De acuerdo al Banco Mundial en el año 2000, 12 de cada 100 personas tenían un celular, para 2010 aumentó a 77 y en 2023 a 111 [a] (sí, más de una línea por persona, aun considerando que no toda la población mundial tiene acceso a la telefonía móvil). Este es sólo un ejemplo de cómo la tecnología nos permite estar hiperconectados y generando millones de datos… todo el tiempo. Sí, nos toca vivir en un mundo repleto de datos e información a la que podemos acceder con un clic (o un touch), y discernir entre esa maraña de datos, entenderlos y aplicarlos de manera coherente es lo que da sustento a nuestra profesión como valuadores.
Para poder utilizar esa infinidad de información, se ha recurrido al Big Data, que es un término acuñado a principios del siglo XXI y se refiere tanto a un gran número de datos (como el nombre lo dice, literal), como a la forma de estructurarlos y organizarlos para obtener patrones y tendencias y con ello nueva información, como la manera en que evoluciona la industria inmobiliaria.
Ahora, vemos un incremento evidente en el mercado inmobiliario (donde el número de operaciones, los montos de esas transacciones y el uso de la tecnología son rubros que van al alza) lo que involucra la compra y venta de muchísimos activos, con características urbanas, arquitectónicas e incluso sociales, muy diversas. Esto representa una gran área de oportunidad en la aplicación del Big Data a la valuación, pues al final del día un avalúo es un grupo de datos que, al conjuntarlos, nos pueden dar patrones relacionados a la ubicación, fecha de construcción, valores de venta, velocidad de absorción, características arquitectónicas (como superficies o número de cajones de estacionamiento, niveles, recámaras, baños, balcones…) e incluso estado de conservación tanto de nuestro sujeto a valuar como de los posibles comparables que pretendamos utilizar. Usar este tipo de herramientas minimiza el tiempo de búsqueda de comparables, de revisión y, ante el gran acceso a la información que tenemos, nos permite discernir entre los datos que están dentro de parámetros lógicos y aquellos que no. Además, como diría William Deming, “sin datos, sólo eres una persona dando su opinión”, y en algo tan sensible como el patrimonio de una familia, no podemos emitir opiniones a la ligera, por lo que es necesario generar procesos más eficientes que nos permitan emitir avalúos confiables y que contengan resultados objetivos y precisos.
Sabemos que el uso de la inteligencia artificial en actividades humanas es un tema completamente debatible (y probablemente siempre lo sea, como la mayoría de las cosas que giran en torno a “ser humanos”), pero no olvidemos que ésta es una colección de datos estructurados de una forma específica y depende de nosotras, nosotros, el uso que le demos. Sí, con la IA puedes obtener una opinión de valor de un departamento tipo en un mercado homogéneo, pero si el mercado es homogéneo o si el departamento es tipo es algo que debe decidir el valuador, y esta toma de decisiones es mucho más relevante con inmuebles más complejos, diferentes o atípicos inmersos en mercados dispersos. Sí podemos acceder a un sinnúmero de datos, apoyarnos en el Big Data y la IA, pero como usemos estas herramientas siempre es nuestra decisión, y nuestra responsabilidad.
Referencias:
- [a] Grupo Banco Mundial (2024). Suscripciones a telefonía celular móvil (por cada 100 personas) – World. Consultado en 26 de noviembre 2024 en https://datos.bancomundial.org/indicador/IT.CEL.SETS.P2?locations=1W
- SAS (2024) Big data. Qué es y por qué es importante. Consultado en 26 de noviembre 2024 en https://www.sas.com/es_mx/insights/big-data/what-is-big-data.html
- Mendoza Enríquez, Olivia Andrea (sf). Protección de datos personales y Big Data. Consultado en 26 de noviembre 2024 en https://en.www.inegi.org.mx/eventos/2018/infotec/doc/p_OliviaMendoza.pdf
- Monsalve Acero, Pablo (2023). Valoración inmobiliaria con Big Data. Consultado en 26 de noviembre 2024 en https://repositorio.comillas.edu/xmlui/bitstream/handle/11531/68999/TFG – %20Monsalve%20Acero%2c%20Pablo.pdf?sequence=2&isAllowed=y
