大约80%的数据有一个与之关联的位置属性——该位置数据提供了与物理世界的联系。
对于Generali Real Estate来说，添加替代形式的数据，如空间数据，为其数据创造了更大的背景，并有助于为数据驱动的决策提供高度准确的人工智能驱动见解。
让我们仔细看看他们的旅程。
破坏传统的房地产投资决策
Generali Real Estate是世界领先的房地产资产管理公司之一。该公司总部位于意大利，在欧洲各地运营，管理着369亿欧元的资产（2024年第二季度）。当Generali Real Estate成为第一批为人工智能和机器学习（ML）创新建立专门部门的房地产资产管理公司之一时，其首要任务是破坏通常为投资战略提供信息的传统决策过程。
例如，标准房地产指标通常无法揭示资产价值存在重大差异的原因，即使类似的资产彼此只有几条街。该团队发现，七年来观察到的高达60%的价值变化，无法用主要租金或资本价值等经典房地产指标来解释。
为了应对这些挑战，Generali Real Estate开发了City Forward®，这是一个创新的基于云的位置智能平台，帮助房地产专业人士和其他人做出更明智的决策，并由高度准确的人工智能驱动的见解提供支持。
Generali Real Estate数据智能和创新主管Costanza Balboni Cestelli说：“我们希望使用替代形式的数据，特别是空间数据来解决这些问题。”“归根结底，如果没有数据上下文，位置智能领域就没有人工智能。”
City Forward的数据科学家需要为ML模型提供信息，但他们面临着挑战，包括：
标准化来自不同数据源的数据
验证数据的准确性
以最大的准确性和一致性将数据馈入ML模型
用准确的第三方数据丰富内部数据，以提供模型并提供提升
通过位置智能和数据丰富来推动成功
在寻找合适的数据合作伙伴时，City Forward团队希望平衡全球和本地数据源，并确保一致性、质量和可扩展性。他们选择Precisely是因为他们在位置智能和数据丰富方面的广泛专业知识和遗产。
Balboni Cestelli说：“我们开始使用来自Precisely的兴趣点数据，以及其他类型的数据，如社会人口统计、卫星或房地产数据，这些数据也可以基于交易。”“然后，我们将它们配对，以了解这些变量对市场吸引力或资产价值的影响。准确地为我们提供了对准确、一致和上下文丰富数据的访问，这有助于以可扩展和可靠的方式为我们的AI/ML模型提供动力。我们从20个变量开始，立即，兴趣点（POI）和接近性是最重要的变量之一。城市和地理影响并受到周围一切的影响。这个想法是建立一个结构化和可扩展的数据库，其中包含兴趣点数据。”
City Forward平台利用市场领先的地理寻址解决方案的精确组合，以及其他第三方提供商的数据，提供有关商业地点、休闲热点和其他地理特征的全面信息——揭示有关房地产资产等的超本地见解。由于Precisely为其地理编码的每个地址分配了PreciselyID，因此客户端很容易分析与特定位置相关的属性数据。
对于Generali Real Estate来说，City Forward为突飞猛进铺平了道路。“这个解决方案为房地产行业带来了新的精度水平，我们率先为房地产使用替代数据。Balboni Cestelli说：“我们正在测试从零售到城市规划，再到广告行业，整个欧洲的更多用例。”
如今，City Forward是欧洲最大、最多样化、最精细的数据基础设施。该应用程序使用800多个变量和30多个ML模型，为预测带来了前所未有的粒度。
未来是光明的——而且是可扩展的
除了房地产外，City Forward跨行业和地区都可以扩展，在十几个用例中使用，以阐明社会人口信息、消费者习惯、网络数据、ESG（环境、社会和治理）报告，如二氧化碳排放、绿地、犯罪、兴趣点和领土数据、人员流动性、交通和旅游流量以及卫星数据。
“我们从第一天起就一直在与Precisely合作，我们仍然这样做，我们将继续这样做。我们的30毫升型号的平均准确率为95%。Balboni Cestelli说：“我们的卫星模块非常有用，因为它们的平均准确率为80%。”“400多名同事正在使用City Forward数据进行房地产运营，以及其他一些零售和公共部门的客户。展望未来，我们正在探索如何整合GenAI，使用计算机视觉或其他技术来增强图像，并增加位置智能可以改变游戏规则的用例数量。”
