Preisempfehlungen auf Basis von KI-Prognosen
Auf den Daten eines Schweizer Immobilienunternehmens haben wir Modelle trainiert, die Besucherfrequenz und Umsatz an einzelnen Standorten vorhersagen, und darauf aufbauend eine Preisempfehlung für Flächen entwickelt.
- Kunde
- Schweizer Unternehmen im Immobilienbereich
- Stand
- Abgeschlossen
Auf einen Blick
Saubere Datenbasis
Die vorhandenen Daten fliessen über reproduzierbare Pipelines in Training und Prognose.
Prognosen pro Standort
Die Modelle sagen Besucherfrequenz und Umsatz für einzelne Standorte und Zeiträume voraus.
Konkrete Preisempfehlungen
Aus den Prognosen entsteht eine Preisempfehlung pro Standort und Zeitraum.
Die Herausforderung
Viele Immobilienunternehmen sitzen auf grossen Datenmengen zu ihren Standorten, nutzen sie für die Preisgestaltung aber kaum systematisch. Preise entstehen oft aus Erfahrung und Vergleichswerten statt aus belastbaren Prognosen.
Unsere Lösung
Wir haben die vorhandenen Daten in saubere, reproduzierbare Pipelines überführt und darauf Prognosemodelle für Besucherfrequenz und Umsatz trainiert. Darauf baut eine Preisempfehlung auf, die für einen Standort und Zeitraum einen passenden Preis vorschlägt. Training und Betrieb laufen in der Cloud-Umgebung des Kunden, ausgelegt auf sehr grosse Datenmengen.