Met de input van diverse woningcorporaties deed PWCo onlangs onderzoek naar leegstand. De resultaten zijn positief en zelfs zeer veelbelovend voor de toekomst. Want we kunnen nu vaak met maar liefst 80% zekerheid voorspellen wat de leegstandsduur zal zijn van een bepaalde eenheid. Het onderzoek wordt nog vervolgd om regionale verschillen in de voorspelling te begrijpen en verbeteren, maar hoe dan ook is dit voor elke woningcorporatie natuurlijk belangrijke informatie. Op een bijeenkomst op 30 januari worden de deelnemende Limburgse corporaties bijgepraat over die onderzoeksresultaten. Dat was de deal: zij leveren data, wij leveren inzichten waar ze wat aan hebben. 

Want wat betekent dat, als je met steeds meer zekerheid leegstand kunt voorspellen in bepaalde panden? Luc Wolfs van PWCo: “Als woningcorporatie krijg je hiermee inzichten op basis waarvan je kunt besluiten of het verstandig is om actie te ondernemen om de leegstandsduur te verkorten. Ook zullen er veel minder onaangename verrassingen zijn van onverwachte leegstand, omdat we door middel van data voorspellingen kunnen doen. Daarmee kun je als woningcorporatie dus beter sturen. En dat gaat je uiteindelijk een hoop kosten schelen.”

Voorspellingen

PWCo ondersteunt woningcorporaties bij de uitdagingen op het gebied van bedrijfsvoering en Business Intelligence (BI) en optimaliseert bedrijfsprocessen. We bekeken bij dit onderzoek de gegevens rondom de opzegging van het huurcontract (wie, wat, waar, wanneer en hoe lang). We gingen de uitdaging aan om met behulp van kenmerken van de eenheid in kwestie, zoals huurprijs, buurt, het aantal kamers, het energielabel, etc, de duur van de leegstand te voorspellen. We gebruiken verschillende machine learning algortimen en statische modellen, ook wel Predictive Modeling genoemd, om de toekomstige leegstand van een pand te berekenen. Omdat deze berekende waardes altijd enige mate van onzekerheid bevatten, wordt de term voorspelling gebruikt om de resultaten van het model te communiceren. Het model ‘leert’ welke input van gegevens leidt tot welke output. We maakten in dit geval een model dat het ‘aantal dagen leeg’ moest berekenen aan de hand van de kenmerken van een pand, zoals ligging, huurprijs en wat voor soort pand het is (tussenwoning, studio, etc.). Zo kregen we inzicht in welke panden in de toekomst mogelijk langer zullen leegstaan dan wenselijk en waar het dus voor een corporatie voor loont om er extra aandacht aan te besteden. Vrijwel alles is in bepaalde mate voorspelbaar op basis van de juiste data. 

PWCo is blij met de resultaten van het onderzoek. Luc Wolfs: “Nu zijn wij aan de beurt om onze gegevens te delen met de deelnemers aan het onderzoek. Maar wat daarnaast nog interessant is: uit de interviews, die we ook gevoerd hebben, bleek dat er nog andere vragen en problemen spelen waar op dit moment nog geen oplossingen voor zijn. En als dit onderzoek naar leegstand zoveel oplevert, dan opent dat perspectieven voor andere vervolgonderzoeken waarbij Predictive Modeling kan worden ingezet. We gaan hier zeker mee verder.”

Wordt vervolgd dus. Woningcorporaties die aan onze onderzoeken meedoen, leveren data en worden vervolgens door ons ingelicht over de altijd interessante uitkomsten, waarmee zij dan hun voordeel kunnen doen.

Meer weten?

Heb je interesse in deelname aan onderzoeken van PWCo en/of het bijwonen van de presentaties van de resultaten op het gebied van de woningmarkt, leegstand, onderhoudskosten en meer? Neem contact op met Luc Wolfs van PWCo: L.wolfs@pwco.nl

Het PWCo-groeimodel voor de transformatie naar een ‘data driven’-organisatie

 Soms zou je zo’n glazen bol willen hebben, maar dan wel eentje die echt werkt. Besluiten om als woningcorporatie goed in te spelen op de wensen in de woningmarkt, je positie voor de toekomst te verbeteren en de financiën op orde te houden, die besluiten nam je voorheen op basis van je kennis van de markt en een goed gevoel voor de ontwikkelingen. Maar de toekomst wordt steeds helderder. De huidige digitale wereld levert een enorme hoeveelheid data die de toekomst een stuk beter voorspelbaar maken. Lukt het je niet om die data om te zetten in mogelijkheden voor groei en innovatie, dan gaan de concurrenten je voorbij. Dát is een heel simpele blik in de toekomst: mis je de trein met data science, dan ga je een keer de boot in.

In de Nederlandse huizenmarkt is er enerzijds structurele leegstand en anderzijds een tekort aan sociale huurwoningen. Er zijn gegevens beschikbaar over het type woning, de staat van onderhoud, de huurprijs, de buurt, kenmerken van de bewoners (gezinssamenstelling, leeftijd, enz.), het aantal kamers, woonwaardering, etc. Deze gegevens zijn bruikbaar om bijvoorbeeld leegstand te voorspellen en dus voor belangrijke inzichten en slimme interventies in uw verhuurmutatieproces.

Maar waar begin je? Hoe pak je dat aan? Welke partijen en welke systemen zijn betrouwbaar? Wie levert de juiste tools, data en vooral: de juiste verwerking van die data tot verbetermogelijkheden? Je hebt het dan over data science. Data scientists genereren waardevolle inzichten uit een grote hoeveelheid gestructureerde of ongestructureerde data, oftewel ‘big data’. Dit doet de data scientist door speciale tools en software te gebruiken en zogenoemde algoritmes te schrijven om data te ontsluiten, te structuren en te analyseren.

 “Het is moeilijk om door de bomen het bos nog te zien. Maar PWCo weet de weg”, zegt directeur Luc Wolfs, die overigens ruim dertig jaar ervaring heeft in de corporatiesector. “Wij hanteren een groeimodel dat voor een organisatie de transformatie in fases mogelijk maakt om te komen tot ‘data driven decision making’. En dat groeimodel werkt.”

Het PWCo-groeimodel

In fase 1, Rapportages, wordt gekeken naar wat er in het verleden is gebeurd en welke impact dat heeft gehad op de organisatie. Hier zijn vrijwel geen nieuwe technische systemen nodig.

In fase 2, Dashboards, worden er op basis van de informatiebehoefte historische data geanalyseerd en wordt er ingezoomd op waarom er iets in het verleden heeft plaatsgevonden. Deze logische, volgende stap na Rapportages, is zeer gebruiksvriendelijk en goed te implementeren.

Fase 3 is Predictive analytics. Hierin wordt gekeken naar wat er zal gebeuren. Hiervoor worden algoritmen ingezet die patronen in data leren herkennen en toekomstig gedrag accuraat leren voorspellen. Zelflerende systemen zijn dé toekomst in veel organisaties. De data die de basis vormen moeten goed en in grote hoeveelheid voorhanden zijn.

In de vierde fase, Prescriptive analytics, worden patronen en voorspellingen gebruikt om strategische beslissingen te kunnen nemen en acties uit te zetten.

Fase 5 tenslotte, Action engines, staat voor uitbreiding in het systeem, waardoor er op basis van nog betere data zelfs geautomatiseerde besluitvorming kan plaatsvinden. Je kunt snel de meest gewenste beslissing uitvoeren.

 Luc Wolfs: “PWCo werkt met betrouwbare systemen en stelt hoge eisen aan de data op het gebied van accuraatheid, relevantie, kwaliteit en beschikbaarheid. Wij hebben uitstekende data scientists, voeren zaken in stappen door met een goede voorbereiding en trainen je medewerkers. En daarna zijn er terugkom-momenten om te kijken hoe het gaat, waar eventueel nog extra trainingen of bijsturing gewenst zijn. Want als het project is opgeleverd, is adoptie ervan en continuïteit ontzettend belangrijk. Waar doe je het anders voor?”

Meer weten? Neem contact op met Luc Wolfs van PWCo: L.wolfs@pwco.nl

Big Data, Data Mining, Machine Learning, Predictive Analytics. Het gonst tegenwoordig van de buzzwords over technieken en analyses die je op je data kunt loslaten, maar wat houden deze technieken nu concreet in en wat heb je er als woningcorporatie aan? 

Vaak zijn er veel managementinformatie en andere rapportages voorhanden, die inzicht moeten geven in hoe de organisatieprocessen en afdelingen presteren. Maar vaak blijkt dat de feitelijke uitvoering van processen afwijkt van het ontworpen proces. Huidige rapportage en data-analyse technieken geven echter geen of onvoldoende inzicht in hoe het proces wordt uitgevoerd, alleen wat het resultaat ervan is. Wat doe je daaraan? De oplossing is nog zo’n fraai Engels buzzword; Process Mining. Dit is een relatief nieuwe data-analyse techniek die gebruikmaakt van de bovengenoemde buzzwords en op basis van harde feiten inzicht geeft in de werkelijke uitvoer, performance en compliance in uw processen. 

Vanuit de markt en veranderende wet- en regelgeving worden woningcorporaties gedwongen efficiënter te werken en om meer inzicht te krijgen in de compliance van je processen. Je moet snel, maar ook goed kunnen beslissen. Een corporatie moet de woningmarkt kennen en kunnen anticiperen op ontwikkelingen, de juiste vastgoedportefeuille hebben voor de doelgroep, risico’s spreiden, tijdig en voldoende onderhoud plegen en het financieel vermogen optimaal gebruiken. En verder werk je nauw samen met partners als gemeente, huurders, bouwbedrijven, onderhoudsbedrijven en meer en probeer je processen zo soepel mogelijk te laten verlopen. Process Mining visualiseert processen, zoals bijvoorbeeld ‘de woning betrekken’ of ‘reparatieverzoeken’, op basis van data uit jouw informatiesysteem. Ruud van Cruchten, Data Scientist en specialist in Process Mining bij PWCo: “Vrijwel iedere muisklik in een systeem genereert een digitale vingerafdruk, een logbestand. Hierin staat opgeslagen welke gebruikers welke acties hebben uitgevoerd. Voorheen moest je het doen met interviews of steekproeven.” Process Mining algoritmes kunnen op basis van deze gegevens het daadwerkelijk uitgevoerde proces visualiseren en verschillende performance indicatoren als de werkelijke doorlooptijd berekenen. Niet om als een big brother te controleren, maar om zaken te verbeteren.

Luc Wolfs, directeur PWCo: “De procesbeschrijvingen die in organisaties bestaan zijn vaak vereenvoudigde weergaves van de werkelijkheid die de ideale versie van het proces weergeven. Bovendien zijn processen niet statisch, maar veranderen ze en groeien met je organsiatie mee. Process Mining is niet alleen geschikt als ijkpunt of controlemethode in procesverbeteringsprojecten, maar ook om je dagdagelijkse operatie te monitoren.”

Hoe past Process Mining nu binnen je huidige informatievoorziening?

Zie Process Mining als een losstaande software tool die periodiek of projectmatig ingezet wordt om processen in kaart te brengen. Er zijn verschillende leveranciers die gebruiksvriendelijke software tools leveren, elk met hun sterke en minder sterke punten. Afhankelijk van de informatiebehoefte beveelt PWCo bepaalde tools aan. We leveren daarnaast op maat gemaakte process monitoring dashboards, die onafhankelijk van Process Mining-software ingezet kunnen worden en volledig geïntegreerd worden in je huidige BI-omgeving. Fervente Process Miners stellen dat Process Mining een discipline is, géén softwaretool. De inzichten en werkwijze die nodig zijn om Process Mining succesvol uit te voeren, leiden tot een nieuwe manier van kijken naar de eigen organisatie. Deze technologie stelt je in staat om daadwerkelijk data driven processen te gaan managen. Eerlijk is eerlijk, het vergt enige oefening en ervaring om het succesvol in de dagelijkse operaties toe te passen. Maar Process Mining – zowel als software tool of discipline – leidt tot volledige transparantie in je bedrijfsprocessen!

PWCo helpt je met het selecteren, implementeren en toepassen van Process Mining of andere Data Science technieken. Onze Data Scientists ondersteunen je zowel met het analyseren als met het interpreteren van uw gegevens.