Filip Finfando - Biznes Myśli
Biznes,  Podcast

Wyceń swoje mieszkanie z pomocą Machine Learning

Dzisiaj będziemy rozmawiać o nieruchomościach. Goszczę Filipa Finfando, który pracuje w SonarHome jako Lead ML Engineer. Co to jest za firma?



Jeżeli słuchasz podcastu Biznes Myśli od samego początku, to być może pamiętasz 4 odcinek, gdzie opowiadałem różne przypadki, ale jeden z nich był właśnie o firmie Opendoor ze Stanach Zjednoczonych, która wystartowała najpierw w Arizonie. Oferowali oni usługę, która pozwalała szybciej kupić nieruchomość. Wtedy powiedziałem, że nie kojarzę ani jednej firmy, która w Polsce zrobiłaby coś podobnego. 

Już tak nie mogę powiedzieć, bo jest co najmniej jedna firma, która istnieje już trochę  lat (prawie 4). Obserwowałem, patrzyłem, co tam się dzieje i widzę, że rozwija się całkiem spoko 🙂 W styczniu  2021 zakupiła już 166 nieruchomości, wydała na to 65 mln zł. Pozyskali także  kolejne fundusze, żeby dalej się rozwijać. Też mają plany, aby wejść na kolejne rynki (przede wszystkim sąsiadów). 

Dzisiejszy gość –  Filip  zajmuje się stroną techniczną ML, ale też porozmawialiśmy o całym procesie w szerszej perspektywie.



Dlaczego w ogóle ten problem – kupowanie i sprzedawanie mieszkań jest wyzwaniem  i w którym miejscu ML jako technologia potrafi dawać wartość dodaną?  Dowiesz się z tego odcinka.



To jest też niesamowita rzecz, na ile technologia i uczenie maszynowe jest zwyczajnie narzędziem. Jeżeli to narzędzie nie jest zastosowane w odpowiednim miejscu, to też nie jest szczególnie wartościowe. Warto o tym pamiętać.  

W tym przypadku mamy konkretną sytuację, kiedy widzimy jaką wartość dodaną daje Machine Learning. Chociaż też tutaj widać, że ML nie jest jedynym czynnikiem, który powoduje, że te transakcje się odbywają, ale mocno wspiera  proces zakupowy,  podpowiada pewne rzeczy, automatyzuje. 

Porozmawialiśmy także trochę o różnych wyzwaniach, które są na rynku nieruchomości obecnie w Polsce. Wybrzmiało kilka życzeń, ciekawe, czy masz podobne, a może słucha tego odcinka osoba, która może po części te życzenia spełnić? 🙂




Cieszę się, że udało mi się porozmawiać z Filipem. Przeszedł dość ciekawą ścieżkę, bo zaczął właściwie od analityka danych, potem pojawiło się Business Intelligence, następnie został Data Engineer. Teraz jest  ML’owcem i w tej roli akurat czuje się najbardziej komfortowo, więc jeżeli pracujesz właśnie jako osoba związana z danymi i chcesz zrobić krok do przodu, to jest konkretny i kolejny namacalny przykład, że to jest możliwe.

Zanim przejdziemy do rozmowy,  mam ogłoszenie dotyczące  DataWorkshop, czyli  spółki, którą prowadzę. Teraz był okres urlopowy, czyli można było sobie odpocząć. Akurat w tym czasie robimy kolejne, fajne postępy. Wydarzyło się kilka rzeczy, które mogą Cię zainteresować.



Uczysz się Data Science, ile chcesz i kiedy chcesz




1. Po pierwsze ruszamy z nową inicjatywą, która nazywa się DataWorkshop Club, która umożliwia Ci dostęp przez cały czas do serwerów i materiałów do nauki  jedynie za 20 zł. Masz tam mnóstwo różnych przykładów do rozwiązania. Zaczynamy od takich prostych rzeczy. Będziesz mieć tam dostęp do  DWthon – hack outside the box, później także do MasterClass, do lekcji z Pythona dla początkujących i różnych ściągawek. Działa to w taki sposób, że subskrybujesz swoje konto, płacisz  20 zł co miesiąc, od razu masz dostęp, logujesz się, niczego nie instalujesz, działasz. Najciekawsze jest to, że dzięki temu, że będziemy ciągle dawać kolejne rzeczy, przerabiając tylko te materiały, które tu mamy, możesz nauczyć się bardzo dużo.



Data Science & Machine Learning – kursy online



2. Jeszcze kilka krótkich zdań na temat tego, że ruszamy z kursami tej jesieni.  Jeżeli chodzi o online kurs Pythona to startujemy już 6 września. To jest kurs, który trwa 3 tygodnie i pomaga przede wszystkim nie tyle poznać Pythona jako język, ale jako narzędzie do pracy z danymi. To jest kluczowa różnica, bo my nie uczymy Pythona dla Pythona, tylko bardziej jak działać z danymi. Później zaczyna się główny kurs uczenia maszynowego (4 październik), który potrwa 8 tygodni. Jeszcze jest trzeci kurs, związany z przetwarzaniem języka naturalnego (NLP), ale to raczej taki krok do przodu, czyli najpierw trzeba przerobić przynajmniej bardziej fundamentalne rzeczy.



Zapraszam obserwować inicjatywy, które dzieją się na DataWorkshop. Jeżeli chcesz być praktykiem, jeżeli chcesz działać z uczeniem maszynowym i wdrażać te modele we właściwy sposób, to zwróć na to uwagę i zaangażuj się w działanie.

A teraz zapraszam Cię do przeczytania wywiadu z Filipem, poniżej znajdziesz transkrypcję naszej rozmowy. Posłuchać możesz tutaj.









Cześć Filip. Przedstaw się jak się nazywasz, skąd jesteś i czym się zajmujesz.

Cześć, nazywam się Filip Finfando. Jestem z Warszawy i obecnie pracuję jako Lead ML Engineer w firmie SonarHome. 



Dzisiaj zapowiada się całkiem fajny odcinek. Kilka ciekawych rzeczy na pewno tutaj wybrzmią. Ale zgodnie tradycją, na początek powiedz, co ostatnio fajnego przeczytałeś i podaj jakiś  jeden, dwa argumenty, dlaczego akurat warto to przeczytać. 


Ostatnio przeczytałem książkę „Projekt Feniks”. To jest taka książka IT w bardzo łatwo przyswajalnej formie powieści z punktu widzenia Machine Learning. Sprawiła, że zacząłem się zastanawiać czy i jak można takie dobre praktyki, DevOps’owe związane z zarządzaniem kodem przenieść do projektów machine learningowych. Nie jestem jeszcze przekonany, że wszystkie się da, ale na pewno część tak. Myślę, że to będzie bardzo ważny element projektów machine learningowych – taki zarządzania infrastrukturą i tym jak przenosić modele na produkcję.




Zanim przejdziemy do takiej rozmowy związanej z tym, czym teraz się zajmujesz to chciałbym trochę lepiej wyczuć i zbadać Twoją ścieżkę zawodową, bo wygląda bardzo ciekawie. Od samego początku jesteś związany z danymi, więc to jest taki wspólny mianownik tych wszystkich rzeczy, które wykonywałeś.

Ale z drugiej strony też to było tak, że zacząłeś jako analityk danych, potem było BI, Data Engineer, różne ETL’y i teraz ML Engineer (a właściwie już Team Lead ML). Więc jak to się stało, że zająłeś się ML i danymi od tej strony? Powiedz trochę więcej jak to widzisz ze swojej strony, bo z jednej strony widać taką różnorodność, ale w Twoich oczach to może wydawać się bardzo naturalne przejście.

Tak zupełnie od początku, to od dziecka moje zainteresowania zbiegały się wokół komputerów i informatyki. W liceum pomagałem znajomym w zadaniach dotyczących baz danych w Microsoft Access zrobić. To było ciekawe, pierwsze doświadczenie z bazami danych. Potem miałem taką fazę na studiach na wykorzystywanie technologii do lepszej komunikacji pomiędzy studentami i uczelnią. Zamiast planu zajęć w Excelu od uczelni, tworzyłem takie internetowe kalendarze, które były dostępne dla wszystkich roczników i z których korzystało w tym momencie kilka tysięcy osób.

Po studiach miałem przerwę na podróże i spędziłem rok odpoczywając trochę od nauki. Wtedy rozpoczęła się ta moja ścieżka, o której wspomniałeś. Pracowałem najpierw w zespole Social Wolves. Jest to platforma do robienia własnych projektów społecznych dla uczniów i studentów. Tam miałem rolę takiego Analityka. Podejmowałem inicjatywy, które umożliwiały robienie raportów, podejmowanie decyzji w oparciu o takie twarde dane o tym jak użytkownicy korzystają z tej platformy.

Następnie załapałem się na projekt rozbudowy hurtowni danych Mercedesa. To była rozbudowa z Polski na Czechy i Austrię, gdzie ugryzłem temat danych od takiej bardzo backendowej strony, bo była to przede wszystkim hurtownia danych. Przede wszystkim zajmowałem się utrzymaniem tej hurtowni i rozbudową.

Po projekcie poznałem Mateusza, obecnego prezesa SonarHome, który poszukiwał zespołu do projektów z Brainly, gdzie współpracowałem z kolei z zespołem BI. Tam też podszedłem do tematu od strony bardzo backendowej, przygotowania do nich, przetwarzania, aż na koniec tworzenia raportów. Ale była to zupełnie innego rodzaju firma. Raczej szybko rosnący startup niż firma Mercedes z wieloletnią tradycją. Bardzo podobny projekt, bo tam też trzeba było rozbudować hurtownię danych, ale zupełnie inne podejście, narzędzia, struktura zespołu. To było też ciekawe doświadczenie.

Zaraz po Brainly zaczęliśmy pracę nad SonarHome, gdzie zrobiliśmy pierwszą Wyceniarkę i to była chyba taka pierwsza styczność z Machine Learningiem. Jak zobaczyłem w praktyce jak to wygląda to pomyślałem, że to jest to czym chcę się zajmować, czym rozwijać.

W międzyczasie poszedłem na studia magisterskie Data Science. To był podwójny dyplom w Madrycie i Sztokholmie. Po powrocie już na cały etat zacząłem współpracować z SonarHome.

Więc rzeczywiście mam takie doświadczenie z różnych stron. Trochę takiego BI bez Machine Learningu czyli raportowanie hurtowni danych, wykorzystanie danych, ale bez modelowania. Potem zacząłem iść bardziej w Machine Learning.


Ciekawa historia, że od dziecka interesowałeś się danymi, różnego rodzaju analizą. W tej chwili próbowałeś różnych rzeczy, już jesteś jako ML’owiec. Ciekaw jestem czy to jest właśnie to co Cię najbardziej kręci z tego wszystkiego co było przedtem?

Tak, zdecydowanie to wydaje mi się najbardziej ciekawe. Też nie ukrywajmy, że dużo się  o tym mówi i jest hype wokół sztucznej inteligencji i Machine Learningu. Więc na pewno to miało swój wpływ, że wybrałem taką ścieżkę. Ale też tak zupełnie się próbując odciąć od tego to ta praca z hurtowniami danych po prostu nie pociągała mnie aż tak bardzo. Była bardzo techniczna, zdecydowanie mniej niż teraz było tam pracy z biznesem, rozwoju biznesu. Jeśli była współpraca z biznesem to raczej w takim zakresie jak lepiej monitorować procesy, które już istnieją. A z kolei tutaj współpracujemy z zespołem produktowym i operacyjnym, gdzie myślimy jak tworzyć nowe procesy i jak zupełnie z innej strony ugryźć.


Zdecydowanie. Bardzo czuć, że lubisz rzeczy, które wpływają na świat i tworzenie tych rzeczy niż tylko stabilizacja już istniejących procesów. Po drugie też taki challenge, kiedy nie wiesz jeszcze jak to zrobić, ale próbujesz to ugryźć z różnych stron, rozmawiając z różnymi ludźmi, popełniając pewne błędy, naprawiając je, korygując. To jest taki trochę inny tryb myślenia.

Przejdźmy teraz już do SonarHome, do firmy, w której obecnie pracujesz, która jak każda firma, musi jakiś problem rozwiązywać. Jaki problem rozwiązuje SonarHome?

SonarHome pomaga zarówno kupującym jak i sprzedającym podjąć najlepszą decyzję. Z jednej strony, przede wszystkim dla sprzedających chcemy opowiedzieć o rynku, pokazać dane, cenę i to jest nasza pierwsza usługa. Można wycenić dowolne mieszkanie w miastach, w których działamy i dowiedzieć się o szacowanej wartości swojego mieszkania. Jeśli taka osoba zainteresowana jest sprzedażą szybko, mamy dostępną usługę iBuying, gdzie w imieniu firmy składamy ofertę na zakup tego mieszkania. Oferujemy cenę rynkową, uwzględniając nasze koszty.

Mamy też drugą usługę digital brokera, która jest skierowana do sprzedających, którym nie zależy tak bardzo na czasie, a bardziej na cenie. Są to osoby, które są w stanie poczekać dłużej, żeby tą cenę zmaksymalizować. Jest to usługa podobna do usługi pośrednictwa nieruchomościami. Z tym, że staramy się do tego podejść w sposób lepszy, pokazać użytkownikowi więcej danych, dać mu dostęp do wiedzy o rynku i zawsze jeśli zacznie mu zależeć na czasie, mamy też dostępną tą usługę iBuying.



Myślę, żeby to było bardziej zrozumiałe dla słuchaczy, zróbmy taki eksperyment: załóżmy, że mieszkam w Warszawie, nazywam się Adam Nowak. Mam mieszkanie i tak się składa, że chcę się przeprowadzić do innego miasta albo wyjechać gdzieś i to mieszkanie chce sprzedać z jakiegoś tam powodu.



Zajmuję się zupełnie czymś innym, np. uczeniem maszynowym albo jestem zwykłym programistą, który zarobił sobie na to mieszkanie, ale totalnie się nie znam na tych wszystkich zawiłych, skomplikowanych procesach i tak sobie rozważam czy sprzedać to samemu czy pójść może gdzieś, poszukać wsparcia w takim bardziej analogowym rynku czy właśnie się zgłosić do Was.

Załóżmy, że wybieram ten sposób bardziej cyfrowy. Jak to wygląda?

Jeśli jesteś osobą, która nie ma wiedzy aktualnej o tym jakie są ceny, ile te moje mieszkanie w ogóle jest warte to możesz oczywiście skorzystać z naszej darmowej wyceny, która jest na stronie i otrzymać taką szacowaną wartość swojej nieruchomości. To jest narzędzie, które jest dostępne dla wszystkich, za darmo wycenimy każde mieszkanie w Warszawie. Jeśli chcesz się przeprowadzić szybko i nie mieć kłopotu związanego ze sprzedażą czyli załóżmy, że wyprowadzasz się za granicę.



To jest trochę trudniej i wtedy też ta usługa iBuyingu bardziej pasuje, bo to co ta usługa Ci oferuje to, że nie będziesz musiał poświęcać czasu na tą sprzedaż. Czyli zazwyczaj jeśli byś chciał sprzedać to mieszkanie samodzielnie to musiałbyś przygotować to mieszkanie do sprzedaży, umówić z jakimś fotografem albo samemu zrobić zdjęcia, wystawić to mieszkanie na portal, zaczekać na pierwszych kupujących, pokazać im to mieszkanie. Potem jak już któryś się zdecyduje to oczywiście wizyta u notariusza. Coś tam się może jeszcze oczywiście po drodze okazać, że coś jest do załatwienia. Taki proces oczywiście zajmuje czas.

Jeśli chcesz szybko wyjechać to możesz takie mieszkanie zgłosić do nas. My przeprowadzimy wizytę w mieszkaniu, potwierdzimy tą wycenę, którą otrzymałeś na początku i dostaniesz od nas ofertę odkupu tego mieszkania w ciągu 48 godzin. Jeśli zdecydujesz, że to jest dla Ciebie atrakcyjna oferta, możesz skorzystać z niej i w ciągu 7 dni domknąć transakcję i nam je odsprzedać.


Wybrzmiało tu już kilka istotnych kwestii. Nie muszę się za bardzo spotykać z ludźmi, bo proces sprzedaży tego wymaga. Musisz się spotykać cały czas z różnymi, obcymi ludźmi, którzy dość często są mistrzami w negocjacji. To różnie bywa, ale dość często są pośrednicy, którzy potrafią tak wykręcić Ciebie słowami, że nie wiesz co z tym zrobić. Więc w tym przypadku wybrzmiało, że wystarczy zgłosić się do Was i na tym to się kończy, jeśli chodzi o spotykanie się z ludźmi.

Wybrzmiały jeszcze dwie fajne rzeczy – 48 godzin, spróbujmy zrozumieć co to oznacza w praktyce. Czy to oznacza, że już po tej wycenie, w ciągu 48 godzin może zapaść decyzja i już po 48 godzinach idzie przelew?

Nie, przelew dopiero po podpisaniu umowy. Oczywiście najczęściej to się odbywa w formie depozytu notarialnego.


A ile do tego przelewu? Tak jak mówiliśmy, np. wyjeżdżam za granicę i chciałbym wszystko domknąć. Czy to jest miesiąc czekania?

W ciągu 7 dni jesteśmy w stanie się spotkać u notariusza.


Ok, rozumiem. Natomiast wybrzmiała jeszcze jedna ważna rzecz. Właśnie po to w ogóle ten odcinek nagrywamy, bo jedna rzecz to oczywiście powiedzieć jaki jest problem, wartość dodana, ale wybrzmiała rzecz, że jest wstępna wycena. W jaki sposób ta wstępna wycena powstaje?

Tak, mówimy teraz o wstępnej wycenie, wycenie automatycznej, którą możesz u nas otrzymać za darmo na naszej stronie. Jest to wycena online, w pełni automatyczna. Jest to model machine learningowy, który działa u nas w firmie. Jest to model, który zwraca szacowaną cenę rynkową nieruchomości na dany, konkretny dzień. Wykorzystuje on dane z różnych źródeł, korzystamy z danych transakcyjnych, ofertowych.




Coraz więcej mamy też naszych transakcji, których my dokonujemy, więc to są też dane transakcyjne, tylko wiemy o nich dużo więcej, ponieważ sami je dokonaliśmy. Na podstawie tych danych oraz oczywiście parametrów, które użytkownik podał na stronie, przygotowujemy taką wstępną wycenę. To jest nie tylko wycena, użytkownik ma też możliwość pobrania raportów, w którym znajdują się też dodatkowe informacje o tym ile mieszkanie może być warte w wyższym albo niższym standardzie, jakie są podobne mieszkania w okolicy aktualnie wystawione na sprzedaż oraz podobne transakcje z okolicy i ich ceny.

Jeżeli chodzi w ogóle o model, który prognozuje ceny nieruchomości to jest taki dość klasyczny przypadek. Też na moich kursach, mieliśmy taki fajny konkurs. Ostatnio robiłem też taki Masterclass, gdzie pokazywałem różne przypadki jak takie modele można budować (tylko na Masterclassie mieliśmy nieruchomość z Moskwy). Generalnie rzecz biorąc ten model działa całkiem dobrze, natomiast jest jedno bardzo ważne „ale”, które już wybrzmiało, ale nie wiem czy wszyscy zwrócili na to uwagę.







De facto jeżeli chodzi o ten model, który ja przerabiam np. na kursie albo który miałem na Masterclassie to jeżeli się zastanowić to skąd mamy dane? Mamy dane po prostu z Internetu czyli są jakieś ogłoszenia.

Jeżeli pomyślimy o tym trochę więcej to okazuje się, że to co my robimy to nie jest prognozowanie cen nieruchomości (przynajmniej transakcyjnych) tylko to jest prognozowanie cen nieruchomości w ogłoszeniu. To jest istotna różnica w tym całym biznesie. A w waszym przypadku, macie już dane transakcyjne.



To jest bardzo ważna rzecz jeżeli chodzi o sprzedaż mieszkania. Wiem, że nie możesz wszystkiego zdradzać, ale trochę już zbadałem i znam trochę liczb, np. to, że w styczniu 2021 r. mieliście 100 tys. danych transakcyjnych, przy czym z różnych miast (m.in. Warszawa króluje i kilka innych, większych miast w Polsce). Też macie dane normalne, ogłoszeniowe, które zbieracie.

Jeżeli chodzi o dane transakcyjne, na ile to jest duże wyzwanie, aby takie dane w Polsce pozyskać? Wam się udało, ale na ile to było trudne?

Bardzo słusznie tutaj zauważasz. Też nasi klienci, z którymi rozmawiamy, też oczywiście rozumieją różnicę między ceną ofertową, a transakcyjną. Nawet też we wszystkich opracowaniach, raportach rynkowych są zawsze wyjaśnione różnice między ceną transakcyjną, a ofertową. Z uwagi na to, że my korzystamy z wielu źródeł i chcemy z dwóch światów wziąć to co najlepsze, natomiast my tą cenę, którą proponujemy nazywamy ceną rynkową. To jest taka cena, która naszym zdaniem jest szacowaną ceną rynkową tej nieruchomości. 

Jeżeli chodzi o dane transakcyjne to w Polsce takie dane są zbierane przez lokalny urząd. To się nazywa rejestr cen i wartości nieruchomości i te dane są dostępne. W zależności od tego, jak chcemy je wykorzystywać to różną stawkę trzeba za każdą transakcję zapłacić. 

W innych krajach to wygląda trochę lepiej. Pewnie nie we wszystkich, ale np. w Wielkiej Brytanii taki rejestr jest w ogóle publicznie dostępny za darmo dla wszystkich. Jest nawet API, gdzie można sobie te dane pobierać. U nas jest to nieco trudniejsze, ale te dane są. Nie znaczy to też to, że te dane są gotowe od razu do wykorzystania. Chociażby w porównaniu do danych ofertowych, w danych transakcyjnych nie ma zdjęć tych mieszkań na przykład. Więc nie do końca z danych transakcyjnych wiadomo w jakim standardzie jest to mieszkanie, które zostało sprzedane. A jednak wciąż standard mieszkania jest dosyć istotnym składnikiem ceny i z tego powodu też np. wykorzystujemy inne źródła, aby podawać tą cenę rynkową.


Jeżeli chodzi o UK – każdy może podejrzeć za ile sąsiad kupił swoje mieszkanie na przykład, tak?

Tak. W zasadzie sam tego rejestru nie sprawdzałem, ale chyba ze 2 lata temu patrzyłem, bardzo ładna strona, można było konkretny adres odszukać i znaleźć tą transakcję oraz jej cenę.

W Polsce te transakcje również można odszukać. Każde miasto prowadzi taki rejestr. Chyba w Geoportalu można podejrzeć czy transakcja miała miejsce. Natomiast nie można podejrzeć jej ceny, a oczywiście cena chyba nas najbardziej interesuje. Za to niestety trzeba w Polsce obecnie zapłacić.


Już powiedzieliśmy w jaki sposób dane zostały pozyskane. Więc jeżeli ktoś chciałby to powtórzyć to po prostu musi  zrozumieć, że musi pomnożyć stawkę jednego rekordu, który prawdopodobnie też jest zmienny – razy np. 100 tys. i to są tylko dane, z których można wystartować. 

Teraz porozmawiajmy trochę o ceny ofert – cena ofertowa i transakcyjna. Tutaj logiczną rzeczą, która bardzo się prosi to próbować te rzeczy połączyć. Prawdopodobnie jest to duże wyzwanie, ale na pewno to robiliście. Powiedz trochę więcej, jakie wnioski z tego wypłynęły. Pewnie ceny transakcyjne są tańsze, ale może jestem w błędzie? 

Tak, tutaj oczywiście masz rację. Ceny transakcyjne zazwyczaj są tańsze. Są bardzo jednostkowe przypadki, gdzie cena transakcyjna była równa cenie ofertowej. Nie jest to łatwe zadanie na pewno. Tak jak wspominałem, w cenach transakcyjnych mamy różne braki. W danych ofertowych też mamy braki. Każdy kto oglądał oferty mieszkań na portalach nieruchomości wie, że tam najczęściej trzeba zadzwonić na numer telefonu i np. się dowiedzieć, gdzie to mieszkanie w ogóle faktycznie się znajduje.




A i tak nie ma gwarancji, że tą informację dostaniemy, bo często dowiemy się dopiero na miejscu. Jest też takie przesunięcie czasowe. Nie do końca wiemy wiemy, kiedy dana transakcja wystąpiła. Ale też nie zawsze wiemy w jakim to było odstępie od oferty. Więc jest to trudne zadanie, ale mamy na to swoje sposoby. Mamy też dane wewnętrzne. Oczywiście jesteśmy świadomi tej różnicy i uwzględniamy ją w naszych cenach automatycznych.


Chodźmy dalej jeżeli chodzi o jakieś konkrety, bo fajnie sobie opowiadać, że robimy prognozowanie, ale na co to wpływa? Znów wiemy, że tutaj nie koniecznie jest łatwo tą informacje wyciągnąć, ale jest pewna publiczna informacja, którą znalazłem i tam było tak: na styczeń 2021 r. – 166 transakcji (tyle było kupionych) i aż 65 mln zł – tyle to kosztowało, żeby tyle nieruchomości zdobyć.




Tam nie było powiedziane nic więcej, ale mój mózg analityczny chce się bawić tymi liczbami, więc podzielił jedną liczbę przez drugą i wyszło nam ok. 390 tys. za pojedynczą nieruchomość. Więc dla Warszawy to brzmi jako bardzo tanie mieszkanie, prawdopodobnie jedno, maksymalnie dwupokojowe. Opowiedz troszkę więcej, czy tutaj działacie tylko z takimi malutkimi nieruchomościami i z czego to wynika?


Zaczynaliśmy głównie od małych mieszkań. Z uwagi przede wszystkim na dostępność kapitału oraz ryzyko takiej transakcji. Na pewno lepiej i szybciej można znaleźć kupującego na mniejsze mieszkanie niż na większe. Teraz, gdy już niedawno zebraliśmy kolejną rundę w finansowaniu, zaczynamy interesować się również większymi mieszkaniami i myślę, że jakbyś sprawdził teraz na naszej stronie to takie mieszkania tam na pewno się już pojawiają – 60-70 metrowe są już teraz dostępne. 


Więc początek trzeba robić dość ostrożnie, ale teraz jak już coraz lepiej się czujecie na tym terenie to można robić bardziej odważne kroki. Inna rzecz, nad która się zastanawiałem – w jaki sposób podejmuje się decyzje, że firma bierze na siebie ryzyko, aby kupić to mieszkanie? Z jednej strony to jest w miarę już opisane na stronie albo gdzieś tam można znaleźć w Internecie, że na pewno tam jest element związany z ML czyli wycena automatyczna, wstępna, która się pojawia.




Potem jest jeszcze taki drugi czynnik czyli taka fizyczna weryfikacja – ktoś idzie do tego mieszkania i sprawdza. Powiedz coś więcej o tej drugiej części czyli taki proces decyzyjny pomiędzy wyceną automatyczną i faktycznym kupnem. Co się dzieje jeszcze?


W tym pierwszym etapie użytkownik otrzymuje tą wycenę automatyczną. Jeśli jest zainteresowanie sprzedażą mieszkania, odbywa się z nim rozmowa, aby zrozumieć jego potrzeby. Proponowana jest usługa iBuyingu albo digital brokera w zależności od potrzeb i preferencji. 


Jeśli chodzi o iBuying to na pewno musimy takie mieszkanie zobaczyć czyli jest rozmowa ze sprzedającym oraz wizyta w mieszkaniu. Chodzi o to, aby obejrzeć mieszkanie, sprawdzić czy standard podany przez klienta zgadza się ze standardem faktycznym mieszkania. Chodzi o to, żeby też omówić czy są jakieś wady prawne lokalu, czy tam nie ma jakiegoś dodatkowego ryzyka, które powinniśmy uwzględnić w wycenie i przede wszystkim zweryfikować wszystkie te dane, które zostały podane przez klienta. 


Jeśli chodzi o czynniki, które mogą jeszcze wpływać na tą cenę to klient wraz z wyceną otrzymuje taki raport wraz z wyszczególnieniem takich rzeczy, które mogą wpłynąć na obniżenie bądź wzrost tej oferty, którą potem otrzyma.

Po takiej wizycie, gdy już mamy komplet informacji potwierdzonych o konkretnym mieszkaniu, dokonujemy jeszcze wyceny z uwzględnieniem tych wszystkich czynników i klient otrzymuje od nas ofertę zakupu tego mieszkania. Teraz to już klient może tą wycenę zaakceptować lub nie. Jeśli ta wycena jest dla niego nieakceptowalna i jest w stanie zaczekać więcej na sprzedaż, możemy jeszcze zaproponować usługę digital broker czyli usługę pośrednictwa, wsparcia w sprzedaży już bez kupna mieszkania bez SonarHome.

Teraz mi się skojarzyło, że jest taki startup w Stanach (bardziej związany z samochodami) – CarMax. Oni właśnie wspierają przy zakupie samochodu, który ktoś już odsprzedaje czyli to nie rynek pierwotny. Problem, który tam jest to jest taki problem życiowy, że człowiek, który chce kupić samochód używany to ma pewne dylematy przed rozmową z kimś, żeby ktoś coś nie wcisnął, też trochę takie dylematy prawne (może ktoś ten samochód skradł). Fajnie, żeby ktoś to zrobił fachowo.



To co tutaj usłyszałem w tej chwili to sprawdzenie stanu faktycznego, prawnego to są dość mozolne tematy. Ludzie, którzy na tym się znają to wiedzą co to jest. W ogóle jeżeli chodzi o prawników, księgowych to zawsze, kiedy idę do tych pokojów to zawsze myślę czemu świat jest taki skomplikowany i zły, wszystkiego musisz się bać. Nie dlatego, że oni chcą Cię przestraszyć, ale faktycznie jest dużo różnych, takich dziwnych rzeczy, które mogą Cię gdzieś „ugryźć”. Zresztą na naszym webinarze możesz zobaczyć, jeżeli chodzi o taką rozmowę z prawnikiem, że możesz np. kupić mieszkanie, ale potem to może być po prostu transakcja nieważna.




Mimo tego, że wziąłeś kredyt, który musisz spłacić. Mało tego, jak bank się dowie to wypowie umowę i musisz natychmiast to spłacić. Więc sytuacja może być bardzo nieprzyjemna. Taki zwykły, uczciwy człowiek, nie wiedząc takich rzeczy, może stać się ofiarą. Więc pod tym względem to, że ktoś kto na tym się zna bierze na siebie taką odpowiedzialność to jest mega fajna rzecz. 


Przytoczyłem ten przykład jeżeli chodzi o samochody – oni właśnie zrobili podobną rzecz, że wzięli na siebie takie różne, nieprzyjemne rzeczy do weryfikacji, które koniecznie trzeba zweryfikować i dzięki temu zebrali w krótkim czasie bardzo dużą bazę klientów, bo klient nie musi się o to martwić. Po prostu ma większe zaufanie, że ktoś to zrobił dobrze i że po prostu nie stanie się taką ofiarą kogoś niefajnego.


Dokładnie. My się dokładnie to staramy też robić. Osoba, która chce kupić od nas mieszkanie, może być pewna, że nie musi się tutaj martwić, że w mieszkaniu są jakieś ukryte wady czy mieszkanie jest czyste pod kątem prawnym. Ale też wie wszystko o tym, co jest w mieszkaniu, jakiego jest standardu i nie ma tam nic do ukrycia. 


Ja w ogóle uważam, że to jest właśnie jeden z takich pierwotnych problemów na rynku Polskim, który staramy się rozwiązać. Przynajmniej ja mam takie wrażenie. Mam w rodzinie dwie osoby, które pracują właśnie w branży nieruchomości albo pracowały w Kalifornii na rynku nieruchomości jako pośrednik i też w Polsce. Jednak ta praca pośrednika wygląda zupełnie inaczej. Zwłaszcza teraz w Polsce, kiedy zawód pośrednika jest zderegulowany i właściwie tam możemy trafić na kogokolwiek po drugiej stronie to to zaufanie obniżyło się i ludzie nie są skłonni podpisywać w ogóle umów na wyłączność z pośrednikami. 


To jest coś, co staramy się też poprzez nasze usługi rozwiązać.

Transparentność w takim obszarze jest kluczowa, bo jednak te koszty czasem są takie…. Czasem zwykły człowiek, w szczególności w Polsce, raz w życiu podejmuje taką decyzję na przykład kupna mieszkania. Więc to jest ważna decyzja, przez to, że robię to raz to gdzie miałbym się tego nauczyć?


Ale wróćmy do decyzji, bo chciałbym to domknąć. Tak jak powiedzieliśmy, jest ten element automatyczny ML’owy, ale jest też element taki jak sprawdzenie stanu faktycznego i prawnego. To wszystko się łączy i jest decyzja KUPUJEMY. Jak Ty się czujesz jako osoba, która właśnie jest Team Leadem zespołu ML, że wpływasz na czynnik podejmowania decyzji? Czyli to nie jest jedyny czynnik, który wpływa na to czy kupisz czy nie kupisz. Ale z drugiej strony czuć, że to jest kluczowy czynnik, bo też pewne rzeczy mogą nie zadziałać, jeżeli coś źle zrobisz. Jak z tym się czujesz, jak sobie z tym radzisz i jak to usprawnić?


Jest to pewna odpowiedzialność. Nie tylko wobec firmy, która powinna podejmować decyzje kupna, na których nie straci. Ale też wobec kupujących, chciałbym, żeby wyceny, które pokazujemy na stronie były jak najbliższe tym wycenom rynkowym i żeby nie zdarzało się, że te wyceny gdzieś wprowadzają w błąd osoby, które mogą się mniej znać na rynku. Więc czuję taką odpowiedzialność i każdy taki przypadek jak ktoś nam zgłasza wewnętrznie czy klient, że ta wycena nie zgadza się z jego przeczuciem czy oczekiwaniami – weryfikujemy.




Mamy taki proces oraz narzędzia, które umożliwiają nam każdą taką wycenę sprawdzić, porównać z tym co jest aktualnie na rynku. Mam na myśli zarówno oferty jak i transakcje, zobaczyć ten zbiór danych, na którym uczymy nasz model i po prostu zweryfikować czy faktycznie tutaj my się pomyliliśmy, czy może sytuacja na rynku się zmieniła, czy może ktoś ma błędne wyobrażenia o tym jakie aktualnie są ceny. Korzystamy też z wiedzy, którą mają eksperci u nas w firmie, osoby, które wyceniają te mieszkania, już zobaczyły ich niezliczoną ilość – to też zawsze jest nieoceniona pomoc. Tak sobie w ten sposób radzimy.


No właśnie, bo z jednej strony osoba, która sprzedaje to pewnie zawsze powie: „Niech Pan nie żartuje, daj więcej” i to jest takie naturalne, bo zawsze się chce sprzedać jak najwięcej. Ale z drugiej strony, model zawsze może się pomylić, więc faktycznie umiejętność odróżnienia subiektywnej opinii (w szczególności osoba, która sprzedaje) od tego, że faktycznie tutaj dałoby się to jakoś inaczej podkręcić, bo po prostu model w jakiś sposób nie wyczuł czynnika, który człowiek wyczuwa. A model albo w ogóle nie dostał tej cechy, albo jakoś nie poradził sobie z tą cechą w odpowiedni sposób.


Dajmy może jakiś przykład. Na przykład – duży ogród.


Tak, bardzo często osoby mają albo jakąś szeregówkę, albo mieszkanie na parterze z ogrodem to niestety nie mamy w naszej “Wyceniarce” takiej zmiennej. Na stronie można zobaczyć, nie ma tam gdzie wpisać ogrodu. Ale bardzo często klient oczekuje, że to gdzieś zostanie tam wyliczone.

Jak komunikujemy się z klientem to staramy się informować co możemy wziąć pod uwagę, co nie, co wpływa na tą wycenę automatyczną i co może wpłynąć na to, że ta wycena ostateczna czyli ta nasza oferta będzie inna niż ta początkowa. 


Oczywiście, możemy też się pomylić, możemy konkretnych mieszkań nie mieć w zbiorze danych (może się zdarzyć takie wyjątkowe mieszkanie). Tak jak wspomniałem, przypadek po przypadku staramy się zawężać ten zbiór, ten segment mieszkań, których nie potrafimy wycenić albo wyceniamy trochę gorzej.


Dobrze, więc zrozumiała jest intencja. Dążycie do tego, żeby tutaj zrobić to maksymalnie fair i to nie jest tylko marketing, tylko na tym zależy w tej całej branży, bo akurat ważniejsze jest długodystansowe niż szybkie zyski, więc wszystko się zgadza. Jedynie co warto tu wyjaśnić, jedną rzecz dość kluczową, bo prognozujecie maksymalnie cenę rynkową, ale z drugiej strony jesteście firmą, więc jakoś musicie zarabiać, żeby to wszystko utrzymywać. Wyjaśnijmy jeszcze w jaki sposób firma zarabia?


W przypadku iBuyingu wyceniamy mieszkanie, podajemy cenę rynkową, natomiast cena, za którą zaproponujemy kupić mieszkanie klientowi jest to cena, która uwzględnia też nasze koszty – czy to koszty odświeżenia mieszania, koszty kapitału, czy uwzględnia jakieś ryzyko np. związane z tym, że jest to jakiś segment rynku, który jest mniej płynny albo jest to duże mieszkanie i dłużej zajmuje znalezienie na nie kupującego. Ta cena uwzględnia nasze koszty, ale też właśnie tą naszą prowizję. Finalnie ta różnica wynosi mniej więcej tyle, co życzy sobie pośrednik nieruchomości za tę usługę.


Jasne, rozumiem. Czyli w tym przypadku też jest transparentność czyli z jednej strony wiadomo jaka jest cena rynkowa, od tego wprost mówicie, że tyle procent zabieracie za swoją usługę, zdejmujecie ten cały ciężar z pleców tej osoby, która chce sprzedać. Nawet do 7 dni już te pieniądze mogą trafić na konto, a decyzja nawet do 2 dni.


Wszystko to już jest w miarę chyba zrozumiałe. Wszystko opisane. Myślę, że każdy będzie w stanie to usłyszeć.

Powiedz jeszcze trochę więcej tak od strony ML’owej. Takie rzeczy, które Cię zaskoczyły, też takie wyzwania, które w tej chwili macie. 


Na pierwszym miejscu jest oczywiście wycena. Na Wyceniarkę mówimy AVM czyli Automatic Valuation Model. W związku z tym, że pracujemy na danych z różnych źródeł, te dane są różnej jakości, w zespole ML pracujemy też nad szeregiem modeli, które pracują nad tymi danymi czyli są to takie meta modele, które nam pozwalają trochę poprawić jakość tych danych. Nie będę tutaj wchodził w szczegóły, ale pewnie jak osoby, które miały okazję przeglądać ogłoszenia np. na portalach czy właśnie kupić te transakcje, o których mówiłem wcześniej z urzędu to tam szybko można zauważyć co jest nie tak. To są różne problemy. 


Mamy kilka takich rozwiązań. Niektóre są prostsze, niektóre bardziej skomplikowane, które pozwalają nam wyciągać więcej danych np. z opisów tych nieruchomości, ze zdjęć i dzięki temu więcej tych danych wrzucić do naszej wyceny. Korzystamy również z danych publicznych (nie tylko tych transakcyjnych). Danych np. o tym jakie są adresy w danym mieście, jakie są lokalizacje, łączymy to z transakcjami i to wszystko nam tworzy taki ekosystem, w którym możemy o konkretnym adresie powiedzieć bardzo dużo. Nie tylko powiedzieć jaka jest nasza wycena, ale też jakie tam są mieszkania, rok budowy, jakie tam transakcje się odbywały. To wszystko daje nam taką synergię, którą staramy się w Wyceniarce przekazać użytkownikowi. 


COVID nam tutaj namieszał troszkę we wszystkim. Zmieniła się dynamika w danych i też w nieruchomościach, chociaż w trochę nieoczekiwany sposób, chyba niekoniecznie to zawsze musi rosnąć, bo w sumie cały czas czekają w Polsce kryzysy na rynku nieruchomości, a tutaj cały czas to wystrzela. I to jest dość ciekawe. Zresztą, jeżeli chodzi o raporty, które polecam do obejrzenia, macie dostępne na swojej stronie i to można pobrać. Między innymi tam był taki jeden z najświeższych raportów i tam widać np. styczeń 2020 – mediana za metr kwadratowy – 10 500 zł, a już w czerwcu 2021 – mamy prawie 12 000 zł i to cały czas sobie rośnie jak szalone. A jeszcze jeżeli chodzi o ten okres to jeszcze bardziej to wzrosło.




Nie wiem jak jest dynamika stron z akcjami, bo akurat do takich danych w ogóle nie mam dostępu, więc ciężko mi to stwierdzić. Na pewno wiem, że coś się pozmieniało, więc powiedz trochę więcej. Bo fajnie, że są dane historyczne, ale to wszystko się aktualizuje i płynie jak w rzece, więc jakie tu macie wyzwania, jak sobie tu z tym radzicie? Jak rynek wygląda pod kupnem sprzedaży? Czy to faktycznie wzrosło, jeżeli chodzi o liczbę transakcji? Czy to jest tak, że popyt wzrósł czy inaczej to rośnie?


 

Jeśli chodzi o transakcje to na pewno sami dokonujemy tych transakcji, więc mamy informacje z pierwszej ręki i na bieżąco o tym co się dzieje. Rzeczywiście, warunki są takie, że te ceny faktycznie rosną. Nie wiem czy to są dokładnie takie same tempo jak wzrost cen ofertowych, bo tutaj wszyscy widzą, łapią się za głowę i nie wierzą. Rzeczywiście tutaj to się może różnić obecnie.


To jest też takie wyzwanie, że te dane transakcyjne są ciężko dostępne. My je mamy tyle ile nam się uda samemu wygenerować, ale to co my akurat kupujemy to może być jakiś wąski wycinek rynek. Nie jesteśmy jeszcze tutaj firmą, która jakąś bardzo istotną część rynku obsługuje. Nie mamy dostępu do transakcji publicznych. Można je oczywiście kupić, ale one też nie zawsze wpływają na bieżąco do urzędu. Często jest opóźnienie rządu kilku miesięcy, więc to też jest takie wyzwanie związane z jakością tych danych transakcyjnych.


Staramy się na pewno obserwować sytuację na rynku. Mamy dane na bieżące nasze. Mamy dane na bieżąco agregowane z Internetu, które też bardzo dużo nam mówią o tym w jakim stanie jest rynek obecnie. Staramy się monitorować sytuację i patrzeć czy są jakieś znaki zmian na horyzoncie.



Opóźnienie kilka miesięcy od urzędu to jest dość dużo.

Niestety, to jest chyba największy minus tych danych, bo płaci się za nie, oczekuje się czegoś bardzo aktualnego, natomiast okazuje się, że w środku niestety bardzo często wymaga to jakiejś dodatkowej obróbki albo dodatkowych źródeł danych, które by mogły pomóc ich użyć.


Już istniejecie od kilku lat. Też wybrzmiała ta liczba 65 mln, która już była na styczeń. Też pozyskaliście kolejne dofinansowania na zakup mieszkań 25 mln, więc to oznacza, że się kręci i apetyt rośnie w miarę jedzenia.


Z tego co rozumiem to są już plany wyjścia za granicę. Na razie taką najbliższą zagranicę, pewnie do sąsiadów. Coś możesz powiedzieć na ten temat? Czy to jest raczej takie marzenie czyli nie ma konkretnego deadline? Czy już jest wpisane w roadmap, że tam działacie?


Na pewno rozglądamy się nad zagranicą. Jesteśmy firmą, w którą zainwestował fundusze Fundusz Venture Capital, więc oczywiście oczekiwania są duże co do wzrostu. Pewnie w Polsce samej nie bylibyśmy w stanie tego zaspokoić. Więc na horyzoncie na pewno jest zagranica. Natomiast jeżeli chodzi o konkrety to wolałbym zaczekać na oficjalny komunikat.


Jasne, rozumiem.

Zbliżając ku końcu, załóżmy, że słucha nas osoba, która w jakiś sposób może wpłynąć na to, aby urzędy stały się troszkę bardziej sprawniejsze pod kątem dostępności danych, proces bardziej cyfrowy, blisko real time czyli sprzedałem nieruchomość, a następnego dnia te dane są już dostępne.



Albo też jeżeli chodzi o strukturę danych, o tym troszkę nie porozmawialiśmy, ale też tam pewnie są wyzwania, żeby te dane łączyć. Co chciałbyś przekazać takiej osobie albo osobie, która może wpłynąć na to? Ale też nie tylko ponarzekać, ale też na co to wpłynie? W moim rozumieniu, jeżeli dane staną się bardziej dostępne jak to np. w UK jest to też wpłynie na cały rynek. Ostatecznie wszyscy, którzy tu mieszkają, mogą na tym zyskać.


Tak, miałem do czynienia właśnie z takim problemem na uczelni podczas gdy robiłem te kalendarze dla wszystkich roczników. To była moja taka oddolna inicjatywa. Natomiast uczelnia, jako uczelnia publiczna Szkoła Główna Handlowa w Warszawie, z takiej pozycji urzędu mówiła mi co ja mogę, a co nie. Próbowałem jakoś to zmienić, bocznymi drzwiami to rozwiązanie moje udostępniać przez oficjalne kanały. Na pewno jest to wyzwanie. Szczerze mówiąc nie mam pojęcia czy są jakieś ograniczenia prawne, które mamy w kraju czy to wynika z tego, że to jeszcze dopiero ma zostać udostępnione. Ciężko jest jakąś taką presję wywierać i pokazywać palcem co powinniśmy zrobić. 


Na pewno rynek mieszkaniowy, który jest rynkiem bardzo mało elastycznym. Każde mieszkanie jest wyjątkowe, niektóre mniej, bo jest ich wiele na osiedlu, na którym są bloki bardzo podobne, zbudowane w tym samym czasie. Taki sam mają układ i to może jest trochę łatwiej. Ale im więcej tych różnego typu osiedli tym mniej jest to wszystko elastyczne, ciężej to wycenić. Na pewno jeśli te dane będą dostępne łatwiej i w czasie rzeczywistym to też ten rynek powinien lepiej działać. Ta asymetria informacji pomiędzy różnymi stronami, powinna zostać jakoś likwidowana. Myślę, że na rynek jako taki to powinno zadziałać pozytywnie. 


My też wtedy, jako firma, która zajmuje się tymi transakcjami, m.in. mamy większe możliwości, żeby weryfikować nasze dane i poprawiać dokładność naszych wycen.


Więc trzymam kciuki. Mam nadzieję, że to jak najszybciej się stanie.


Zobaczymy. Taki przykład, jeśli chodzi o firmę. Na przykład jest eKRS. W Polsce to wszystko w tej chwili jest przezroczyste, jeżeli chodzi przynajmniej o spółki. To jest dość wygodne i korzystne, myślę, że też niewiele osób na tym zyskało, chociaż jeżeli cofniemy się w czasie to nie było tak od zawsze.




Więc ja myślę, że ta rozmowa w pewnym sensie może być taką motywacją i inspiracją dla osób, które mogłyby na to wpłynąć, że prawdopodobnie są pewne ograniczenia, więc to nie chodzi o to, żeby ponarzekać. Pewne prawne ograniczenia, systemowe itd. Ale wydaje się, że ta transparentność ostatecznie wygrywa i daje znacznie więcej możliwości, bo więcej pojawia się zaufania i mniej możliwości do jakiś dziwnych manipulacji albo dziwnych przekrętów, które niestety mogą tutaj się pojawić. Myślę, że ten odcinek pod tym względem może wnieść wartość dodaną. Plus zobacz co najmniej przykład UK. Myślę, że też w krajach skandynawskich, one też są mega otwarci pod kątem dostępności.


Chociaż to różnie bywa, niektóre obszary są z kolei bardzo mocno uregulowane. W Szwecji ciężko samodzielnie sprzedać nieruchomość, zawsze to musi być jakaś transakcja z pośrednikiem. Różnie to bywa.


To już brzmi jako temat na kolejny odcinek. Jak Państwo próbuje na tyle się zatroszczyć o swoich obywateli, że nie pozwala podejmować pewnego ryzyka. I chyba to jest ten przypadek, że z góry jest określone, że nie możesz sam sprzedać, bo prawdopodobnie na tym się nie znasz. Musisz poszukać kogoś, kto Ci pomoże. 


Ostatnie pytanie na dzisiaj, trochę takie przewidywanie różnych rzeczy, które mogą się wydarzyć. Wiem, że to czasem jest niefajne, bo jak trafisz to nikt Ci nie przypomni, a jak nie trafisz to wszystkie osoby będą Ci przypominać w różnych kontekstach. Z drugiej strony, takie samo rozważanie i mówienie z góry, że to jest pewne marzenia albo rozważania jest pomocne, bo też wspólnie wydaje mi się, że to kreuje pewne możliwości fizyczne, które mogą się zmaterializować. Więc pytanie do Ciebie jest takie: jak myślisz jak będzie wyglądała branża ML, Data Science za jakieś 5-10 lat? Na co to wpłynie? Jak to będzie się rozwijać dalej? 


Patrząc na tempo, ostatnie 5 czy 10 lat temu to możemy się spodziewać pewnie wszystkiego. Myślę, że zespoły takie Machine Learning, związane z danymi zostaną z nami w firmach. Nie jako takie trochę wydzielone z takiego typowego zespołu IT czy zajmującego się software developmentem. Mam takie wrażenie, że nie wszyscy specjaliści IT chcą lub potrafią się zajmować tymi rzeczami. Chociaż mają te umiejętności to jakoś tak nie czują tego. Nawet jeśli projekt taki ML’owy jest bardzo dobrze zdefiniowany to zawsze nie do końca wiadomo jaki ten rezultat będzie, trzeba trochę pogrzebać, zawsze coś wypadnie. Więc jest dużo niepewności i wymaga to raczej osobnych zespołów.


Myślę, że też podobnie jak kiedyś, był jeden informatyk w IT, który podłączył drukarkę i zainstalował Windowsa i zrobił stronę internetową. Tak myślę, że w Machine Learningu też jest ta postępująca specjalizacja. Już nie mamy tylko Data Scientist, tylko mamy Machine Learning Engineer, mamy osoby Deep Learning Engineer, NLP Engineer. Widać, że każdy ma swoją działkę i myślę, że raczej ta specjalizacja będzie postępować.



Na pewno, tak patrząc po swojej pracy to myślę, że będzie więcej narzędzi do pilnowania danych, do przetwarzania, sprawdzania jakości. Widać, że teraz dużo takich startupów powstaje, które mają wspierać takie ML’owe procesy czy przygotowania danych czy też w ogóle samych modeli. To wszyscy powtarzają, że większość pracy jest przygotowaniem tych danych. Myślę, że to wciąż jest prawda i dużo wysiłków będzie w tym obszarze podejmowanych. 


Jak zmienia się branża nieruchomości? Na ile to ML właśnie wpłynie na to?


Na pewno tutaj dostępność danych, o której rozmawialiśmy. Jeśli dane będą dostępne, 57:35 Bez tych danych to nie wiem czy aż tak dużo się zmieni. 


Myślę, że najważniejsze rzeczy już wybrzmiały. Dane są kluczowe w uczeniu maszynowym i to raczej też będzie się rozpędzało w branży nieruchomości.


Dziękuję Ci bardzo Filip za podzielenie się swoim doświadczeniem, całą rozmowę i mam nadzieję, że też to pozytywnie na to. Po pierwsze otworzy oczy, że taka usługa istnieje w Polsce, bo wcale nie jest aż takie oczywiste. A po drugie, też osoby, które gdzieś tu są zaangażowane w ten czy inny sposób na tym rynku, też zobaczą, że też się tak da.


Po trzecie urzędnicy albo osoby, które gdzieś tam są obok, mam nadzieję będą mieli okazję albo wolną chwilę, aby posłuchać i się zainspirować i może w jakiś sposób też podziałać. Bo to nie chodzi o to, że urzędnicy mają złą intencję. Czasem mają też dość mocno związane ręce, ale może ktoś się zainspiruje i znajdzie możliwość, aby dobre rzeczy się wydarzyły szybciej. Trzymajmy kciuki.


Jasne, również trzymam kciuki i dziękuję bardzo za rozmowę.


Dzięki, cześć.

Bardzo Ci dziękuję, że wysłuchałeś tą rozmowę do końca. Bardzo miło mi jest, że wszystko uważnie słuchasz. Mam prośbę na koniec, poleć przynajmniej jednej osobie ten odcinek. Dzięki temu więcej osób dowie się co się tu dzieje na Biznes Myśli, ale też pomyśl w taki sposób, że dzięki temu, tą wiedzę, którą próbujesz się podzielić, szerzymy dalej i to się zaczyna jeszcze bardziej rozpędzać.


To już byłoby tyle na dzisiaj. Bardzo Ci dziękuję za wspólnie spędzony czas. Życzę Ci wszystkiego dobrego, dużo zdrowia. Cześć.


Zapisz się, a otrzymasz:

  1. Wartościowe materiały przygotowane przez gości podcastu, prezenty dla słuchaczy.
  2. Zniżkę (10% lub większą) na trening uczenia maszynowego.
  3. Aktualności na temat sztucznej inteligencji w zakresie nauki, technologii i biznesu.
  4. Będziesz na bieżąco ze wszystkimi odcinkami Biznes Myśli.
Rozpędź swój biznes sztuczną inteligencją! Powered by ConvertKit

Od 2013 roku zacząłem pracować z uczeniem maszynowym (od strony praktycznej). W 2015 założyłem inicjatywę DataWorkshop. Pomagać ludziom zaczać stosować uczenie maszynow w praktyce. W 2017 zacząłem nagrywać podcast BiznesMyśli. Jestem perfekcjonistą w sercu i pragmatykiem z nawyku. Lubię podróżować.

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *