Cena nestačí: Co ukázala analýza datové kvality u 1 117 realitních nabídek

Při hledání nemovitosti se pozornost přirozeně soustředí především na cenu, fotografie a lokalitu. Z ekonomického pohledu však samotná cena nestačí. Aby bylo možné dvě nabídky skutečně porovnat, je nutné znát také velikost nemovitosti, její typ, dispozici a další charakteristiky, které umožňují posoudit, co kupující nebo nájemce za požadovanou cenu skutečně získává.

GlovatoReal proto analyzovalo strukturovaná data 1 117 aktivních realitních nabídek evidovaných ve své databázi. Cílem nebylo sestavit cenový index ani hodnotit jednotlivé inzerenty. Analýza se zaměřila na jinou otázku: nakolik jsou základní údaje o nabídkách dostupné a dostatečně standardizované pro jejich vzájemné porovnání.

Základní údaje jsou většinou dostupné

První pohled na data ukazuje relativně vysokou úplnost některých základních informací. Typ transakce byl uveden u všech analyzovaných nabídek. Město chybělo pouze u 2 nabídek z 1 117 a údaj o kraji u čtyř. Chybějící nebo velmi krátký popis byl podle zvoleného kritéria zaznamenán pouze u sedmi nabídek.

Také cena byla ve většině případů dostupná. Bez číselného údaje o ceně bylo 63 nabídek, tedy přibližně 5,6 % analyzovaného souboru. Při podrobnějším pohledu se však ukazují výrazné rozdíly mezi jednotlivými segmenty trhu.

U bytů cena většinou nechybí. Obtížnější je strukturovaný údaj o ploše

Datový soubor obsahoval 434 bytových nabídek. Cena nebyla ve sledovaném poli uvedena pouze u 12 z nich, tedy u 2,8 %. Dispozice chyběla u 20 nabídek, což odpovídá 4,6 %, a energetická třída u 30 nabídek, tedy u 6,9 %.

Výrazně odlišný výsledek přinesl údaj o ploše. V polích použitých pro evidenci plochy nebyla kladná hodnota dostupná u 242 z 434 bytových nabídek, tedy u 55,8 %. Tento výsledek je významný zejména z hlediska ekonomického porovnávání nabídek.

Cena nemovitosti sama o sobě totiž neříká, zda je nabídka relativně levná nebo drahá. Jedním z nejběžnějších srovnávacích ukazatelů je cena za metr čtvereční. Pokud není plocha k dispozici ve strukturované podobě, její automatický výpočet a porovnávání mezi nabídkami se výrazně komplikuje.

Je však důležité rozlišovat mezi chybějícím strukturovaným údajem a chybějící informací jako takovou. Plocha může být v některých případech uvedena například v názvu nebo textovém popisu nabídky, aniž by byla správně uložena v databázovém poli určeném pro její další strojové zpracování.

Domy a pozemky častěji postrádají číselnou cenu

Rozdíly mezi segmenty jsou patrné také u ceny. Zatímco u bytů nebyla cena dostupná u 2,8 % nabídek, u 178 nabídek domů chyběla u 17 případů, tedy u 9,6 %. U 212 pozemků nebyla číselná cena uvedena u 25 nabídek, což představuje 11,8 %.

U 114 nabídek vedených jako komerce chyběla cena u sedmi, tedy u 6,1 %.

Samotná absence číselné ceny přitom nemusí automaticky znamenat chybu nabídky. V některých segmentech se používají formulace typu „cena na vyžádání“ nebo je výsledná cena předmětem individuálního jednání. Z hlediska datového porovnávání však taková nabídka nemůže být stejným způsobem zahrnuta například do automatického výpočtu mediánu či ceny za metr čtvereční.

Celkový průměr může být zavádějící

Dobře je to vidět na údaji o energetické třídě. Při pohledu na celý soubor chyběla u 415 z 1 117 nabídek, tedy u 37,2 %. Takové číslo by samo o sobě mohlo vyvolávat dojem, že energetické údaje chybějí u více než třetiny realitní inzerce.

Rozdělení podle typu nemovitosti ale ukazuje podstatně jiný obrázek. U bytů nebyla energetická třída ve sledovaném poli uvedena u 6,9 % nabídek a u domů u 15,7 %. U pozemků naopak chyběla téměř vždy, což je vzhledem k charakteru této kategorie očekávatelné.

Tento příklad ukazuje základní pravidlo práce s realitními daty: agregovaný údaj bez znalosti struktury souboru může vést k chybnému závěru. To, co v celkovém průměru vypadá jako rozsáhlý problém, může být z velké části výsledkem kombinace kategorií, pro které daný údaj nemá stejný význam.

Nejde jen o chybějící data. Důležitá je také jejich standardizace

Analýza odhalila ještě druhý typ problému. V databázovém poli určeném pro typ nemovitosti bylo 103 nabídek označeno hodnotou „neuvedeno“, pět záznamů mělo hodnotu prázdnou a jeden hodnotu NULL. Celkem tedy u 109 nabídek, přibližně 9,8 % souboru, nebyl v tomto poli skutečný typ nemovitosti určen.

Dalších 61 záznamů obsahovalo hodnotu „Patrový“ a tři hodnotu „Přízemní“. Tyto pojmy podle svého významu popisují spíše charakter stavby než základní druh nemovitosti. Pokud jsou vedeny v poli určeném pro typ nemovitosti, komplikují následnou kategorizaci a automatické zpracování dat.

Celkem šlo o 173 záznamů z 1 117. Tento údaj nelze automaticky interpretovat jako chybu původního inzerátu. Nabídky mohou pocházet z různých systémů a datových zdrojů, které používají odlišné názvy polí, číselníky a strukturu exportů. Právě převod těchto informací do jednotného datového modelu je jedním z problémů, které musí realitní agregátory řešit.

Drobným příkladem je i existence hodnot „komerce“ a „komercni“ jako dvou samostatných kategorií. Pro člověka je jejich význam zřejmý. Pro databázi, filtr nebo analytický nástroj jde ale bez dodatečné normalizace o dvě různé hodnoty.

Proč na kvalitě strukturovaných dat ekonomicky záleží

Kvalita dat není pouze technická otázka provozovatele realitního serveru. Má přímý dopad na schopnost uživatele činit ekonomická rozhodnutí.

Pokud jsou nabídky popsané jednotným způsobem, lze jednodušeji porovnávat cenu za metr čtvereční, nabídky filtrovat podle požadovaných parametrů, vytvářet cenové mapy, sledovat regionální rozdíly nebo vyhodnocovat cenovou přiměřenost konkrétní nemovitosti.

Nekonzistentní nebo chybějící strukturované údaje naopak zvyšují takzvané informační náklady. Zájemce musí více informací dohledávat v textu, manuálně přepočítávat hodnoty a obtížněji porovnává nabídky mezi sebou. Stejný problém následně řeší vyhledávače, agregátory, analytické systémy i nástroje využívající umělou inteligenci.

Realitní portál už není jen nástěnka inzerátů

S rostoucím množstvím dostupných dat se mění také role realitních portálů. Vedle samotného zveřejnění nabídky nabývá na významu schopnost informace sjednotit, kontrolovat jejich logickou konzistenci a převést je do podoby, kterou lze porovnávat napříč různými zdroji.

První analýza GlovatoReal ukazuje, že základní údaje jako lokalita, transakce nebo textový popis jsou v analyzovaném souboru dostupné ve velmi vysoké míře. Větší prostor ke zlepšení se objevuje u některých údajů potřebných pro strojové a ekonomické porovnávání — zejména u plochy a standardizace typu nemovitosti.

Právě kvalita strukturovaných dat může být v budoucnu jedním z rozhodujících faktorů, které určují, zda realitní portál pouze zobrazuje nabídky, nebo uživateli skutečně pomáhá orientovat se v jejich ekonomické hodnotě.