ПАВЕЛ: Вы в начале говорили про большие данные, что это как-то помогает.
СЕРГЕЙ: Да, большие данные у нас начинаются от всяких датчиков и видеокамер – это различные виды сенсоров, которые могут генерить информацию. Она привязывается к этим элементам, и дальше есть возможность провести анализ того, как должно быть заложено в проекте. Например, вы можете провести энергомоделирование для конкретного здания и понимать, какие у вас будут затраты для конкретного объекта.
Когда вы получаете данные, которые сейчас есть, и сравниваете их с плановым моделированием, то видите отклонение. Если есть сильные систематические выпады, это повод проанализировать, что не так. Может быть, просто где-то есть регулярный источник потерь.
Кстати, в свое время Сингапур приводил интересный пример. Когда они начали собирать данные со всех зданий города, вдруг обнаружилось, что есть выбросы потребления электроэнергии в зданиях в период, условно говоря, с 12 ночи до 5 утра. Это было удивительно, и они начали разбираться с этим вопросом. Оказалось, что у них лифты самопроизвольно ездят. Когда они перенастроили лифты, эти выпады ушли.
ПАВЕЛ: То есть это способ обнаружения еще и потерь?
СЕРГЕЙ: Да, это способ обнаружения скрытого поведения объектов. Если информационная модель актуализируется регулярно, и вы еще хорошо интегрировали с ней системы автоматизации, можно повышать стоимость своего здания, потому что вы показываете модель и говорите: «У меня здание содержалось качественно!»
Проведу аналогию с автомобилем. Если ваш автомобиль регулярно проходил гарантийное обслуживание и в книжечке стоят отметки об этом, машина стоит дороже. Точно также со зданием. Считайте, что это цифровой паспорт объекта.
По поводу цифрового паспорта объекта сейчас ведутся обсуждения в законодательной базе. Как вы знаете, у нас принят закон по поводу электронного паспорта автомобиля, и для этого разработана система. Для зданий пока такой системы нет, но информационная модель по факту является тем самым паспортом, потому что, когда мы говорим про цифрового двойника, это именно он.
Если перейти к коммерческой недвижимости, приведу замечательный пример. Когда строятся объекты в Сколково, всегда же обсуждается вопрос денег – есть финансирование, нет финансирования, в какой последовательности. Раньше очень долго рассматривали на Экселе – на эту строчку деньги есть, на эту нет. Процесс принятия решений всегда сложный.
Когда мы показываем на модели: «Смотрите, на эту часть помещений деньги есть, на эту нет», руководству сразу становится понятно: «Так, нам вот это делайте, а на это ищем деньги!» Строчки все выглядят одинаково, а когда есть визуализация, люди понимают, что они с этим объектом будут делать, что сдается раньше, и т.д.
Еще модель прекрасно выполняет роль визуализации. Поскольку в ней хранится вся информация, в том числе, и по способу отделки, если вы использовали модель во время проектирования, у вас было время и возможность все текстуры подгрузить.
Есть замечательный опыт. Мы сейчас с компанией Планоплан доделываем небольшой микросервис, который делает следующее. Из архитектурных моделей, там, где работают проектировщики, сервис забирает модель, перегоняет ее в течение, условно говоря, 5-10 минут, и эта модель появляется на сайте в виде трехмерной визуализации. Самое главное, что вы можете заказчику дать дополненную реальность и он может побродить по ней. Вот вам эффект!
При этом вам не требуются 2-3 месяца на подготовку этих маркетинговых материалов - это делается за 10 минут почти без участия человека. В результате работала команда, которая занималась разработкой проектной документации, а департамент маркетинга получил результат.
Сюда же к большим данным добавляется, например, новосибирский проект ДеКарт или московский проект Брейнсофт, которые для коммерческой и жилой недвижимости на основе больших данных и моделей формируют предсказание. Декарт для жилой недвижимости предсказывает, какие должны быть планировки, какими характеристиками должен обладать жилой комплекс, и сколько он будет стоить.
ПАВЕЛ: Исходя из чего?
СЕРГЕЙ: Они анализируют в интернете большой объем информации и взаимодействуют с девелоперами с точки зрения исходных данных. Потом формируют на базе спроса, который есть, аналитику, которая нужна девелоперу с точки зрения принятия решения: будут пользоваться спросом однокомнатные квартиры, не будут, сколько они будут стоить.
ПАВЕЛ: Фактически они анализируют целевую аудиторию.
СЕРГЕЙ: Они делают классический маркетинговый анализ, только в разы быстрее. Если говорить про Брейнсофт, они делают тот же анализ для коммерческой недвижимости.
Наверное, таких примеров очень много. Надеюсь, что в самое ближайшее время нам с командой PropTech Russia удастся запустить сервис, который будет такую аналитику по возможным решениям для рынка недвижимости и строительства использовать - PropTech Base. Тогда каждый потребитель, заинтересованный в поиске решения, сможет просто зайти и по списку выбрать нужное.