Njotarheim
Dataanalyse for eiendomssektoren
Utviklingspotensialet i eksisterende boligområder er i liten grad utforsket, blant annet fordi relevante eiendomsdata er spredt på tvers av mange kilder. Append ble involvert for å undersøke hva som faktisk er mulig å få ut av tilgjengelige geodata, og hvordan disse kan struktureres og analyseres på en meningsfull måte. Eiendomsdata finnes i mange separate kilder som sjelden settes i sammenheng. Domenet er komplekst, både når det gjelder datakvalitet, regelverk og hvordan disse tingene.
Om prosjektet
Utviklingspotensialet i eksisterende boligområder er i liten grad utforsket, blant annet fordi relevante eiendomsdata er spredt på tvers av mange kilder. Append ble involvert for å undersøke hva som faktisk er mulig å få ut av tilgjengelige geodata, og hvordan disse kan struktureres og analyseres på en meningsfull måte.
Utfordring
Eiendomsdata finnes i mange separate kilder som sjelden settes i sammenheng. Domenet er komplekst, både når det gjelder datakvalitet, regelverk og hvordan disse tingene henger sammen.
Løsning
Vi bygde en proof of concept som henter data fra flere API-kilder, transformerer og beriker den, og visualiserer innsikten. Ulike datakilder og tilnærminger ble testet for å identifisere mønstre og indikatorer som sier noe om potensialet i en eiendom og verifisere hva som er teknisk mulig, og hva som krever mer arbeid videre.
Resultat
Leveransen er en analyse som danner et grunnlag som kan brukes til å bygge videre løsninger i neste fase.
Teknologi
Løsningen er bygget i Python med GeoPandas og Shapely, verktøy spesialisert for analyse av geografiske data. Disse brukes til å hente, kombinere og visualisere eiendomsinformasjon fra ulike datakilder, slik at komplekse romlige sammenhenger blir lettere å forstå og handle på. Systemutvikling