Slimme data kan leegstand van sociale woningen inperken

08 september 2020 Consultancy.nl

De huizenmarkt in Nederland wordt getypeerd door structurele woningleegstand enerzijds en een tekort aan sociale huurwoningen anderzijds. Hoe kunnen woningcorporaties de data uit alle relevante informatiesystemen gebruiken om woningleegstand tegen te gaan? Aan het woord Femke van der Leij en Steven van Aggelen van MLC. 

Door processen te optimaliseren met behulp van Lean methodieken en process mining kan de gemiddelde leegstand fors worden teruggebracht. Process mining is een techniek die het daadwerkelijke verloop van bedrijfsprocessen analyseert op basis van log-data uit informatiesystemen. Het kan trends, patronen en afwijkingen detecteren in het proces.

Leegstand voorspellen

Middels deze techniek kan op basis van loggegevens uit de informatiesystemen de daadwerkelijke uitvoering van het verhuurproces inzichtelijk worden gemaakt. Gemiddeld genomen wordt een advertentie pas geplaatst nadat de eerste opname is geweest. Tijdens deze eerste opname komt een inspecteur de betreffende woning bezoeken en maakt deze een inschatting van de mutatiewerkzaamheden.

Hoe kan leegstand van sociale woningen worden ingeperkt?

Afhankelijk van hoeveel nog aan de woning moet gebeuren na het vertrek van de huurder, kan exacter worden vastgesteld per wanneer de woning weer verhuurbaar is. Deze informatie van de inspecteur is essentieel voor het plaatsen van de advertentie. Maar wat als de duur van de mutatieperiode kan worden voorspeld?

Dat zou betekenen dat het kunnen plaatsen van de advertentie onafhankelijk wordt van de inspecteur die een eerste opname komt doen omdat je exacter kunt inschatten wanneer mutatiewerkzaamheden klaar zullen zijn en wat het precieze moment is om weer te verhuren. Omdat de advertentie eerder online kan staan, vergroot je de mogelijkheid om snel opnieuw te kunnen verhuren. Meer sociale huurwoningen zouden hierdoor beschikbaar kunnen worden gesteld en onnodige leegstand blijft beperkt.

Data-gedreven werken

Data kan helpen in het vinden van mogelijke oorzaken en factoren die bijdragen aan de benodigde mutatieperiode, met als doel om deze periode zo nauwkeurig mogelijk te kunnen voorspellen. Denk hierbij aan vastgoeddata (objecttype, WOZ-waarde, huurprijs, wws-punten, woonoppervlak, etc.), geanonimiseerde bewonersdata (huishoudinkomen, betalingsgedrag, huishoudgrootte, etc.) en onderhoudsdata (renovatie van badkamer, keuken en toilet). 

Daarnaast wordt ook gekeken naar de woonduur en de aanwezigheid van asbest. Maar ook locatie gerelateerde gegevens, zoals het sterftecijfer in een bepaald postcodegebied, worden getoetst op mogelijk voorspellende waarde met predictive maintenance.

Datamanagement is essentieel

Om dit te verwezenlijken, is het juist managen van je data van essentieel belang. Veel woningcorporaties beschikken over alle bovengenoemde data, maar er is nog onvoldoende bewustzijn van de potentie van het juist documenteren hiervan. Data met veel voorspellende waarde kunnen, door het niet of niet juist vastleggen in de systemen, verloren gaan omdat de data niet meer beschikbaar is of niet van voldoende kwaliteit is. Dit is jammer, omdat het de voorspellingen minder betrouwbaar maakt of zelfs niet betrouwbaar genoeg om de besluitvorming op te baseren. 

Door de juiste gegevens op de juiste manier te documenteren, wordt de stap naar een model dat de mutatieperiode accuraat voorspelt steeds kleiner. Algoritmes kunnen dan patronen gaan herkennen uit de historische data en gebruiken dit om de mutatieperiode accuraat te voorspellen.

Deze data-gedreven aanpak brengt verdere financiële voordelen met zich mee. Zo is er minder kans op een onjuiste inschatting tijdens de eerste opname en kunnen er dus scherpere afspraken worden gemaakt met bedrijven en aannemers.


Profiel
Meer nieuws over
×
×
Accenture ACE Company Adaptif Adlasz Adviesgroep Novius AevesBenefit Anderson MacGyver Andersson Elffers Felix Annalise Arlande Arthur D. Little AT Osborne Atos Consulting Bain & Company Baker Tilly BDO BearingPoint Berenschot Best Value Group Bewegin Bisnez BlinkLane Consulting BluPoint BMC Boer & Croon Management BOLD Bolster Bostec Boston Consulting Group Bright & Company | People Strategy Buitenhuis Advies buro C5 Bvolve Capgemini Invent Cegeka Consulting Cmotions COMATCH Conclusion Count & Cooper CPMview De Issuemakers De Kleine Consultant Deloitte Delta Capita Digital Power Dimensys Ecorys Eden McCallum Energyprofs Enigma Consulting Eurekon EY EY-Parthenon Finext First Consulting Flowant flowresulting Fronteer FTE Groep FTE Improvery Galan Groep GalanNXT Grant Thornton Groenewout Gupta Strategists Gwynt Hamstra & Partners Hogenhouck m&a Hospitality Group Hot ITem House of Performance IG&H Improven innergo INNOPAY Intermedius ITDS Business Consultants Itility JBR JBR Interim Executives Kearney Kirkman Company Korn Ferry KplusV KPMG Kruger Kurtosis KWINK groep Leeuwendaal M3 Consultancy Magnus Marktlink Mazars McKinsey & Company Mercer Merkle METRI Mitopics MLC Mobilee Möbius Monitor Deloitte Morgens MSR Consulting Group NEWCRAFT Ngenious Node1 Oliver Wyman OrangeX Ordina Organize Agile p2 PA Consulting Group Paul Postma Marketing Consultancy People Change PNO Consultants Projective Protiviti Proven Partners Prowareness PwC Quint Quintop Raad van Toekomst RedFoxBlue ResidentieProfs RGP Rijnconsult Riverwise Roland Berger Salvéos Schaekel & Partners SeederDeBoer Sia Partners Significant Groep Simon-Kucher & Partners SiRM Solid Professionals SOLVE Consulting SparkOptimus Staffing MS Strategy& Student Consultancy Group Summiteers Supply Value Symbol Synechron The Next Organization TIC Advisory Trevian Turner TWST TwynstraGudde UMS Group UniPartners UPD Van Oers Corporate Finance Vanberkel Professionals Varrlyn Vasco Consult Vintura VODW Volt Strategy Voogt Pijl & Partners WIN Xebia Yellowtail YGroup YNNO Young Advisory Group YourConnector Zanders Zestgroup