На улице Фокина в Петербурге построят еще один жилой дом
На улице Фокина построят еще один жилой дом.
Ради него снесли административное здание — советскую пристройку к цеху-памятнику.
В границах земельного участка площадью 1 гектар на юго-западном углу Большого Сампсониевского проспекта и улицы Фокина располагается бывшее промышленное здание (Большой Сампсониевский проспект, 30, корпус 2). Его восточная часть, выходящая на угол, является памятником регионального значения как чугунолитейный цех механического завода «Людвиг Нобель». Западная секция, обращенная только на улицу Фокина, была построена в советское время и под охраной не стояла.
Напомним, на рубеже 2022–2023 годов прошел «демонтаж аварийных конструкций объекта» чугунолитейного цеха. По сути, от него остались только лицевые фасады — остальное снесли. Работы тогда провело ООО «СК „Прайд“», входящее в группу компаний «Прайд». Собственником участка является ООО «Юпитер», связанное с ООО «Строительная компания „Эльба“».
Сегодня «Прайд» сообщил, что вернулся на объект, чтобы снести советское административное здание на улице Фокина. Уведомление о начале этих работ в прошлом году подавал «Юпитер».
«К настоящему моменту работы полностью завершились», — добавил «Прайд» и уточнил, что на освобожденном месте запланировано строительство жилого дома.
Ранее его концепцию разработало ООО «Архитектурное бюро „А2“» Андрея Парфенова. Будет ли эта работа реализована, сказать нельзя: утвержденного проекта на данный момент нет.
На противоположной стороне улицы Фокина также ведется жилищное строительство.
В ВТБ создали и масштабировали на всю Россию сервис аналитики для оценки новостроек.
В основе — универсальная платформа геоаналитики, позволяющая сопоставлять более 1000 слоев 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, расходов и так далее.
Оценка рыночной стоимости строящейся недвижимости играет для банка важную роль в принятии решения о финансировании проектов. Новая разработка помогает повысить оперативность на этапе рассмотрения заявки на финансирование застройщика и получить более объективные и точные данные. Для застройщиков очень важна скорость и сроки. Использование программы позволило в 3 раза сократить сроки от обращения клиента до подписания кредитного договора.
В разных городах различные факторы оказывают влияние на определение цены на жилье. Рынок постоянно идет вперед, меняется инфраструктура, которая влияет на стоимость. Какие-то параметры устаревают, какие-то добавляются или обновляются. Сложность задачи по оценке недвижимости в масштабах России заключается в учете региональной специфики, макроэкономических колебаниях, большом разнообразии в качестве и расположении строительных объектов, что в свою очередь обуславливает выбор инструментов и способов моделирования.
«Программа учитывает множество факторов и показывает независимую от экспертного мнения оценку, что играет важную роль в общем процессе согласования сделки всеми участвующими подразделениями. 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» — рассказал Максим Коновалихин, руководитель департамента анализа данных и моделирования, старший вице-президент банка ВТБ.
Проект строится на базе трех платформ: платформы гео-аналитики (Geo), платформы автоматического обучения моделей (AutoML) и MLOps-платформы (scibox). У каждой из них своя задача в рамках бизнес-процесса. Их объединение помогло достичь синергии и внести дополнительную ценность.
Проект стартовал с сегмента среднего и малого бизнеса. Следующая стадия — это использование программы как для целей крупного бизнеса, так и розничного ипотечного кредитования. Специфика проекта позволяет не только масштабировать его, но и применять в других сферах. Например, посчитать необходимое количество банкоматов в конкретном районе и количество наличных средств в каждом из них. Отлично подходит, когда на основе аналогичных данных нужно построить прогноз чего-нибудь нового.