Nowy model oparty jest o autorskie algorytmy uczenia maszynowego, które pozwalają usprawnić wycenę nieruchomości, także w lokalizacjach, gdzie ocena była utrudniona ze względu na małą liczbę dostępnych danych. Rozwiązanie pozwoli skrócić czas potrzebny na rozpatrzenie wniosku kredytowego – czytamy w komunikacie.

Kolejny krok w optymalizacji procesów biznesowych

Zautomatyzowane narzędzie będzie wspierało pracę analityków szacujących wartość rynkową nieruchomości. Bazuje ono na autorskich algorytmach opracowanych przez ekspertów z obszaru data science PKO Banku Polskiego i opiera się na metodologii oraz technikach wynikających z obowiązujących regulacji prawnych odnoszących się do wyceny nieruchomości.

Model uwzględnia dane o nieruchomościach znajdujące się m.in. w bankowej bazie danych, dane z GUS czy z Baz Danych Lokalnych. Rozwiązanie ocenia także atrakcyjność lokalizacji wykorzystując informacje o tzw. Points of Interest oraz danych warstwowych z interaktywnych map pochodzących ze źródeł zewnętrznych. Przy pomocy wbudowanych agregatów takich jak liczba restauracji, żłobków czy terenów zielonych w zadanym promieniu od wycenianej nieruchomości, potrafi bardzo precyzyjnie ocenić rynkową wartość nieruchomości.

Atutem modelu jest jego wysoka skuteczność także w lokalizacjach poza dużymi miastami, gdzie trudno dopasować analogiczne transakcje i wykorzystać je do procesu szacowania wartości nieruchomości. W trakcie wyceny, model daje możliwość wizualizacji na wykresie najbardziej istotnych atrybutów konkretnej nieruchomości takich jak lokalizacja, typ i wiek budynku, parametry techniczne, standard czy inne cechy wpływające na jej wartość. To znacząco ułatwia interpretację wyniku bankowym analitykom w trakcie procesowania wniosku kredytowego, co zwiększa dokładność oceny i skraca czas pomiędzy złożeniem przez klienta wniosku kredytowego, a podpisaniem finalnej umowy kredytowej.