Woningtaxaties in een stroomversnelling

| Door Klementine Vis

Interview met Werner van Sprundel – Werner 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.

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.

Werner van Sprundel
heeft zich zowel ontwikkeld binnen vastgoed als data science en helpt klanten met uiteenlopende digitale vraagstukken. Zo geeft hij inspireersessies, helpt hij klanten met de digitale strategie en creëert hij samen met klanten digitale oplossingen. Op dit moment is hij als zelfstandige actief op het randje van wat mogelijk is met machine learning en kunstmatige intelligentie.

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. 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 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 gebied van programmeren maar niet in staat zijn de vertaalslag naar vastgoed te maken. Mijn overtuiging ligt bij co-creatie in plaats van dat ieder zijn eigen gang gaat. Als ‘consultant’ ben ik vaak bij de klant en die neem ik mee in het hele digitaal proces. Een oplossing als het ‘Automated Valuation Model’ is in dat geheel slechts een klein onderdeel.’

Wat zijn verdere toepassingen?
‘Er zijn legio toepassingen. Het model kan bijvoorbeeld de vraag naar woningen, zowel huur als koop, in een bepaald gebied bepalen. Ook kan het waarde-effect bepaald worden als er een voorziening in de buurt verdwijnt of bijgebouwd wordt. Vooruitkijken behoort ook tot mogelijkheden. Wat gaan de woningprijzen doen in bepaalde economische scenario’s ? Door de 1.000 datapunten per transactie kan het model zowel micro als macro voor heel veel vragen ingezet worden bij bijvoorbeeld gemeenten en woningcorporaties. Eigenlijk bij iedereen die op een of andere wijze met de woningmarkt bezig is. Verder biedt data science nog heel veel andere kansen binnen de sector. Ik ga graag het gesprek aan met partijen die meer met data willen doen of daar al concrete ideeën over hebben.’