В 2024 году Петербург ликвидирует дефицит социальных объектов, в 2025 – выйдет на плановое строительство школ и детских садов
В ходе оглашения ежегодного Послания Федеральному Собранию Президент России Владимир Путин заявил о запуске программы капитального ремонта детских садов.
Она начнется с 2025 года.
«Со следующего года начнем программу капитального ремонта детских садов, многие из которых были построены еще в советские годы. Капитального ремонта требуют около 18,5 тысяч зданий. До 2030 года мы поможем регионам полностью закрыть эту накопившуюся проблему», - сказал глава государства.
По его словам, в дальнейшем ремонтировать детские сады будут уже в плановом режиме.
Владимир Путин также отметил, что сегодня в крупных городах растёт нагрузка на социальную сферу, всё больше школьников учатся во вторую и третью смену. Он объявил, что за счет федеральных ресурсов в городах, где проблема стоит особенно остро, будут дополнительно построены не менее 150 школ и более 100 детских садов.
Губернатор Александр Беглов подчеркнул, что еще пять лет назад в Петербурге был большой накопленный дефицит социальной инфраструктуры – более 300 объектов. В этом году он будет полностью ликвидирован, а в 2025 году все социальные объекты в городе будут строиться планово. С 2019 года в Северной столице построено детских садов – на 26 тысяч мест, а школ – более чем на 50 тысяч мест.
В 2023 году в Петербурге был введён в строй 81 социальный объект. Уже приняли воспитанников 24 новые школы и 36 детских садов.
«В 2024 году планируем ввести рекордное количество социальных объектов – 99. В их числе - 36 общеобразовательных школ на более чем 33 тысячи мест и 38 детских садов на 7,5 тысяч мест. По большей части это будут отдельно стоящие здания с бассейнами», - подчеркнул губернатор.
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.