Decision support system for professional real-estate price estimation

Prosjektet vil bruke digitalisering og kunstig intelligens til å utvikle et beslutningsstøtteverktøy for profesjonell eiendomsprisestimering. Systemet vil øke nøyaktigheten på verdiestimat, støtte eksperters vurderingsprosesser, og forbedre renovering av boliger. Spesifikt så er målet med prosjektet å: 1) øke nøyaktigheten og redusere tidsbruken på å estimere salgsprisen til en bolig. 2) bestemme prisbidragene av en boligs fasiliteter (som etasje, størrelse, parkering, planløsning, etc.). 3) avgjøre hvordan prisen på en bolig kan økes gjennom oppussing eller utbedringer. Beslutningsstøtteverktøyet vil designes ved å bruke eksperters tidligere prisvurderinger av boliger, samt digitalisering av ny data som prosjektet vil frembringe slik som plantegninger og landskapsdata. Ekspertkunnskapen vil bli kombinert med statistiske data fra store datasett av tidligere transaksjoner. For å muliggjøre denne sammenstillingen vil beslutningsstøtteverktøyet gi oppgaverelevant informasjon når det brukes og la operatører inspisere, modifisere, og hvis nødvendig, overstyre automatisert beslutningslogikk i systemet. Dette vil forbedre gyldighetsområdet for verdivurderinger samt gi tidsbesparelser og øke nøyaktighet.

The real estate industry is the largest asset class in Norway. In 2020 alone 125,000 homes were sold representing almost NOK 500 billion in transaction value. Nevertheless, while there is an increasing number of industries that are digitizing and automating processes, the typical process of buying or selling a home remains unchanged. To address this, Solgt.no has launched an Instant Buyer (or iBuyer) service, wherein the company purchases residential properties directly from private sellers, to eventually re-sell them providing, liquidity, reduced risk and convenience to the customer. A critical aspect of the process is timely and precise valuation as an underpricing will reduce the chance of a profitable purchase, while an overpricing will reduce the profit (or potentially incur a loss). Similarly, accurate and timely dwelling valuation is of critical importance in real estate development. The earnings potential of a property development is determined by dwelling pricing. Incorrect pricing of apartments is the single biggest reason behind loss-making projects. Furthermore, the number of potential development prospects is limited by the available time to evaluate each prospective development. Motivated by these applications, we have identified a significant opportunity to create a Decision Support System (DSS) for real-estate price estimation by firstly, digitizing and automating parts of the valuation process of domain experts, secondly, engineering new valuation features from publicly available data, and thirdly, incorporating unique datasets of customer and developer data from the project participants. The envisioned DSS will deliver dwelling price estimates at a fraction of the time of that of current work processes, and with a step change improvement in accuracy.