Data-analyse als antwoord op uitdagingen in de bouwsector

Opgericht in 2015, is de start-up Agilytic verrassend genoeg nog steeds weinig bekend in de bouwsector. Toch zijn de diensten die dit bedrijf aan de gehele sector kan bieden enorm. Om hier meer over te weten te komen, ontmoetten we managing partner Julien Theys in het hoofdkantoor van deze ware Belgische parel. Bij Agilytic heeft men niet gewacht op de ChatGPT-golf om het enorme potentieel van kunstmatige intelligentie te benutten. Het bedrijf maakte al naam in sectoren waar data-analyse cruciaal is (zoals de financiële en verzekeringssector) door gebruik te maken van de expertise van zo'n dertig datawetenschappers en data-engineers.

Data voor projectontwikkeling

"In de bouwsector kan Agilytic op drie niveaus opereren, of meer specifiek, tijdens drie verschillende fasen een vastgoedproject: de ontwikkelingsfase, de bouwfase en de commercialisatiefase”, begint Julien Theys. In de eerste fase van een vastgoedproject, de ontwikkelingsfase, is het belangrijk om sneller en beter dan anderen kansen te kunnen identificeren. “Dit kan bijvoorbeeld door toegang tot vele openbare gegevens: percelenplannen, kaartvisualisaties, gebruik van kadastergegevens, controle van de bestemming van bepaalde gebieden om te zien of ze bijvoorbeeld overstromingsgevoelig zijn, gegevens geleverd door Statbel, enzovoort”, legt Julien Theys uit. De managing partner noemt een Duits voorbeeld waarbij een eenvoudige kaarttool werd gebruikt om te bepalen welke gebouwen interessant waren voor een vastgoedbeheerder om onder beheer te nemen. “Het echte concurrentievoordeel ligt hier in het goed identificeren van de gegevens die het werkelijke potentieel van het doelwit onthullen.” Maar let op: er kunnen valse positieven zijn en vice versa. Het is daarom belangrijk om voorzichtig te zijn en het hulpmiddel en de aanpak te verfijnen om het beste resultaat te garanderen. Dat is de meerwaarde van data-professionals zoals Agilytic.

Beter voorbereiden

Het tweede gebied waar de oplossingen van Agilytic zeer nuttig kunnen zijn, is de bouwfase. "Hier werken we nog steeds veel met traditionele methoden, handarbeid en logistiek. Het sleutelwoord is operationele efficiëntie. We kunnen deze aanpak bijvoorbeeld gebruiken om ervoor te zorgen dat planningen niet uit de hand lopen, om te voorkomen dat we zonder grondstoffen komen te zitten, of om verzuimgolven te voorspellen”, vervolgt Julien Theys. Al deze beperkingen kunnen worden meegenomen en hun gevolgen beter beheerd. Een beter beheer van deze essentiële bouwaspecten stelt ons in staat om beter voorbereid te zijn op onverwachte gebeurtenissen, de door de klant gestelde termijnen na te leven en beter controle te houden over alle variabelen waarop het bedrijf geen invloed heeft, zoals epidemieën die voor een tekort aan arbeidskrachten kunnen zorgen of geopolitieke turbulenties die de prijzen van materialen kunnen laten stijgen of deze materialen zelfs tijdelijk uit de voorraden kunnen doen verdwijnen.

Positieve bijeffecten

Voor materialen maken de bevoorradingsprognoses het mogelijk om de juiste hoeveelheid op het juiste moment te bestellen, niet te vroeg en niet te laat. Zo kunnen we de bouw op tijd starten, voorkomen dat materialen in het magazijn liggen te verstoffen en profiteren van mooie kortingen door in één keer een voldoende grote hoeveelheid te bestellen. Door deze variabelen beter te beheersen, kan de aannemer ook andere positieve bijeffecten bereiken, zoals een impact op de duurzaamheid van het project door optimalisatie van transporten of de benodigde middelen voor de bouw van een gebouw.

Natuurlijk heeft data-analyse, zoals elk hulpmiddel, ook zijn grenzen. "Toen COVID eind 2019 toesloeg, had niemand bijvoorbeeld nog enige referentie. Deze epidemie was een soort 'black swan'. We wisten niet wat er zou gebeuren. En tijdens de vier jaar die volgden, kon niemand zich nog een normaal marktbeeld voorstellen”, erkent Julien Theys.

Data in de commercialisatiefase

Het derde werkgebied van Agilytic is de commercialisatie. “Hier stelt data-analyse ons in staat om beter te begrijpen hoe de commercialisatie de beslissingen van ontwikkelaars zal voeden. Wat eenvoudig is, is het modelleren van vastgoedprijzen. Ook hier is er een mix van geavanceerde technieken die bijvoorbeeld eerdere transacties benutten, maar wat hier het meest van belang is, is het ontwikkelen van een model per land. Er zijn namelijk grote verschillen van land tot land.” Data-analyse alleen is niet voldoende: we moeten ook de biases opsporen. Julien Theys geeft het voorbeeld van kortingen die soms de gegevens vertekenen: “Wat beschikbaar is in openbare gegevens zijn de verkoopprijzen, niet de transactiebedragen. Om een objectief beeld van de markt te krijgen, moet je dus rekening houden met kortingen.” Theys wijst ook op de beperkingen van de informatie die beschikbaar is op vastgoedplatformen: “Wanneer je de te koop aangeboden panden bekijkt, mis je de panden die snel verkocht zijn en niet meer op deze platforms staan.” Het is dus belangrijk om een verfijnd beeld te ontwikkelen om een zo getrouw mogelijke weergave van de realiteit te krijgen en voor te blijven op de concurrentie.

Het kostenplaatje

Absoluut een bruikbare tool, maar welk prijskaartje hang hier aan? "Alles hangt af van de gewenste mate van nauwkeurigheid. Ik zou zeggen dat voor enkele tienduizenden euro's, de klant die door Agilytic wordt geadviseerd, van blind naar bijziend gaat, maar als hij verder wil gaan, kan dat hogere investeringen vergen”, legt Julien Theys uit. Het is dus essentieel om de werkelijke behoeften te bepalen, het gewenste nauwkeurigheidsniveau vast te stellen en te bedenken dat de rendementen in deze discipline afnemen: hoe meer je investeert om de kleinste informatie te vinden, hoe duurder de ontwikkeling wordt.

Johan Debière