BIA-Brukerstyrt innovasjonsarena

Prosjektet har i rapporteringsperioden jobbet med følgende hovedpunkter. 1) Analysemetode for å bedømme tilstanden til en bruktbolig. Her er det jobbet med flere modell-alternativer hvor samlebetegnelsen er BoligScore. Dette er avanserte NLP/maskinlærings metoder som trenes på historiske tilstandsdata hvor målet å oppnå en datadrevet metode for å bedømme tilstanden på en bolig basert på dokumentasjonen som foreligger i forbindelse med boligsalget. Her er det gjennomførte flere versjonen, testing og iterering. Metodene er også testet ut mot domene eksperter innen bolig tilstand og byggeteknikk. Prosjektet gjør også studier på hvordan BoligScore kan benyttes for sammenligning av boliger basert på tilstand. Det er i tillegg gjennomført flere brukerstudier på hvordan resultatene fra BoligScore metodene kan presenteres for aktørene i verdikjeden, da det er vesentlig at disse aktørene får tilgang, forstår og kan benytte resultatene fra metodene i sine beslutningsprosesser slik at konfliktnivået i etterkant av transaksjonen blir lavere. 2) En prediksjonsmetode som inkluderer boligens tekniske tilstand i automatiske verdsettingsmodeller for bruktboliger. Dette kan har potensiale til å styrke BoligScore metodene, slik at besluttningstøttemodellen blir enda mer kraftfulle for sluttbrukere. Denne er også testet opp mot fagfeller og presentert på ReCapNet - Digitalization and Real Estate. 3) Automatisk kvalitetsvurdering av takstrapport sammendrag basert på NLP/maskinlæring. Dette er særlig viktig, da sammendrag og fritekst innhold ofte er kilde til konflikter. 4) Metode for å predikere risiko for konflikt basert på teknisk tilstand. Her er det utviklet modellen på Gradient Tree Boosting algoritmer. Her gjenstår det fortsatt arbeid for å kunne skille boliger hvor det oppstår konflikt og boliger hvor det ikke oppstår konflikt, basert på teknisk tilstand. Det jobbes med nye og forbedrede kovariater - i tillegg til forskning på øvrige forhold som fører til konflikt. Det er også gjort kvalitative og kvantitative undersøkelser mot alle aktørene i bolighandelen for å få innsikt som kan forbedre prosjekt resultatene når prosjektet skal kommersialiseres.

Vi vil gi bruktboligkjøpere, og andre aktører, et bedre bilde av en boligen tilstand ved å sammenstille og presentere informasjon på en mer helhetlig, riktig og forståelig måte. Dette åpner muligheten for det vi kaller datadrevet boligkjøp, hvor vi gir kjøper en lettfattelig totaloversikt over tilstand, risiko og kostnader basert på data fra en rekke ulike datakilder. Ideen i prosjektet er å utvikle en ny metode og tilhørende mobile applikasjoner og analyseverktøy for å bedømme tilstanden til en bruktbolig, basert på en smart analyse og kobling av data. Metoden skal være objektiv, håndtere risiko for ukjente feil og mangler, og gi et estimat på utbedrings- og bokostnader. Prosjektet vil også utvikle en ny datadrevet metode for boligkjøperforsikring og forbedret prising av husforsikring som er tilpasset bruktboligens tilstand, og således senke usikkerheten for både kjøper, megler og forsikringsselskap. Målet er å få en smartere bolighandel og færre konflikter etter boligsalget. Informasjonen som skal til for å gjøre et velbegrunnet og trygt boligkjøp finnes i form av takstrapport, tilstandsrapport, matrikkel, kartdata, prisstatistikk og offentlige dokumenter m.m. Problemet er at disse er vanskelig å finne frem til og tolke for lekpersoner. Det er også krevende for en kjøper å vurdere risiko for mangler og ukjente feil som kan føre til kostbare utbedringer. Eiendomsmeglere har også utfordringer med å sette seg inn i boligens tekniske tilstand grunnet lite fagkunnskaper og korte tidsfrister. Per i dag er det ingen aktører som kombinerer rådata fra de fragmenterte datakildene, og ingen som utfører systematisk risikoanalyse og estimater basert på disse dataene. Partnerne i konsortiet utgjør de beste fra sine felter innenfor domenene eiendom (Vendu, DNB Eiendom, NTF, Ambita), forsikring (Norwegian Broker, INSR) og forskning (Norsk Regnesentral, Universitet i Bergen og NTNU Handelshøyskolen).