 2 3 4 5 6
  • 12. КОНТАКТЫ: Максим Русаков Тел.: + 7 (495) 797-30-31 RusakovMY@srgroup.ru