Kako je programer hakovao tržište nekretnina, da bi našao jeftiniji stan

Po cenama nekretnina, Beograd se našao na četvrtom mestu među najskupljim gradovima u Evropi, piše Danas. Za to vreme je jedan programer u Berlinu našao način da hakuje tamošnje tržište nekretnina i tako dođe do najjeftinijeg stana. 

Naime, u Berlinu su stanari ti koji se bore za naklonost stanodavca, a da li će stan dobiti zavisi od njihove brzine i profila, piše Gian Segato, programer i preduzetnik u svom blogu. Kako kaže, teško je izmeniti svoj profil, ali brzina je stvar na koju možete uticati. 

Međutim, nije baš poželjno da u na brzinu donesete odluku na šta će odlaziti polovina vaših prihoda u narednim mesecima. Kada je Gian počeo da traži svoj dom, shvatio je da mu je potrebno da može da uporedi cene sličnih stanova. Međutim, šta znači sličan stan? 

Šta sve utiče na to da kažemo da su dve nekretnine u istom rangu. Na kraju je uspeo da dođe do svog stana i da ga plaća manje nego što to tržište procenjuje, a evo i kako.

Prikupljanje podataka 

Prvo je napisao program za brzo prikupljanje podataka, kako bi napravio skup podataka o svim ponudama stanova u gradu. Odlučio se da podatke smesti na MongoDB, kako bi njima manipulisao. Kako kaže, pročitao je mnogo loših stvari o ovoj bazi, ali pošto je u pitanju bio vikend projekat, zadovoljavao je njegove potrebe. 

Raspoređivanje podataka

Kada je povadio te podatke, trebalo ih je nekako klasifikovati i rasporediti. Kako je sve u nekretninama pitanje lokacije, pitao se kako da ih izdvoji. Na kraju je gradske četvrti počeo da deli, sve dok nije došao do delića u kojima ti s kraja na kraj ne treba više od pet minuta hoda. 

Idealno bi bilo da je na određivanje veličine regiona uticala i gustina naseljenosti, ali za tako nešto nije imao dovoljno relevantnih podataka. Za čuvanje podataka je koristio GeoJSON, koga Mongo podržava, što mu je pomoglo otvaranje biblioteka s kojima bi mogao da radi. 

Najteži deo je bio računanje udaljenosti, jer udaljenost od tačke A do tačke B nije ravna linija, pošto je na okrugloj površini. No, pyproj i shapely su mu rešili problem. Tako je dobio i prostornu infrastrukturu. 

Sistematizacija 

Međutim, lokacija stana nije dovoljna da bi ste se za njega odlučili. On je za svaki deo grada stvorio skup ocena i indeksa koji opisuju kvalitet javnog prevoza, prosečnu gustinu saobraćaja, bezbednost, aktivnosti na otvorenom, kao i kvalitet ugostiteljskih objekata. 

Kako bi te podatke stvorio, ukrštao je neke lične baze koje je ranije pravio, javno dostupne baze podataka ili je sačinjavao nove. Bio je to treći vikend njegovog rada i dobio je sledeći rezultat: 

Upoređivanje 

Kada je imao sve obrađene i raspoređene podatke, trebalo je da napravi program koji će mu reči da li stan vredi onoliko koliko traže. To je trebalo da čini tako što će cenu tog stana uporediti sa sličnim stanovima. 

Da bi to izračunao, uzeo je samo ponude u radijusu od 5 kilometra, u odnosu na onu koju razmatra. Kada je na njih primenio željene filtere na osnovu svojih cena i indeka, od prvobitne ponude je na kraju ostajalo pet odsto stanova. 

U okviru te podgrupe je izračunao cenu kvadratnog metra i na osnovu toga je video koliko je ponuda stana koji želi odaljena od srednje vrednosti podgrupe u kojoj se nalazi. Tačnije, video je koliko je realno da stan koji želi toliko košta. 

Uz to je računao i verovatnoću da će stan uskoro biti zakupljen, kao i verovatnoću da mu cena bude smanjena, za šta je morao da angažuje mašinsko učenje, za koje da je prilično skupo rešenje, za nešto što je trebalo da bude vikend projekat. 

Sam zaključuje da ovo možda nije bio najlakši način da nađe stan kojim je prezadovoljan. Ono što je dobro jeste da je već dizajnirao sajt na kojem će ovo što je pronašao ponuditi i drugim ljudima. Doduše, za sada je rezervisano samo za one koji nekretnine traže po Berlinu, ali ova ideja može poslužiti kao inspiracija i onima koji traže stanove u Beogradu.