INTERVIEWS
Woningtaxaties
in een stroomversnelling
Werner van Sprundel heeft een passie voor data.
Begonnen in zijn studietijd bouwde hij aan een database
met nu 2 miljoen transacties in de woningmarkt. Aan elke
transactie zijn 1.000 datapunten gekoppeld. Even dacht
hij op dood spoor te zitten met het modelmatig bepalen
van woningprijzen. Daar denkt hij nu heel anders over.
Wanneer ben je begonnen met het
modelmatig bepalen van huizenprijzen?
‘Zo’n 10 jaar geleden ben ik tijdens mijn studie
Bouwkunde aan de TU Eindhoven begonnen
met het opzetten van een Excel-database met
allerlei gegevens over de woonomgeving. Dit
was voor mij efficiënter dan steeds weer hier en
daar data op te halen voor mijn studieopdrachten.
8 Special Vastgoedsturing #13
Die database is steeds groter geworden
en op een gegeven moment ben ik daar meer
data, waaronder ook transactieprijzen, over
woningen aan gaan koppelen. Op een bepaald
moment heb ik een algoritme geschreven om
ook huizenprijzen te bepalen. Dat werkte goed.
Daarna tijdens een master met vakken als ‘data
science’ en ‘econometrie’ heb ik dit model verder
ontwikkeld. Daarmee ben ik de markt ingegaan
om het model in de praktijk te testen. Het
bleek dat huizenprijzen zo in veel gevallen sneller,
beter en goedkoper te bepalen waren dan
een taxateur dat kon doen. Teleurstellend voor
mij was dat deze prijzen niet erkend konden
worden als taxatie, omdat er weliswaar een
waarde werd bepaald, maar geen taxatierapport
werd aangeleverd. Accountants stelden
dat wel als eis aan een taxatie.’
Ben je toen gestopt met je model?
‘In eerste instantie wel. Ik zag even niet hoe ik
met het model de kost kon verdienen. Daarom
ben ik na mijn studie maar begonnen als strategy
consultant. Ik moest toch wat. Maar al
Werner van
Sprundel:
‘Met algoritmen
de waarde
van woningen
bepalen’
snel kwam de Big Data-hype op gang. Dat was
voor mij aanleiding om toch weer het waarderingsmodel
uit mijn studietijd op te pakken en
volledig opnieuw op te zetten. Alle data staan
nu in een andere omgeving dan destijds in
Excel en die database heb ik naar de ‘cloud’
gebracht. Deze bevat op dit moment zo’n 2
miljoen transacties waaraan circa 1.000 variabelen
zijn gekoppeld. Het opbouwen van deze
database heeft echt wel wat tijd gekost. Het
gaat namelijk om heel veel data. Bovendien
moesten de data gecheckt, waar nodig opgeschoond
en gekoppeld worden. Die investering
in tijd heeft mij nu wel een hele mooie set
aan data opgeleverd.’
Hoe werkt jouw ‘Automated Valuation Model’?
‘Doordat de database in de ‘cloud’ staat, kan
ik gebruik maken van de rekenkracht van een
door mij gekozen hoeveelheid computers die
speciaal daarvoor verbonden zijn aan het
internet. Zo kan ik snel verbanden leggen in
deze omvangrijke database. De uitkomsten
zijn getest en voldoen zeer goed. In principe
doet zo’n algoritme hetzelfde als een taxateur,
maar het kan met veel meer variabelen werken.
Het algoritme kijkt naar alle transacties
(huur en koop) in Nederland sinds 2004 en
legt verbanden met en tussen 1.000 variabelen.
Het algoritme in het model leert bovendien
overal van. Dat wordt ook wel ‘machine
learning’ genoemd. De uitkomsten van het
model worden eigenlijk alleen maar beter en
zijn nu al heel nauwkeurig.’
Hoe wordt een dergelijk model succesvol?
De echte waarde ligt volgens Van Sprundel
in de combinatie van het algoritme met
de vastgoedprofessional. Het bundelen van
krachten zorgt ervoor dat het beste van
‘mens en machine’ bij elkaar komt. ‘Ik vind
dat beide werelden van enerzijds ‘data science
en machine learning’ en anderzijds ‘het
vastgoed’ naar elkaar toe moeten bewegen
en juist samen sterker moeten worden dan de
som der delen. Mijn geloof zit niet bij slimme
IT-bedrijven die hier en daar uitblinken op