BNP Paribas Real Estate España, una de las principales consultoras de servicios inmobiliarios a nivel internacional, ha organizado, en colaboración con el IE University, una competición basada en datos, Datathon, destinada a los alumnos del máster de Business Analytics and Big Data de IE School of Human Sciences & Technology.
Los alumnos han puesto en marcha un caso práctico real focalizado en la digitalización del sector inmobiliario, mediante esta iniciativa que, entre otras funciones, ayuda a lograr un mejor conocimiento de la ubicación de los inquilinos y dibuja los flujos de movimiento de las compañías en las ciudades de Madrid y Barcelona. Para ello, y con el objetivo de mejorar la predicción de demanda de espacios de oficinas en ambas ciudades han utilizado herramientas avanzadas de analytics y han creado soluciones innovadoras que ayudan a enfocar en determinados segmentos de clientes objetivo basándose en los clusters sugeridos. Así la entidad acompañará mejor estos clientes.
Samira BOUADI, Head of Data Science de BNP Paribas Real Estate y profesora del Datathon: «El sector del real estate es un sector muy amplio que se ve afectado por elementos sociales, políticos y económicos, lo que significa que existe una gran cantidad de datos complejos que hay que manejar. A través del análisis y la comprensión de estos datos se pueden crear modelos que tienen como objetivo reproducir los cambios en el sector y evolucionar para anticiparnos al futuro».
BNP Paribas Real Estate España ha crecido de manera significativa durante el último año y está muy involucrada con el Data. La compañía ha invertido en un conjunto de nuevas herramientas para visualizar los datos e identificar patrones espaciales, y mediante la utilización de la ciencia de los datos y técnicas de machine learning, ofrecer una visión adicional a los departamentos de Consultoría. Xavier ZOUTU, Chief Data & Analytics Officer Spain & Real Estate Economics Iberia & Benelux y miembro del jurado ha declarado: «Con el fin de prever la demanda del mercado, así como los precios de alquiler, los volúmenes de inversión y los rendimientos de los principales activos- oficinas, logística y retail- ahora utilizamos tanto los modelos econométricos tradicionales como las técnicas de machine learning, así como una gran cantidad de datos».
