основы работ с большими данными 4 вар. Основы работы с большими данными кр. На примере задач рынка недвижимости ответьте на следующие вопросы какие данные, подходящие под определение big data, фиксируютсямогут фиксироваться в исследуемой предметной области
 Скачать 0.55 Mb.
|
|
1 МИНОБРНАУКИ РОССИИ федеральное государственное бюджетное образовательное учреждение высшего образования «Новосибирский государственный университет экономики и управления «НИНХ» (ФГБОУ ВО «НГУЭУ», НГУЭУ) Кафедра статистики КОНТРОЛЬНАЯ РАБОТА Дисциплина: основы работы с большими данными Ф.И.О студента Шейман Эльза Владимировна Специальность: 40.05.01 Правовое обеспечение национальной безопасности Специализация: уголовно-правовая Номер группы: СПО11 Номер зачетной книжки: 213674 Номер варианта контрольной работы: 4 Новосибирск 2023 2 СОДЕРЖАНИЕ Задание №1 3 Ответ на задание №1 3 Задание №2 4 Ответ на задание №2 4 Задание №3 5 Ответ на задание №3 5 Задание №4 7 Ответ на задание №4 7 Задание №5 8 Ответ на задание №5 8 Список использованных источников 10 3 Задание №1 На примере задач рынка недвижимости ответьте на следующие вопросы: - какие данные, подходящие под определение big data, фиксируются/могут фиксироваться в исследуемой предметной области; - какими инструментами можно воспользоваться для сбора и хранения данных. Какие ресурсы необходимы для этого (технические, программные); - описать источники данных и способы добычи данных из этих источников. Ответ оформите в табличном виде. Ответ на задание №1 Таблица 1 – Ответ на задание №1 Наименование программного средства/ оборудования Наименование собираемых/хранимых данных Описание и краткая характеристика собираемых/хранимых данных, источники данных 1 2 3 Базы органов статистики (Росстат) Данные о рынке недвижимости в РФ В государственные базы статистики поступает различная информация о рынке недвижимости в стране, такая как цена кв. м жилплощади в различных регионах, показатели о количестве сданного жилья, информация о реализации государственных программ, например нацпроекта «Жильё и городская среда» в целом по РФ и отдельно по регионам CRM-системы Информация о спросе на рынках, об отдельных клиентах С помощью CRM-системы происходит структурирование уже имеющейся информации о потребителях рынка недвижимости, обеспечиваются процессы своевременного обновления существующих баз данных умный дом Автоматизация процессов эксплуатации зданий микропроцессорные контроллеры обеспечивают обработку информации и управление конкретными элементами в доме. Бесперебойное электроснабжение обеспечивают блоки питания и UPS, информация передается посредством ИК- трансиверов, релейные модели включают и отключают бытовые приборы, диммирующие модули регулируют плавность регулировки освещения. Система мониторинга объектов объявления рынка недвижимости мониторинг объявлений рынка недвижимости, в каждом объявлении 3-5 изображений и около 20 параметров, влияющих на цену. Обработка 4 недвижимости больших данных определяет зависимость цен на недвижимость в зависимости от указанных в объявлении параметров и выявляет ситуацию на рынке. Цель - получить объективную оценку стоимости жилья. Окончание таблицы 1 1 2 3 Система анализа данных Smartis данные, собранные в процессе взаимодействия целевой аудитории с сайтом, данные рекламных активностей и кампаний, сторонние площадки и сайты, а также результаты социальных опросов, статистика, экономические обзоры, данные о востребованных профессиях и заработных платах и уровне трудоустройства людей Объединяя указанные данные и выявляя определенные взаимосвязи, система может планировать потребности клиентов в определенных видах и типах недвижимости на ближайшие несколько лет. Задание №2 Приведите примеры способов обработки и визуализации данных с использованием инструментов работы с big data в сфере рынка недвижимости. Ответ оформите в табличном виде в формате. Ответ на задание №2 Таблица 2 – Ответ на задание №2 Наименование данных Характеристика результата после обработки/визуализации Наименование программного средства, с помощью которого получен результат 1 2 3 Данные о структуре отображение структуры изучаемой Круговая диаграмма 5 рынка недвижимости совокупности (секторная диаграмма, Pie Chart) Цена не недвижимость отображения развития явления во времени (изменение цены на недвижимость) Линейный график (Line Graph) Количество продаваемых объектов недвижимости на конкретной территории многомерного представления данных с географической привязкой, представляет собой сочетание карты и различных диаграмм, часто используется агентствами недвижимости для упрощения поиска подходящего варианта жилья для клиента Картодиаграмма Окончание таблицы 2 1 2 3 Количество квадратных метров сданного жилья используется для отображения значений признака у разных единиц совокупности. По горизонтальной оси откладываются деления, обозначающие единицы совокупности, а высота столбика обозначает значение изучаемого признака, например, можно отследить количество квадратных метров сдаваемого жилья в целом по стране или в конкретном регионе в отчетный период (квартал, год и т.д.) Столбиковая диаграмма (Bar Chart) Задание №3 Сформулируйте задачи, возникающие в сфере рынка недвижимости, которые можно было бы решить с использованием машинного обучения. Опишите возможные результаты. Ответ на задание №3 Задачи сферы рынка недвижимости, решаемые с использованием машинного обучения: 1. Планирование, прогнозирование спроса - в недвижимости на разных этапах планирования и реализации проектов технология Big Data может 6 быть применена, например, при анализе участка, его инфраструктурных особенностей, преобладания тех или иных представителей профессий в районе, что в итоге можно использовать при проектировании отдельных жилых кластеров типа «коливингов» (аналог общежития для людей одного рода занятий – с индивидуальной спальней, но общей кухней и рабочим пространством). возможность строить и анализировать жизненные модели человека. Например, определить потребность человека в покупке жилья, используя информацию о его поведении в социальных сетях. [2] 2. Планирование, оптимизация работы организации - специалисты «ДомКлик» применяют машинное обучение при прогнозировании конверсии сделки и оптимизации работы сотрудников в соответствии с потоком клиентов, оптимизируют расписание работы сотрудников в соответствии с потоком клиентов. 3. Предотвращение мошеннических операций на рынке недвижимости - ЦИАН использует машинный интеллект при анализе украденных фотографий объектов и несуществующих квартир, столичный департамент информационных технологий благодаря большим данным выявляет нелегальную аренду квартир. 4. Планирование поведения потребителей на рынке, их предпочтений – например, специалисты Smartis в свое время с помощью анализа большого массива данных отметили закономерности во влиянии погоды, времени суток на активность рынка недвижимости и даже смогли выяснить, где будут покупать квартиры в 2030 году — и все это благодаря накопленной базе данных. при помощи Big Data среди молодоженов была выделена категория людей, которые с высокой долей вероятности (выявлены определенные закономерности при скоринге поведения людей в социальных сетях) разведутся в течение ближайших двух лет и им потребуется отдельное жилье. И наоборот, те пары, которые захотят улучшить жилищные условия посредством расширения. [4] 7 5. Модернизация объявлений – эта технология также уже применяется в «ДомКлик». На сервисе ДомКлик публикуются объявления только от проверенных агентов, тем не менее и от них могут приходить дубли фотографий, нецензурная лекция в описании и т.д., поэтому важно выявлять и устранять такие явления. Также компания активно использует технологию speech-to-text, расшифровывая разговор продавца и клиента, анализирует определенные маркеры: договорились ли о встрече, не ругались ли. [5] Задание №4 Сформулировать и перечислить основные заинтересованные лица (стейкхолдеры), кто был бы заинтересован в полученных результатах. Опишите возможные результаты. Ответ на задание №4 Таблица 3 – Ответ на задание №4 Наименование заинтересованного лица (стейкхолдера) Какой полезный результат могут получить Застройщики Прогноз востребованности жилья в конкретных районах города, определение типа жилья, которое будет пользоваться спросом Потребители рынка (продавцы и покупатели недвижимости) Возможность быстро подобрать себе жилье в конкретном месте, с определенными параметрами, в определённой ценовой категории Политики, органы государственной власти Благодаря получению статистических и оперативных данных о рынке недвижимости принимаются различные законодательные инициативы, нормативно-правовые акты, применяются меры регулирования, можно получить достоверную и актуальную информацию о положении дел на рынке Специалисты Формируются базы данных рынка, прогнозируется спрос, 8 компаний по покупке/продаже недвижимости пресекается мошеннические действия с недвижимостью Работники финансового и банковского сектора С применением информации о состоянии рынка недвижимости разрабатываются ипотечные программы, различные предложения для продавцов/покупателей на рынке жилья Страховые компании С учетом информации о состоянии рынка недвижимости разрабатываются программы страхования жилья, определяется стоимость страховых продуктов Задание №5 Сформулировать требования к возможным изменениям в нормативно- правовой базе. Ответ на задание №5 Требуемые изменения в нормативно-правовой базе (государственный, отраслевой, внутренний уровни): 1. С учетом сложившейся ситуации (пандемии Covid-19), становится актуальной разработка программы господдержки при покупке жилья на вторичном рынке. Во время пандемии COVID-19 Правительство приняло меры для поддержания строительной отрасли. Льготная ипотека для покупки жилья в новостройках под 6,5% стала настоящим «ударом» для вторичного рынка жилья. Она переориентировала покупателей на приобретение нового жилья, ведь средневзвешенная ипотечная ставка для вторичного рынка составила 8,32%. На рынке вторичного жилья существует льготная ипотека. Но она распространяется только на семьи с детьми, а также для детей-инвалидов. 2. Внедрение дистанционных сервисов и закрепление на правовом уровне возможности удаленного оформления сделок с недвижимостью, как на первичном, так и на вторичном рынке. 3. Необходимо разработать классификацию жилья по степени доступности для доходов различных социальных слоев, его стандартизации по 9 срокам эксплуатации, метражности, определение минимального набора параметров, определяющих понятие «комфортность» и «доступность», и т.п. Методическая база определения комфортности и доступности жилья позволит регионам принять собственные региональные программы, учитывающие прогнозы социально-экономического развития регионов, включая потребности в трудовых ресурсах; состояние и структуру существующего жилищного фонда; состояние инженерной и социальной инфраструктуры, коммунальной энергетики и ЖКХ в целом; возможности и перспективы развития базы стройиндустрии и технологии строительства жилья, с точки зрения местных сырьевых ресурсов, а также сформированных предпочтений и представлений о комфортности жилья. 4. Жилищная политика должна в обязательном порядке включать в себя социальную поддержку малоимущих слоев населения. На сегодняшний день только порядка 20% населения могут принимать участие в системе ипотечного жилищного кредитования на существующих условиях. В сложившихся условиях необходимо провести градацию населения, не способного в настоящее время участвовать в рыночной ипотеке, с целью определения оптимальных условий решения жилищной проблемы для каждой категории населения. Очевидно, что для населения с минимальными доходами (и особенно с доходами ниже прожиточного минимума) единственным решением жилищной проблемы может стать социальное жилье. Причем, это жилье целесообразно предоставлять в социальный наем, а не в собственность. Представляется необходимым формирование муниципалитетами фонда социального жилья, предоставляемого в долгосрочный наем, в том числе с субсидированием платы за наем и оплаты коммунальных платежей населению с низкими доходами. 10 Список использованных источников 1 Большие данные в недвижимости [Электронный ресурс] URL: https://smartis.bi/know-how/bolshiie-dannyie-v-niedvizhimosti/ 2 Большой счет: как большие данные изменят российский рынок недвижимости [Электронный ресурс] URL: https://www.forbes.ru/tehnologii/338791-bolshoy-schet-kak-bolshie-dannye- izmenyat-rossiyskiy-rynok-nedvizhimosti 3 Предсказание цен на недвижимость с помощью Big Data [Электронный ресурс] URL: https://task-on.com/blog/predskazanije_tsen_big_data 4 Что даёт big data коммерческой недвижимости? [Электронный ресурс] URL: https://www.jll.ru/ 5 Big Data в коммерческой недвижимости: модный тренд или необходимость? [Электронный ресурс] URL: https://yandex.ru/turbo/amo.ru/s/blog/article/bigdataincommercialproperty 6 Big Data в недвижимости [Электронный ресурс] URL: https://gmk.ru/blog/2018/07/24/big-data/ 7 Big Data для недвижимости: как преобразится рынок в ближайшем будущем |