В июле в Петербурге введено более 160 тыс. кв. м жилья
В июле текущего года в Петербурге введено в эксплуатацию 163 748,50 кв.м. жилья.
Это 12 многоквартирных домов на 3 717 квартир и 89 домов индивидуального строительства. На 1 августа 2022 года годовой план строительства жилья в регионе исполнен на 63%.
Лидером по вводу жилья в июле стал Красносельский район. Здесь за месяц сдано 85 710,3 кв.м. жилья или 4 дома на 2 395 квартир. На втором месте - Выборгский район, где введено 4 дома на 1106 квартир общей площадью 45 620,3 кв.м. Третьим стал Приморский район, где по итогам месяца построено 3 дома на 168 квартир, что составило 8 713,3 кв.м. жилья.
Также в июле введен 21 объект общегражданского назначения. Среди них: общеобразовательная школа на 375 мест в Колпинском районе, дошкольное образовательное учреждение на 220 мест в Выборгском районе, а также 4 магазина, бизнес-центр в Московском районе, здания идустриального парка в Шушарах и производственные объекты в Юнтолово.
ВТБ завершил пилотный проект по использованию инструментов машинного обучения.
Технология поможет банку эффективнее оценивать стоимость строящихся объектов и в ускоренном режиме принимать решения по выдаче кредитов на жилищное строительство. Новый сервис протестирован в 30 городах России.
В основе сервиса — универсальная платформа геоаналитики, запущенная ВТБ в 2020 году и позволяющая сопоставлять 170 слоев обезличенных данных из банковской сферы, телекома и digital-сервисов. В решении используется обезличенная информация о жителях аналогичных домов, а также районов со схожей транспортной инфраструктурой, имеющих похожие интересы, структуру доходов и расходов и т.д. Уникальный периметр данных анализируется методами машинного обучения для построения сложных нелинейных моделей оценки стоимости объектов. Все это позволяет оперативно принимать решения о выдаче банком кредитов под строительство.
При стандартном методе аналитики для принятия решения в ручном режиме сравнивают территориально близкие объекты. Модели, основанные на Big Data, позволяют оперативно получать качественную аналитику на базе гораздо большего объема разнообразной информации. Наиболее значимые конкурентные преимущества сервис дает в ситуации, когда строящийся жилой объект не имеет рядом аналогов, и оценить его, используя только метод сравнения с похожими соседствующими объектами, невозможно.
«При разработке сервиса мы столкнулись с тем, что рынок жилой недвижимости имеет очень динамичный характер. Для того, чтобы «успеть» за рынком в таком широком географическом периметре, мы разработали не просто модели машинного обучения, а Geo AutoML сервис. Он позволяет перестраивать модели в полностью автоматическом режиме. На сегодняшний день AutoML-решений на рынке много, но это первая история с применением геоаналитики. Поэтому сервис можно считать уникальным», — комментирует Максим Коновалихин, руководитель департамента анализа данных и моделирования – старший вице-президент ВТБ.
«Оценка рыночной стоимости строящейся недвижимости играет для банка важную роль в принятии решения о финансировании. Новая разработка позволяет нам повысить оперативность на этом этапе работы с проектом и получить более объективные и точные данные. Мы видим позитивные результаты с точки зрения повышения эффективности оценки проектов в рамках пилотирования сервиса и планируем до конца сентября масштабировать его на большинство крупнейших городов страны», — отметил Руслан Еременко, руководитель департамента регионального корпоративного бизнеса – старший вице-президент ВТБ.
Пока решение применяется только внутри банка, но в дальнейшем может стать доступным и сторонним пользователям — другим банкам и застройщикам жилой недвижимости.