روزنامه هفت صبح، آرش پورابراهیمی | هنگامی که در پلتفرمهای مختلف مانند اپلیکیشنهای مخصوص خرید و فروش و اجاره خانه میگردید، همانطور که احتمالا خبر دارید تقریبا تمام حرکات شما ثبت و سپس تبدیل به داده میشوند. اما اینکه شما چه خانههایی با چه حدود قیمتی، در چه محلاتی و با چه ویژگیهایی را بیشتر میپسندید یا زمان بیشتری را صرف بررسی آنها میکنید به چه دردی میخورند؟
هرچند شاید اطلاعات شما به تنهایی خیلی به درد کسی نخورد اما اطلاعات شما در کنار اطلاعات مربوط به میلیونها نفر دیگر میتواند بینشی را نسبت به آنچه در بازار مسکن میگذرد ترسیم کند. به خصوص که اپلیکیشنها معمولا محل جغرافیایی شما را هم میدانند و احتمالا حدسهایی هم درباره جنسیت، سن، طبقه اقتصادی و دیگر علایق شما میزنند.
اگر اپلیکیشنی که شما از آن برای جستوجوی خانه استفاده میکنید، اطلاعات شما و میلیونها کاربر دیگر را جمعآوری کند سپس میتواند روندهای موجود در بخش تقاضای بازار مسکن را حدس بزند. اما تازه این فقط یک سمت بازار است. این اپلیکیشنها همچنین میتوانند ببینند که کدام خانهها با استقبال بیشتری مواجه میشوند یا بازدید بیشتری میگیرند و چه ویژگیهایی باعث میشود که یک خانه زودتر به فروش برسد.
شما اگر چنین اطلاعاتی را درباره بازار مسکن یک کشور داشته باشید احتمالا بسیار وسوسه خواهید شد که وارد سرمایهگذاری در بازار مسکن شوید. احتمالا هیچکس به اندازه اپلیکیشنهای فراگیر مربوط به خرید و فروش و اجاره خانه در یک کشور بازار مسکن آن کشور را نمیشناسد. به خصوص که این اپلیکیشنها میتوانند دادههای خود را با دادههای رسمی مربوط به معاملات مسکن در نقاط مختلف کامل کنند. همین دریایی از اطلاعات گرانبها بود که مدیران شرکت زیلو (Zillow) در آمریکا را وسوسه کرد که به سرمایهگذاری در بازار مسکن روی بیاورند.
اپلیکیشن زیلو یکی از پرکاربردترین اپلیکیشنهای مربوط به بازار مسکن در آمریکاست. احتمالا به همین خاطر هم مدیران شرکت زیلو واحدی را برای خرید مسکن راهاندازی کردند. وظیفه واحد خرید این بود که با توجه به روندهای بهدست آمده از میلیاردها داده بسنجد که چه خانههایی در چه مناطقی مشتری بهتری دارند و بر این اساس در بازار مسکن سرمایهگذاری کند.
اگر شما به درستی پیشبینی کنید که قیمت خانههای دو خوابه در یکی از محلات شهر شیکاگو طی یکسال پیشرو ۱۰درصد رشد میکند، میتوانید امروز یک خانه در آن محله بخرید و چند ماه بعد با سود نسبتا خوبی آن را بفروشید. توجه کنید که مدیران شرکت زیلو امیدوار بودند که دسترسی به حجم انبوهی از اطلاعات این امکان را به آنها بدهد که زودتر از دیگران روندهای بازار مسکن را پیشبینی کنند.
البته پیشبینی این روندها هم به الگوریتمهای کامپیوتری نسبتا پیشرفته سپرده شده بود. قاعدتا تحلیل میلیاردها داده و یافتن ارتباط میان آنها و قیمت چیزی نیست که در توان بشر باشد. مدیران شرکت زیلو انتظار داشتند که درآمد این واحد جدید تا سال ۲۰۲۲ یا حداکثر تا سال ۲۰۲۴ به ۲۰ میلیارد دلار برسد.
اما خب الگوریتمها که پیشتر در بازارهای مالی خیلی خوب عمل کرده بودند ظاهرا حداقل فعلا خیلی از بازار مسکن سر در نمیآورند. واحد خرید شرکت زیلو که آیبایینگ (iBuying) به حدی زیانده شد که مدیران شرکت مجبور شدند آن را تعطیل و یک چهارم کارکنان خود را اخراج کنند. ترکیبی از برآورد اشتباه از میزان رشد قیمت مسکن در آمریکا همراه با ناآشنایی با بازارهای محلی باعث شد که شرکت زیلو عملا خانههای بسیاری را به قیمتی بالاتر از حد معمول خریداری کند و حالا فروش این خانهها به قیمت بالاتر امکانپذیر نیست.
مدیر شرکت زیلو هم اعتراف کرد که به طور بنیادین در پیشبینی با دقت قابل قبول قیمت مسکن ناکام بودهاند. این احتمالا یکی از بزرگترین و جالب توجهترین شکستهای الگوریتمها در ورود به معاملات انسانی است. حداقل فعلا میتوان گفت شناخت بازار مسکن که در مقایسه با بازار سهام خرید و فروش در آن به سرعت انجام نمیشود و خریداران و فروشندگان انگیزههای متنوعی دارند برای الگوریتمها کار چندان سادهای نیست.
