Machine Learning พลิกธุรกิจอสังหาริมทรัพย์ | กองกูณฑ์ โตชัยวัฒน์

โดยคอมพิวเตอร์จะวิเคราะห์และจดจำรูปแบบ (Pattern) ของข้อมูลไว้ ทำให้สามารถตัดสินใจได้แม้ว่าข้อมูลที่พิจารณาจะแตกต่างจากข้อมูลที่ใช้ในการสร้างแบบจำลอง

จากหลักการทำงานดังกล่าว จะเห็นได้ว่ายิ่งถ้ามีข้อมูลจำนวนมาก Machine Learning ก็จะยิ่งสามารถจดจำรูปแบบและตัดสินใจได้ถูกต้องและแม่นยำยิ่งขึ้น

ในปัจจุบัน เทคโนโลยี AI และ Machine Learning ได้ถูกนำมาใช้ในธุรกิจที่หลากหลาย ไม่ว่าจะเป็นธุรกิจอุตสาหกรรม การเงินการธนาคาร การแพทย์ บันเทิง รวมถึง “ธุรกิจอสังหาริมทรัพย์”

 

 

ธุรกิจอสังหาริมทรัพย์ เป็นธุรกิจซึ่งแต่ละการตัดสินใจมีความสำคัญอย่างมาก เนื่องจากเป็นธุรกิจที่มีมูลค่าสูง ทั้งในระดับโครงการและในระดับภาพรวมของประเทศ

ธุรกิจอสังหาริมทรัพย์มีมูลค่าสูงถึงประมาณร้อยละ 8 ของผลิตภัณฑ์มวลรวมภายในประเทศ

การตัดสินใจต่าง ๆ ในธุรกิจอสังหาริมทรัพย์มักจะต้องอาศัยข้อมูลสนับสนุนค่อนข้างมาก ต้องอาศัยการบูรณาการความรู้หลายศาสตร์ เช่น การเงิน การตลาด การขาย กฎหมาย สถาปัตยกรรม วิศวกรรม การจัดซื้อจัดจ้าง การก่อสร้าง และการบริหารทรัพย์สิน เข้าด้วยกัน

อีกทั้งต้องอาศัยการสั่งสมประสบการณ์เป็นระยะเวลาค่อนข้างนาน จึงจะสามารถตัดสินใจได้อย่างถูกต้องและแม่นยำภายในระยะเวลาที่มีอยู่อย่างจำกัดอันเนื่องมาจากการแข่งขันทางธุรกิจ

จากเหตุผลดังกล่าวข้างต้น เทคโนโลยี Machine Learning สามารถที่จะตอบโจทย์ของธุรกิจอสังหาริมทรัพย์ได้หลายประการ

เทคโนโลยีนี้ช่วยให้นักพัฒนาอสังหาริมทรัพย์สามารถประมวลผลข้อมูลจำนวนมาก ซึ่งมีโครงสร้างซับซ้อนได้ภายในเวลาอันรวดเร็ว สามารถนำมาประยุกต์ใช้เพื่อเพิ่มประสิทธิภาพในการตัดสินใจในกระบวนการต่าง ๆ ของธุรกิจอสังหาริมทรัพย์

ตัวอย่างเช่น การศึกษาความเป็นไปได้ของโครงการ การตัดสินใจซื้อที่ดิน การกำหนดรูปแบบโครงการ การออกแบบ การจัดซื้อจัดจ้าง การบริหารงานก่อสร้าง การบริหารหลังการขาย และการบริหารทรัพย์สิน เป็นต้น

ทั้งนี้ ผู้เขียนจะขอยกตัวอย่างงานวิจัยของผู้เขียน ซึ่งได้ทดลองนำเอาเทคโนโลยี Machine Learning มาสร้างแบบจำลองเพื่อช่วยในการตัดสินใจในด้านอสังหาริมทรัพย์ใน 2 รูปแบบการตัดสินใจ ได้แก่

รูปแบบที่ 1 แบบจำลองที่ใช้ในการพยากรณ์ ตัวอย่างได้แก่ แบบจำลองในการพยากรณ์อัตราการขายของโครงการ นักพัฒนาอสังหาริมทรัพย์จำเป็นต้องคาดการณ์อัตราการขายของโครงการว่าจะสร้างรายได้กลับมามากน้อยแค่ไหน มีความคุ้มค่าในการลงทุนหรือไม่

ทั้งนี้ การพยากรณ์อัตราการขายของโครงการจะต้องพิจารณาถึงปัจจัยซึ่งส่งผลต่ออัตราการขายซึ่งมีหลายปัจจัย ตลอดจนความแตกต่างของโครงการ ทั้งในด้านประเภท ทำเล ราคา และรูปแบบของโครงการ ทำให้การพยากรณ์อัตราการขายของโครงการอสังหาริมทรัพย์ด้วยประสบการณ์ของมนุษย์มีโอกาสที่จะผิดพลาดได้ง่าย

ผลงานวิจัยพบว่าแบบจำลองที่สร้างขึ้นจากเทคนิคโครงข่ายประสาทเทียม (Artificial Neural Network: ANN) สามารถช่วยพยากรณ์อัตราการขายได้ในระดับที่ดี

โดยอาศัยปัจจัยที่ต้องนำมาใช้ประกอบการพยากรณ์ ได้แก่ ราคาขาย ฟังก์ชั่นการใช้งาน (จำนวนห้องน้ำ จำนวนห้องนอน) และทำเลของโครงการ (โซนที่ตั้ง และระยะทางถึงสถานที่ต่าง ๆ เช่น ถนนใหญ่ ป้ายรถเมล์ ทางด่วน สถานีรถไฟฟ้า ปั๊มน้ำมัน ห้าง ฯลฯ)

รูปแบบที่ 2 แบบจำลองที่ใช้ในการแบ่งกลุ่ม ตัวอย่างได้แก่ แบบจำลองในการตัดสินใจเลือกรูปแบบโครงการอสังหาริมทรัพย์ซึ่งจะสามารถสร้างอัตราการขายที่ดี

การตัดสินใจเลือกรูปแบบโครงการอสังหาริมทรัพย์ (เช่น บ้านเดี่ยว บ้านแฝด ทาวน์เฮาส์ คอนโดมิเนียม และโครงการรูปแบบอื่น ๆ ) ที่เหมาะสมในการพัฒนาบนที่ดิน ถือว่ามีความสำคัญต่อความสำเร็จของโครงการเป็นอย่างมาก

ในการตัดสินใจดังกล่าว ผู้ตัดสินใจจำเป็นต้องมีความรู้และประสบการณ์สูงในหลายรูปแบบโครงการ

ผลการวิจัยพบว่าแบบจำลองซึ่งสร้างขึ้นจากเทคนิคการรวมตัวจำแนก (Classifier Ensemble) ซึ่งเกิดจากการรวมแบบจำลองซึ่งวิเคราะห์ด้วยเทคนิคต้นไม้การตัดสินใจ (Decision Tree) และเทคนิคต้นไม้กาเดียนบูทสเต็ท (Gradient Boosted Tree: GBT) จะให้ผลลัพธ์ที่ดี

โดยปัจจัยที่นำมาใช้ในการตัดสินใจ ได้แก่ ระยะห่างจากถนนใหญ่ สถานีรถไฟฟ้า ป้ายรถเมล์ โรงพยาบาล และห้างสรรพสินค้า

Machine Learning เป็นเทคโนโลยีซึ่งกำลังเข้ามามีบทบาทในภาคธุรกิจเป็นอันมาก ทั้งนี้เนื่องจาก เทคโนโลยีดังกล่าวสามารถสร้างความได้เปรียบในการแข่งขันและความสำเร็จให้แก่ธุรกิจต่าง ๆ รวมทั้งธุรกิจอสังหาริมทรัพย์

ในปัจจุบัน ผู้ประกอบการธุรกิจต่าง ๆ ได้มีการนำเทคโนโลยี AI และ Machine Learning มาใช้เพิ่มขึ้นเรื่อย ๆ

ดังนั้น นักพัฒนาอสังหาริมทรัพย์ ตลอดจนผู้ที่เกี่ยวข้องกับธุรกิจอสังหาริมทรัพย์ทุกฝ่ายจึงควรมีการศึกษาและเตรียมความพร้อมเอาไว้ เพื่อให้สามารถเก็บเกี่ยวโอกาสที่จะเกิดขึ้นจากความเจริญก้าวหน้าด้านเทคโนโลยีมาต่อยอดเป็นผลการดำเนินงานในธุรกิจได้.