Zillow — 7 laimīgas nodarbības riska un analītiskās prognozēs » LIELIE DATI LĪDZ LIELAI PEĻŅAI

0
Zillow — 7 laimīgas nodarbības riska un analītiskās prognozēs » LIELIE DATI LĪDZ LIELAI PEĻŅAI

Zillow nesen paziņoja, ka izrauj savu kādreiz ļoti reklamēto māju pirkšanas mašīnu. Patiešām, tā bija mašīna, kas izmantoja miljardus datu, lai atrastu arbitrāžas iespējas tirgū, izmantojot algoritmus. Iegādājieties māju strauji augošā tirgū, salabojiet to (ātri kāds piezvanīs Flip vai Flop vai Property Brothers) un ātri pārdodiet īpašumu ar pārpalikumu (peļņu)!

Algoritmiskās iepirkšanās stāvokli uzņēmumā Zillow vislabāk var apkopot paša izpilddirektora atzīšanās. Mēs esam noteikuši, ka mājokļu cenu prognozēšanas neparedzamība ievērojami pārsniedz to, ko mēs paredzējām, un, turpinot Zillow piedāvājumu mērogošanu, tas radītu pārāk lielus ienākumus un bilances nepastāvību.“Zillow izpilddirektors Ričs Bārtons teica paziņojumā.

No tā ir dažas svarīgas mācības.

1. nodarbība. Risks ir neparedzams — tas ir kā laikapstākļi

Savās riska pārvaldības nodarbībās es vienmēr pieminu, ka normālu apstākļu, piemēram, parastu laikapstākļu prognozēšana, nav statistiski grūti vai pat ļoti atalgojoši vai interesanti. Izmaiņu un lielu (negaidītu) pārmaiņu paredzēšana prasa ko citu. Kad būs nākamā recesija? To ir grūtāk paredzēt. Zillow domāja, ka tā algoritmā ir kaut kas īpašs. Tas varētu zināt, kas notika pagājušajā mēnesī, bet vai tas zina, kas notiks nākamajā mēnesī? Šķiet, ka ne vai, kā atzina izpilddirektors, tas nav pietiekami labi. Atcerieties, ka prognozes ir aplēses un nenoteiktas. Nākotne nav zināma un var mūs pārsteigt un pārsteidz.

2. nodarbība. Nekustamais īpašums ir ilgtermiņa spēle

Runājiet ar cilvēkiem un uzņēmumiem, piemēram, nekustamā īpašuma ieguldījumu fondiem (REIT). Viņi redz nekustamajā īpašumā, pat tie paši īpašumi, kurus Zilovs varētu apskaust. Viņiem ir cita pieeja – pērc un kādu laiku patur. Ir nepieciešams izlīdzināt novirzes ekonomikā un ņemt vērā tirgus apstākļu svārstības. Atcerieties, ka nekustamais īpašums ir ilgtermiņa spēle. Kāpēc? Nekustamā īpašuma vērtība ir tiešs apgabala algu atvasinājums. Ja vēlaties iegādāties nekustamo īpašumu, kas pieaugs, dodieties uz to, kur pieaug algas un ir mazs dzīvojamais fonds. Tā nekustamais īpašums novērtē. Ideālā gadījumā jums ir tirgus, kurā algu pieaugums pārsniedz inflāciju un ASV vidējo izaugsmes rādītāju. Algas parasti nepalielinās strauji, un būtu reti sagaidīt, ka nekustamais īpašums strauji pieaugs un saglabās šo vērtību, ja to neatbalsta algas. 2020. gada nekustamo īpašumu bumu pārbaudīs turpmākā recesija un tai sekojošais algu samazinājums. Ja jūs ātri nopelnāt lielu naudu ar nekustamo īpašumu, uzskatiet sevi par laimīgu – tas ir kā laimēt loterijā. Bet pajautājiet sev, vai algas ir palielinājušās, lai atbalstītu nekustamā īpašuma vērtību. Ja atbilde ir nē, tad nekustamais īpašums ir pārkarsis.

3. nodarbība. Aktīvu vērtības var būt jutīgas pret nelielām novirzēm

Ikviens, kurš ir iesaistījies mākslā, kolekcionējamos materiālos vai pat mēģinājis pārdot sporta kartes, to saprot. Neliela kroka un 100 $ sporta karte varētu būt par 80% mazāka. Arī mājas ir šādas, bet lielos un mazos veidos. Autobuss apstājas pie mājas? Tas ir nepatīkami, ja jums nepatīk troksnis. Elektrības līnijas stiepjas pāri pagalmam, padarot baseina skatu neglītu. Pat sliktāk. Šādas detaļas varētu būt nosakāmas algoritmā, ja tās spētu ņemt vērā tās un vērtību piešķiršanu, ko cilvēki tiem piešķir. Kā uztvert skatu uz mājas dizainu un izkārtojumu un pēc tam piešķirt vērtību? Piemēram, pēdējos gados atvērtie stāvu plāni bija populāri. Tagad, kad arvien vairāk cilvēku meklē atšķirību starp ģimenes locekļiem, kas uzturas mājās, tradicionālais istabu dizains atkal izrādās vērtīgs. Tas ir subjektīvs, nosacīts, īpatnējs un dinamisks. Vai ir daudz gaidīt, ka algoritms to visu var ņemt vērā.

4. nodarbība. Lielie uzņēmumi ir mērķi, nevis tas pats, kas cilvēki (vēlētāji)

Kad Zillow (vai jebkurš liels uzņēmums) pērk māju un ir vajadzīga atļauja, tas nav lūgums no balsojoša, nodokļus maksājoša pilsoņa un mājas īpašnieka, kurš varētu rakstīt vēstules savai padomes personai. Tā vietā atļauju birojs neredz iemeslu būt elastīgam, dāsnam vai saprotošam. Sagaidiet vairāk maksu, aizkavēšanos un mazāku elastību ātrās fiksācijas augšdaļā. Lielie uzņēmumi nav cilvēki un nebalso tāpat. Īpaši tas attiecas uz mājām. Risinājums tam ir uzmanības trūkums, Čikāgā vienmēr bija atnest savam atļaujas darbiniekam dažas biļetes uz Cubs spēli, jo, protams, jūs esat pārāk aizņemts, lai paspētu uz spēli – aci, aci! Tātad, iegūstiet draugus – patiešām svarīgus draugus.

5. nodarbība. Informācijas asimetrija

Informācijas asimetrija ieguva Nobela prēmiju ekonomikā. Protams, Zillow domāja, ka tas ir iekļauts cenu noteikšanas algoritmā. Vietējā tirgū ir daudz vērtīgas informācijas, ko nevar viegli publicēt vai izmērīt. Ko kaimiņi zina par māju un tās bijušajiem īpašniekiem? Ko atļaujas saka par nepadarītiem darbiem? Vai inspektors sniedza rūpīgu un noderīgu skatījumu vai vienkārši sniedza ziņojumu, kas garantē, ka Zillow viņu nolīgs nākamajām 100 pārbaudēm? Interešu konflikti bieži atklāj informācijas asimetriju un atbalsta to. Īpašniekam, kuram ir ilgstoša interese par aktīvu, ir citi mērķi nekā investoram, kura interese par aktīvu ir īslaicīga. Vai tas ir azbests? Kurš vēlas to norādīt, lai nogalinātu darījumu? Vai jūsu aģenti jums palīdz vai palīdz paši sev? Ir grūti iegūt visu informāciju par kaut ko tik sarežģītu kā māja, ja esat īpašnieks, un vēl grūtāk, ja jūs nodarbinat aģentus, kas jums konsultēs.

6. nodarbība. Galvenā aģenta problēma

Ir grūti nolīgt cilvēkus, kas uzvesties kā īpašnieki. Viņi nav īpašnieki. Tie ir darbinieki. Viņi ekonomiski rīkojas kā darbinieki, kas atšķiras. Korporatīvā nauda nav tas pats, kas personīgā nauda. Īpašnieks savus ietaupījumus ir ieguldījis īpašumā un baidās no zaudējumiem. Darbinieks strādā par algu, tērē uzņēmuma naudu un baidās zaudēt darbu vai iespēju saņemt prēmiju, un ir gatavs tērēt uzņēmuma naudu, lai garantētu darbu un prēmiju. Tā rezultātā tiek pieņemti dažādi lēmumi un darbības. Īpašnieks tiek mudināts efektīvi izmantot (savu) kapitālu. Darbinieks izmanto korporatīvo kapitālu un ir no tā atvienots. Tas nenozīmē, ka darbinieks ir neētisks, bet tikai mazāk saistīts un citādi stimulēts. Kā es novēroju, šī problēma nav viegli vai nekad neatrisināma. Kad darbiniekiem var būt un ir liela piekļuve kapitālam, esiet uzmanīgi, ļoti uzmanīgi.

7. nodarbība. Algoritmiem ir ierobežojumi

Katram riska ieguldījumu fondam un arbitrāžas namam ir modelis, kas nosaka noteiktu aktīvu cenu. Dažos gadījumos tas var darboties. Tomēr tirgi mainās. Konkurenti reaģē. Modeļi tad nestrādā. Algoritmam ir jāattīstās. Algoritmi veido aprēķinus, pamatojoties uz ierobežotu ievades datu kopu (pat ja tas ietver tūkstošiem skaidrojošu mainīgo). Atcerieties, ka aprēķini ir neskaidri. Interesanti, vai Zillow aprēķināja prognozēšanas intervālu ticamību savās cenu aplēsēs? Varbūt algoritmi parādīja izmantošanas ierobežojumus, bet tika ignorēti.

Profesors Vokers ir sniedzis sarunas un programmas vadošajām firmām un valsts organizācijām. Noklikšķiniet šeit lai uzzinātu vairāk par viņa sarunām, klientu atsauksmēm, pielāgotu sarunu un programmu iespējām un informāciju par programmas plānošanu jūsu organizācijai.

Par Raselu Vokeru, Ph.D.

Profesors Rasels Vokers palīdz uzņēmumiem izstrādāt stratēģijas, lai pārvaldītu risku un izmantotu vērtību, izmantojot analīzi un lielos datus. Viņš ir mārketinga asociētais profesors Vašingtonas Universitātes Biznesa augstskolā. Viņš ir strādājis ar daudzām profesionālām sporta komandām un vadošajām mārketinga organizācijām, izmantojot Analytics Consulting Lab — pieredzes nodarbību, kuru viņš nodibināja un vada uzņēmumā Foster.

Jūs varat viņu atrast vietnē @RussWalker1776 un russellwalkerphd.com

#investment, algoritms, analīze, asimetriskā informācija, lielie dati, lielo datu analīze, datu analīze, ekonomika, piedāvātie, mājokļi, mājokļu cenas, atļauja, nekustamais īpašums, REIT, risks, riska pārvaldība, Zillow



Autors Rasels Vokers, Ph.D.



Rasels Vokers palīdz uzņēmumiem izstrādāt stratēģijas, lai pārvaldītu risku un izmantotu vērtību, izmantojot analīzi un lielos datus. Viņš ir veicis jaunus pētījumus par datu monetizāciju un digitālajiem traucējumiem un konsultē vadošās firmas par šīm tēmām. Kā pieredzes apguves analītikas direktors un mārketinga un starptautiskā biznesa asociētais profesors Vašingtonas Universitātes Foster School of Business, Dr. Vokers ir akadēmiskās domāšanas vadītājs par analīzi. Rasels Vokers ir izstrādājis un pasniedzis vadošās vadošās programmas par lielajiem datiem un analīzi, stratēģisko datu virzītu mārketingu, uzņēmuma risku, darbības risku un globālo vadību. Pirms pārcelšanās uz Sietlu un audžuģimenes skolu, Dr. Vokers bija klīniskais profesors Ziemeļrietumu universitātes Kelloggas menedžmenta skolā, kur viņš nodibināja un pasniedza daudzus populārus analītikas un riska pārvaldības kursus. Viņš ir autors grāmatai From Big Data to Big Profits: Success with Data and Analytics (Oxford University Press, 2015), kurā aplūkotas datu monetizācijas stratēģijas un uz datiem orientētu uzņēmējdarbības modeļu izstrāde jaunajā digitālajā ekonomikā. Viņš ir arī autors godalgotajam tekstam Winning with Risk Management (World Scientific Publishing, 2013), kurā aplūkoti riska pārvaldības kā konkurences priekšrocības principi un prakse. Dr. Vokers konsultējas ar uzņēmumiem par lielajiem datiem un analīzi, datu monetizāciju, riska pārvaldību un biznesa stratēģiju. Raselu Vokeru var sasniegt: [email protected] @RussWalker1776 russellwalkerphd.com