부동산 시장의 가장 큰 적은 ‘정보의 독점’이다. 과열기에는 막연한 기대가, 침체기에는 근거 없는 공포가 시장을 지배한다.
데이터노우즈는 160개 변수 중 엄선된 26개 핵심 지표로 6개월 단기 전망 모델을 만들었다. 그리고 서울 주요 지역에서 오차율 1%대라는 정확도를 기록했다. 월 방문자 130만 명의 ‘리치고’ 앱은 대중성을 확보했고, 이후 기업용 솔루션 ‘AI MAS’를 출시하며 건설·시행·금융사로 영역을 확장했다.
“사실 ‘리치고 부동산’ 앱이 탄생하기 전, 모태가 된 모델은 전문가용 분석 솔루션인 ‘리치고 엑스퍼트(Expert)’였어요.”
김재구 데이터노우즈 사장은 세계 경제, 금융, 지역별 데이터를 결합해 미래를 예측하는 모델을 내놨다. 이는 “전문가 사이에서 폭발적인 반응을 얻었다”고 설명했다. 이 분석 결과를 대중에게도 전달하고 싶다는 열망으로 UI/UX를 대폭 간단하게 만든 것이 지금의 ‘리치고 부동산’ 앱이다.
일반 사용자용 서비스는 거대한 ‘데이터 검증 시험대’ 역할을 했다. 그는 “130만 유저가 리치고 앱에서 보여준 매수 심리와 지역별 관심도, 그리고 실제 시장의 변화를 비교하며 저희 예측 모델은 더욱 정교해졌다”고 설명한다. 일반 사용자용 서비스에서 검증된 ‘데이터와 예측 모델의 신뢰성’이 바탕이 되었기에, 기업용 솔루션인 ‘AI MAS’가 보수적인 금융·건설사들을 빠르게 설득할 수 있었다.
김재구 사장은 2022년에 기업용 사업을 맡으면서 ‘고부가가치 업무로의 전환과 성공적인 비즈니스 의사결정을 위한 동반자’가 되는 것을 목표로 삼았다.
“기업 고객들이 부동산 시장 분석이나 분양가 산정을 위해 수일, 수주씩 쏟아붓던 시간을 몇 시간 단위로 단축시키는 것에 집중했죠.”
이를 위해 세 가지 핵심 역량을 결합했다. 실전적 투자 경험, 데이터 분석 능력, 그리고 AI·빅데이터 기술력이다. 그는 “현대건설, DL건설, 한화건설과 같은 대형 건설사들과의 협업이 결정적이었다”면서, “기술적 이상만 쫓지 않고, 실제 부동산 개발 실무자들이 겪는 문제점을 해결하기 위해 서로의 장점을 결합해 끊임없이 개선했다”고 회고했다.
최근 공개한 단기 가격 예측 모델은 서울 주요 지역에서 오차율 1%대라는 정확도를 보였다. M2 통화량, 금리, 매수심리 등 26개 지표를 종합 분석한 결과다.
“AI 가격 예측의 성패는 결국 데이터의 질에서 결정되거든요. 단순히 많은 데이터를 넣는다고 정확도가 높아지지 않죠.”
데이터노우즈는 창업 전부터 지금까지 9년 동안 부동산 시장의 다양한 변수들을 직접 투자 현장에서 검증하며 다듬어왔다. 그는 “리치고가 보유한 약 140~160개의 변수 중, 6개월 단기 전망에는 단기 변화에 가장 민감하게 반응하는 26개의 핵심 변수만을 사용한다”고 소개했다.
데이터는 세 가지 층위로 관리된다. 공공데이터 원형, 결합 및 가공 데이터, 독자적 로직 데이터다.
“실제 예측 모델에서 기여도가 가장 높은 지표들은 대개 직접 설계한 가공 및 독자 로직 데이터들입니다. 이것이 기존 통계 모델들이 따라오지 못하는 리치고만의 차별점이죠.”
변동성이 큰 국내 시장에서 정확도를 1%대로 유지할 수 있는 비결은 크게 두 가지다. 거시적 관점에서는 부동산 시장의 전체 유동성 수준을 판단하는 ‘통화량 대비 시가총액’과 경기 흐름을 미리 읽는 ‘리치고 경기선행지수’가 시장의 큰 흐름을 잡아준다. 지역 및 심리 관점에서는 투자자의 심리를 수치화한 ‘상승힘지수’, 실거주자의 부담 능력을 분석한 ‘구매부담지수’, 그리고 ‘예금금리 대비 월세 수익률’ 같은 지표들이 작동한다.
“기존 모델들은 수급동향이나 거래동향 같은 공공데이터를 단순 참고용으로 쓰지만, 이를 ‘시장 참여자의 즉각적인 심리 변화’로 해석해 분석합니다. 이러한 지표들은 향후 1~3개월 내의 변화를 예측하는 데 매우 유용하죠.”
데이터노우즈는 ‘설명 가능한 AI’를 핵심 가치로 삼았다. 수천억, 수조 원의 사업비가 투입되는 부동산 프로젝트 파이낸싱 시장에서 “AI가 그렇게 예측했으니 믿어달라”는 식의 설득은 통하지 않는다.
“우리는 단순한 가격 예측을 넘어, 어떤 변수가 그 결과에 몇 퍼센트 기여했는지를 수치로 보여줍니다.”
이러한 ‘설명력’은 실제 현장에서 두 가지 큰 변화를 만들어내고 있다. 그는 “기업 내에서 공격적인 영업팀과 리스크를 관리하는 마케팅팀 사이에는 늘 적정 분양가에 대한 논쟁이 존재한다. 과거에는 각 부서의 ‘감’이나 ‘경험’이 충돌했다면, AI MAS 도입 후에는 객관적인 변수 기여도를 바탕으로 대화한다”고 강조했다.
또한 기존의 프로젝트 심사 보고서가 “과거 인근 단지가 이 가격에 분양됐으니 이번에도 가능할 것”이라는 과거 분석에 그쳤다면, 데이터노우즈의 솔루션을 도입한 기업들은 미래 시나리오를 만든다.
“해당 지역에 영향을 미치는 변수를 검토하고, 시뮬레이션하여 최선의 의사결정을 내리는 문화가 정착되고 있죠.”
데이터노우즈는 씨에이에스로부터 데이터 품질인증 최고 등급인 ‘클래스 A(품질점수 0.99 이상)’를 받았다.
252개 시군구의 10년 치 데이터를 다루는 과정에서 단 0.01%의 오차도 허용하지 않기 위해, 다층적인 ‘자동화 정제 시스템’을 가동 중이다.
“사람의 눈으로는 도저히 파악할 수 없는 방대한 양의 데이터를 처리하기 위해, 저희는 AI 기반의 이상치 필터링 알고리즘을 구축했습니다.”
주변 시세와 동떨어진 거래나 논리적으로 성립할 수 없는 데이터가 들어올 경우, 엔지니어링 단계에서 즉시 격리하고 수정한다. 데이터노우즈만의 독보적인 경쟁력은 일반 사용자용과 기업용 서비스의 선순환 구조에 있다.
그는 “리치고 앱을 사용하는 130만 명의 유저는 단순한 정보 소비자가 아니라, 실시간 데이터의 최종 검증자 역할도 수행한다. 현장의 미세한 정보 변화나 데이터 오류를 유저들이 가장 먼저 발견해 피드백을 주며, 이는 즉시 시스템에 반영된다”고 소개했다.
적정 분양가 산정 방식도 데이터노우즈를 만나 과학적 시뮬레이션으로 바뀌었다.
“대형 건설사들이 가장 먼저 체감하는 변화는 ‘속도’입니다. 기존에는 한 사업지의 적정 분양가를 도출하기 위해 실무자가 데이터를 수집하고 보고서를 작성하는 데 평균 일주일이 걸렸죠. 하지만 AI MAS는 주변 시세, 호가, 실거래가 및 미래 전망 데이터를 즉각 결합하여 단 몇 분 만에 1차 결과를 제시합니다.”
건설사가 절감하는 리스크 비용은 단순히 인건비만이 아니다. 잘못된 분양가 산정으로 미분양이 발생했을 때 건설사가 감당해야 하는 금융 비용과 브랜드 가치 하락, 그리고 재분양 마케팅비는 단일 사업지당 수십억에서 수백억 원에 달한다.
단순 솔루션 제공을 넘어 ‘분양플러스’라는 마케팅 영역으로 확장하고 있다. 기존의 분양 광고 시장이 무차별적인 노출과 자극적인 문구로 고객을 유혹했다면, ‘분양플러스’는 AI와 빅데이터라는 정밀한 기준으로 공급자와 수요자를 최적의 지점에서 연결한다.
금융기관들과의 협업도 활발하다. KB, 하나, NH 등 주요 금융권과 협업하는 이유는 데이터노우즈의 데이터가 금융사의 리스크는 줄이고, 수익 기회는 늘리는 역할을 하기 때문이다.
“기존 은행의 담보대출 심사가 ‘현재의 시세’에 집중했다면, 우리의 예측 데이터는 ‘미래의 담보 가치’를 미리 보게 해줍니다.”
최근 진행한 ‘AI MAS DAY’ 행사에는 건설·신탁사 관계자들이 대거 참석하며 뜨거운 관심을 보였다.
“현장에서 만난 관계자들이 원하던 것은 ‘인간의 판단 한계를 보완해줄 객관적 지표’였습니다. 최근 생성형 AI가 대중화되면서, 실무자들은 부동산 영역에서도 ‘왜 이런 결과가 나왔는가’를 논리적으로 설명해줄 AI를 원하고 있었죠.”
예측력이 높아질수록 시장의 쏠림 현상을 가속화할 수 있다는 우려에 대해 김재구 사장은 명확한 철학을 갖고 있다.
그는 “정보의 독점은 거품을 만들고, 그 거품이 꺼질 때 고통을 받는 것은 늘 정보가 부족한 서민들”이라며, “우리가 지향하는 ‘데이터 민주화’는 미래를 맞추는 게임이 아니라, 시장의 ‘불확실성’을 ‘관리가 되는 예측 가능성’으로 바꾸는 사회적 안전망 구축 작업”이라고 설명했다.
시장의 과열은 대개 ‘정확한 정보’가 아니라 ‘막연한 공포’나 ‘근거 없는 기대’에서 시작된다. 모두가 ‘지금 사지 않으면 평생 못 산다’라고 외칠 때, 데이터가 ‘현재 이 지역은 역사적 고평가 상태’라는 객관적 지표를 보여준다면, 비이성적인 패닉을 멈추게 하는 제동 장치 역할을 할 수 있다. 반대로 부동산 시장이 침체되어 사회가 문제가 될 때, 저평가 상태와 미래 가치를 객관적 지표로 보여줘 내집마련을 잘 할 수 있게 돕는 역할도 할 수 있다.
마지막으로 그의 비전을 물었다. 이에 김재구 사장은 “차가운 숫자를 넘어, 집과 꿈을 잇는 ‘신뢰받는 등대’이자 ‘부동산의 블룸버그'”라며, “국적과 언어는 달라도, 데이터라는 객관적인 나침반을 통해, 누구나 최선의 선택을 내릴 수 있는 세상을 만들어 나가겠다”고 강조했다.
Bringing "Predictability" to the Real Estate Market… Data Knows CEO Kim Jae-gu
The real estate market's greatest enemy is "information monopoly." During periods of overheating, vague expectations dominate the market, while during periods of recession, unfounded fears dominate.
Data Knows developed a six-month short-term forecasting model using 26 key indicators carefully selected from 160 variables. It achieved an accuracy rate of less than 1% in major areas of Seoul. The "Richigo" app, with 1.3 million monthly visitors, gained widespread popularity and subsequently expanded into construction, construction, and financial sectors with the launch of the enterprise solution "AI MAS."
“In fact, before the ‘Richigo Real Estate’ app was created, its original model was ‘Richigo Expert,’ an analysis solution for professionals.”
Kim Jae-gu, CEO of Data Knows, developed a model that combines global economic, financial, and regional data to predict the future. He explained that the model "received an explosive response from experts." Driven by a desire to share these analytical findings with the general public, he drastically simplified the UI/UX, resulting in the current "Richgo Real Estate" app.
The general user service served as a massive "data validation testbed." He explains, "Our prediction model became more refined by comparing the purchasing sentiment displayed by 1.3 million users, regional interest, and actual market changes on the app." Because the "reliability of data and prediction models" verified through the general user service served as a foundation, the enterprise solution "AI MAS" was able to quickly convince conservative financial and construction companies.
When President Kim Jae-goo took over the corporate business in 2022, he set a goal of becoming "a partner for transitioning to high-value-added work and successful business decision-making."
“We focused on reducing the time corporate clients spend analyzing the real estate market and calculating sales prices from days or weeks to just a few hours.”
To achieve this, he combined three core competencies: practical investment experience, data analysis capabilities, and AI and big data technology. He recalled, "Collaboration with major construction companies like Hyundai Engineering & Construction, DL Engineering & Construction, and Hanwha Engineering & Construction was crucial." He added, "Rather than simply pursuing technological ideals, we combined our strengths to continuously improve upon the challenges faced by real-world real estate developers."
A recently released short-term price prediction model demonstrated an accuracy of less than 1% in major areas of Seoul. This was the result of a comprehensive analysis of 26 indicators, including M2 money supply, interest rates, and buying sentiment.
"The success or failure of AI price prediction ultimately hinges on the quality of the data. Simply adding more data doesn't necessarily improve accuracy."
Data Knows has been refining and testing various variables in the real estate market for nine years, since its founding. He explained, "Of the approximately 140 to 160 variables Richigo possesses, we only use 26 core variables, which are most sensitive to short-term changes, for our six-month short-term forecasts."
Data is managed at three levels: public data prototypes, combined and processed data, and proprietary logic data.
"In real-world predictive models, the metrics with the highest contribution are usually directly designed, processed, and proprietary logic data. This is RichGo's unique selling point, one that existing statistical models can't match."
There are two key factors that contribute to maintaining accuracy within the 1% range in the highly volatile domestic market. From a macro perspective, the "market capitalization to money supply," which assesses the overall liquidity level of the real estate market, and the "Richgo Leading Economic Index," which anticipates economic trends, provide a snapshot of the broader market. From a regional and psychological perspective, indicators such as the "Rising Strength Index," which quantifies investor sentiment, the "Buyers' Burden Index," which analyzes the affordability of actual residents, and the "Monthly Rent Yield to Deposit Rate" are crucial.
"Existing models simply use public data like supply and demand trends and transaction trends for reference purposes, but we interpret and analyze these data as 'immediate changes in market participants' sentiment.' These indicators are extremely useful for predicting changes within the next one to three months."
Data Knows has embraced "explainable AI" as its core value. In the real estate project financing market, where hundreds of billions or trillions of won are invested, persuasive tactics like "trust us because AI predicted it" won't work.
“We go beyond simple price predictions to provide numerical data showing which variables contributed to the outcome and by what percentage.”
This "explanatory power" is actually driving two major changes in the field. He emphasized, "Within companies, there's always a debate over the appropriate selling price between the aggressive sales team and the risk-managing marketing team. In the past, each department's 'intuition' or 'experience' clashed, but with the introduction of AI MAS, discussions are now based on objective variable contributions."
Moreover, while existing project review reports were limited to past analyses, such as, "Since nearby complexes sold at this price in the past, it will likely be possible this time as well," companies that adopt Data Knows' solutions create future scenarios.
“A culture is taking root where we examine and simulate the variables that impact a given region to make the best decisions.”
Data Knows received the highest level of data quality certification, 'Class A (quality score 0.99 or higher)' from CAES.
To ensure that even a 0.01% error is not tolerated in the process of handling 10 years' worth of data from 252 cities and counties, a multi-layered 'automated purification system' is in operation.
“To process massive amounts of data that are simply beyond the human eye, we built an AI-based outlier filtering algorithm.”
If a transaction is out of sync with the market or data that doesn't make sense logically, it is immediately isolated and corrected during the engineering stage. Data Knows' unique competitive edge lies in its virtuous cycle of services for both general users and enterprises.
He explained, "The 1.3 million users of the Richigo app aren't simply consumers of information; they also serve as the ultimate verifiers of real-time data. They are the first to spot subtle changes in information or data errors in the field and provide feedback, which is immediately reflected in the system."
The method of calculating the appropriate selling price has also been changed to a scientific simulation with Data Knows.
"The first change that large construction companies are experiencing is 'speed.' Previously, it took an average of a week for practitioners to collect data and prepare reports to determine the appropriate sale price for a project site. However, AI MAS instantly combines data from surrounding market prices, asking prices, actual transaction prices, and future forecasts, delivering initial results in just a few minutes."
The risk costs that construction companies save go beyond just labor costs. When an incorrect pricing strategy results in unsold units, the financial costs, brand value decline, and resale marketing costs that construction companies must bear can amount to tens to hundreds of billions of won per project.
Beyond providing simple solutions, we're expanding into a marketing area called "Buying Plus." While the existing buying advertising market lured customers with indiscriminate exposure and provocative phrases, "Buying Plus" connects suppliers and buyers at the optimal point using precise criteria like AI and big data.
Collaboration with financial institutions is also active. Data Knows collaborates with major financial institutions like KB, Hana, and NH because its data reduces financial institutions' risks and increases profit opportunities.
"While traditional banks' collateral loan review process focuses on 'current market prices,' our predictive data provides a glimpse into 'future collateral value.'"
The recently held 'AI MAS DAY' event was attended by a large number of construction and trust company officials, showing great interest.
"What the people I met in the field wanted was 'objective indicators that would complement the limitations of human judgment.' With the recent popularization of generative AI, practitioners in the real estate field also wanted AI that could logically explain 'why certain results were achieved.'"
Regarding concerns that increased predictability could accelerate market concentration, CEO Kim Jae-goo has a clear philosophy.
He said, “Information monopolies create bubbles, and when those bubbles burst, it’s always the common people who lack information who suffer,” and explained, “The ‘data democratization’ we’re pursuing is not a game of guessing the future, but the work of building a social safety net that turns the ‘uncertainty’ of the market into ‘manageable predictability.’”
Market overheating often stems from vague fears or unfounded expectations, not accurate information. When everyone is shouting, "If you don't buy now, you'll never buy again," if data objectively demonstrates that "this area is currently historically overvalued," it can act as a brake, halting the irrational panic. Conversely, when a real estate market slump poses a societal problem, objective indicators of undervaluation and future value can help people secure a home.
Finally, I asked about his vision. CEO Kim Jae-gu responded, "Beyond cold numbers, we aim to be a 'trusted lighthouse' connecting homes and dreams, the 'Bloomberg of real estate.'" He emphasized, "Despite differences in nationality and language, we will create a world where everyone can make the best choices through the objective compass of data."
不動産市場に「予測可能性」を…キム・ジェグデータノーズ社長
不動産市場の最大の敵は「情報の独占」だ。過熱器には漠然とした期待が、低迷期には根拠のない恐怖が市場を支配する。
データノーズは160の変数のうち厳選された26の主要指標で6ヶ月短期展望モデルを作った。そしてソウル主要地域で誤差率１％台という精度を記録した。月訪問者130万人の「リッチゴ」アプリは大衆性を確保し、以後企業向けソリューション「AI MAS」を発売し、建設・施行・金融会社に領域を拡張した。
「事実「リッチゴ不動産」アプリが誕生する前、モテになったモデルは専門家向け分析ソリューションである「リッチゴエキスパート（Expert）」でした。」
キム・ジェグデータノーズ社長は世界経済、金融、地域別データを結合して未来を予測するモデルを出した。これは「専門家の間で爆発的な反応を得た」と説明した。この分析結果を大衆にも伝えたいという願望でUI/UXを大幅に簡単に作ったのが今の「リッチー不動産」アプリだ。
一般ユーザー向けサービスは巨大な「データ検証試験台」の役割を果たした。彼は「130万ユーザーがリッチしてアプリで見せた買収心理と地域別関心度、そして実際の市場の変化を比較し、私たちの予測モデルはさらに洗練された」と説明する。一般ユーザー向けサービスで検証された「データと予測モデルの信頼性」が基礎になったため、企業向けソリューションである「AI MAS」が保守的な金融・建設会社を迅速に説得することができた。
キム・ジェグ社長は2022年に企業向け事業を引き受けながら「高付加価値業務への転換と成功したビジネス意思決定のための仲間」になることを目標にした。
「企業顧客が不動産市場分析や分譲家の算定のために数日、数週間ずつ注いだ時間を数時間単位に短縮させることに集中しました。」
この目的のために、3つの重要な能力を組み合わせた。実戦的投資経験、データ分析能力、そしてAI・ビッグデータ技術力だ。彼は「現代建設、DL建設、ハンファ建設などの大型建設会社とのコラボレーションが決定的だった」とし、「技術的異常だけを追わず、実際の不動産開発実務者たちが経験する問題点を解決するため、互いの長所を組み合わせて絶えず改善した」と回顧した。
最近公開した短期価格予測モデルはソウル主要地域で誤差率1%台という精度を示した。 M2通貨量、金利、買収心理など26の指標を総合分析した結果だ。
「AI価格予測の成否は結局、データの質から決定されます。単に多くのデータを入れると精度が高くなりません。」
データノーズは創業前からこれまで9年間、不動産市場の様々な変数を直接投資現場で検証して整えてきた。彼は「リッチーゴが保有する約140～160個の変数のうち、6ヶ月短期展望には短期変化に最も敏感に反応する26個の核心変数のみを使用する」と紹介した。
データは3つの階層で管理されています。公共データ円形、結合および加工データ、独自のロジックデータだ。
「実際の予測モデルで貢献度が最も高い指標は、通常、直接設計した加工および独自ロジックデータです。
変動性の大きい国内市場で精度を１％台に維持できる秘訣は大きく２つある。巨視的観点からは、不動産市場の全体流動性水準を判断する「通貨量比時価総額」と、景気の流れをあらかじめ読む「リッチで景気先行指数」が市場の大きな流れをつかむ。地域および心理の観点からは、投資家の心理を数値化した「上昇力指数」、実居住者の負担能力を分析した「購入負担指数」、「預金利利対月収利回り」などの指標が機能する。
「既存のモデルは、需給動向や取引動向などの公共データを単純な参考用に使うが、これを「市場参加者の即時の心理変化」と解釈して分析します。
データノーズは「説明可能なAI」を核心価値とした。数千億、数兆ウォンの事業費が投入される不動産プロジェクトファイナンシング市場で「AIがそう予測したから信じてほしい」という式の説得は通じない。
「我々は単純な価格予測を超えて、どの変数がその結果に何パーセント寄与したかを数値で示しています。」
このような「説明力」は実際の現場で2つの大きな変化を生み出している。彼は「企業内で攻撃的な営業チームとリスクを管理するマーケティングチームの間には常に適正分譲家に対する論争が存在する。過去には各部署の「感」や「経験」が衝突した場合、AI MAS導入後は客観的な変数寄与度に基づいて対話する」と強調した。
また、既存のプロジェクト審査報告書が「過去近隣団地がこの価格に分譲されたので今回も可能だろう」という過去分析にとどまらなければ、データノウズのソリューションを導入した企業は未来シナリオを作る。
「該当地域に影響を与える変数を検討し、シミュレーションして最善の意思決定を下す文化が定着しています。」
データノーズは、シーエースからデータ品質認証最高等級の「クラスA（品質スコア0.99以上）」を受けた。
252の市軍区の10年値データを扱う過程でわずか0.01％の誤差も許容しないため、多層的な「自動化精製システム」を稼働中だ。
「人の目では到底把握できない膨大な量のデータを処理するために、私たちはAIベースの異常値フィルタリングアルゴリズムを構築しました。」
周辺価格と同等の取引や論理的に成立できないデータが入ってくる場合は、エンジニアリング段階で直ちに隔離して修正する。データノーズだけの独占的な競争力は一般ユーザー向けと企業向けサービスの好循環構造にある。
彼は「リッチゴアプリを使用する130万人のユーザーは単純な情報消費者ではなく、リアルタイムデータの最終検証者の役割も遂行する。現場の微細な情報変化やデータエラーをユーザーが最初に発見してフィードバックを与え、これはすぐにシステムに反映される」と紹介した。
適正分譲家算定方式もデータノーズに会って科学的シミュレーションに変わった。
「大型建設会社が一番最初に体感する変化は「速度」です。従来は、ある事業地の適正分譲家を導き出すために実務者がデータを収集して報告書を作成するのに平均一週間かかりました。しかし、AI MASは周辺相場、好価、実取引家、未来見通しデータを即座に組み合わせてわずか数分で一次結果を提示。
建設会社が削減するリスクコストは、単に人件費だけではありません。誤った分譲価格の算定で未分譲が発生したとき、建設会社が余裕を持たなければならない金融費用とブランド価値の下落、そして再分配マーケティング費は、単一事業地当たり数十億から数百億ウォンに達する。
シンプルソリューション提供を超えて「分譲プラス」というマーケティング領域に拡張している。既存の分譲広告市場が無差別的な露出と刺激的なフレーズで顧客を誘惑した場合、「分譲プラス」はAIとビッグデータという精密な基準で供給者と需要者を最適な点でつなぐ。
金融機関とのコラボレーションも活発だ。 KB、ハナ、NHなど主要金融圏と協業する理由は、データノウズのデータが金融会社のリスクは減り、収益機会は増やす役割をするからだ。
「既存の銀行の担保ローン審査が「現在の相場」に集中した場合、私たちの予測データは「未来の担保価値」をプレビューさせてくれます。」
最近進行した「AI MAS DAY」のイベントには、建設・信託会社の関係者が大挙参加し、熱い関心を見せた。
「現場で出会った関係者たちが望んでいたのは、「人間の判断限界を補完する客観的指標」でした。
予測力が高まるほど、市場の集中現象を加速できるという懸念について、キム・ジェグ社長は明確な哲学を持っている。
彼は「情報の独占は泡を作り、その泡が消えたときに苦しむのはいつも情報が足りない庶民たち」とし、「私たちが志向する「データ民主化」は未来を合わせるゲームではなく、市場の「不確実性」を「管理になる予測可能性」に変える社会だ。
市場の過熱は、通常「正確な情報」ではなく、「漠然とした恐怖」や「根拠のない期待」から始まる。誰もが「今買わなければ生涯できない」と叫ぶとき、データが「現在この地域は歴史的高評価状態」という客観的指標を見せると、非理性的なパニックを止めるブレーキ装置として機能することができる。逆に不動産市場が低迷して社会が問題になる時、低評価の状態と未来の価値を客観的指標として見せて、家庭づくりをうまくできるように助ける役割もできる。
最後に彼のビジョンを尋ねた。これにキム・ジェグ社長は「冷たい数字を超え、家と夢をつなぐ「信頼される灯台」であり、「不動産のブルームバーグ」」とし、「国籍と言語は違っても、データという客観的なコンパスを通じて、誰もが最善の選択を下すことができる世界を作っていく」。
为房地产市场带来“可预测性”……Data Knows 首席执行官金在九
房地产市场最大的敌人是“信息垄断”。在市场过热时期，模糊的预期主导着市场；而在经济衰退时期，毫无根据的恐慌则主导着市场。
Data Knows公司利用从160个变量中精心挑选出的26个关键指标，开发了一个为期六个月的短期预测模型。该模型在首尔主要区域的准确率低于1%。“Richigo”应用程序每月访问量达130万，广受欢迎，随后随着企业解决方案“AI MAS”的推出，业务拓展至建筑、工程和金融领域。
“事实上，在‘Richigo Real Estate’应用程序创建之前，它的最初模型是‘Richigo Expert’，一个面向专业人士的分析解决方案。”
Data Knows 的首席执行官金在九开发了一个结合全球经济、金融和区域数据的预测模型。他解释说，该模型“在专家中引起了热烈反响”。出于与公众分享这些分析成果的愿望，他大幅简化了用户界面/用户体验，最终推出了现在的“Richgo Real Estate”应用程序。
普通用户服务充当了大规模的“数据验证试验场”。他解释说：“通过对比130万用户在应用上展现的购买意愿、区域兴趣以及实际市场变化，我们的预测模型得到了进一步完善。” 由于普通用户服务验证了“数据和预测模型的可靠性”，企业解决方案“AI MAS”得以迅速赢得保守的金融和建筑公司的认可。
2022年，金在九社长接管公司业务时，他设定了一个目标，即成为“向高附加值工作转型和成功商业决策的合作伙伴”。
“我们致力于将企业客户分析房地产市场和计算销售价格所需的时间从几天或几周缩短到几个小时。”
为了实现这一目标，他整合了三大核心竞争力：丰富的投资实践经验、强大的数据分析能力以及人工智能和大数据技术。他回忆道：“与现代建设、DL建设和韩华建设等大型建筑公司的合作至关重要。” 他补充说：“我们并没有仅仅追求技术理想，而是结合自身优势，不断改进，以应对房地产开发商在现实世界中面临的挑战。”
最近发布的一项短期价格预测模型显示，首尔主要地区的预测准确率不足1%。该模型综合分析了包括M2货币供应量、利率和购买情绪在内的26项指标。
“人工智能价格预测的成败最终取决于数据的质量。仅仅增加数据量并不一定能提高准确性。”
自成立以来，Data Knows 九年来一直在不断完善和测试房地产市场的各种变量。他解释说：“Richigo 拥有大约 140 到 160 个变量，但我们只使用其中 26 个核心变量进行为期六个月的短期预测，这些变量对短期变化最为敏感。”
数据管理分为三个层次：公共数据原型、组合和处理后的数据以及专有逻辑数据。
“在实际的预测模型中，贡献最大的指标通常是直接设计、处理和专有逻辑数据。这是 RichGo 的独特卖点，也是现有统计模型无法比拟的。”
在波动剧烈的国内市场中，有两个关键因素有助于将预测精度维持在1%以内。从宏观角度来看，“市值与货币供应量之比”（评估房地产市场的整体流动性水平）和“Richgo领先经济指数”（预测经济趋势）能够反映更广泛的市场状况。从区域和心理层面来看，“上涨势头指数”（量化投资者情绪）、“购房负担指数”（分析实际居民的购房能力）和“月租金收益率与存款比率”等指标至关重要。
“现有模型仅使用供需趋势和交易趋势等公开数据作为参考，但我们对这些数据进行解读和分析，将其视为‘市场参与者情绪的即时变化’。这些指标对于预测未来一到三个月内的变化极其有用。”
Data Knows 将“可解释人工智能”奉为核心价值。在房地产项目融资市场，投资额高达数千亿甚至数万亿韩元，诸如“相信我们，因为人工智能预测到了”之类的说服策略行不通。
“我们不仅进行简单的价格预测，还提供数值数据，显示哪些变量对结果有影响，以及影响的百分比。”
这种“解释力”实际上正在推动该领域的两大变革。他强调：“在公司内部，销售团队（积极进取）和市场营销团队（注重风险管理）之间总是就合适的售价存在争论。过去，各部门的‘直觉’或‘经验’相互冲突，但随着人工智能多智能体系统（AI MAS）的引入，现在的讨论是基于客观变量的贡献。”
此外，现有的项目审查报告仅限于过去的分析，例如，“由于附近的综合体过去曾以这种价格出售，所以这次也可能如此”，而采用 Data Knows 解决方案的公司则会创建未来的场景。
“一种新的文化正在兴起，在这种文化中，我们会研究和模拟影响特定地区的各种因素，以便做出最佳决策。”
Data Knows 获得了 CAES 颁发的最高级别数据质量认证“A 级（质量得分 0.99 或更高）”。
为了确保在处理来自 252 个城市和县的 10 年数据的过程中，即使是 0.01% 的错误也不被容忍，一个多层“自动净化系统”正在运行。
“为了处理人眼无法处理的海量数据，我们构建了一个基于人工智能的异常值过滤算法。”
如果交易与市场不同步或数据在逻辑上不合理，则会在工程阶段立即将其隔离并纠正。Data Knows 的独特竞争优势在于其为普通用户和企业提供的良性循环服务。
他解释说：“Richigo应用程序的130万用户不仅仅是信息的消费者；他们也是实时数据的最终验证者。他们最先发现现场信息的细微变化或数据错误，并提供反馈，这些反馈会立即反映在系统中。”
计算合适售价的方法也已改为使用 Data Knows 进行科学模拟。
大型建筑公司面临的首要变化是“速度”。过去，从业人员平均需要一周时间收集数据并准备报告，才能确定项目地点的合适售价。然而，人工智能多属性评估系统（AI MAS）能够即时整合周边市场价格、要价、实际成交价格和未来预测等数据，只需几分钟即可得出初步结果。
建筑公司节省的风险成本远不止人工成本。如果定价策略不当导致房屋滞销，建筑公司必须承担的财务损失、品牌价值下降以及转售营销成本，每个项目可能高达数百亿至数千亿韩元。
除了提供简单的解决方案外，我们正在拓展到一个名为“购买+”的营销领域。现有的购买广告市场依靠无差别的曝光和挑衅性的广告语来吸引客户，而“购买+”则利用人工智能和大数据等精准标准，在最佳时机将供应商和买家联系起来。
Data Knows与金融机构的合作也十分活跃。该公司与KB、Hana和NH等大型金融机构开展合作，因为其数据能够降低金融机构的风险并增加盈利机会。
“传统银行的抵押贷款审查流程侧重于‘当前市场价格’，而我们的预测数据则能让我们了解‘未来抵押品的价值’。”
最近举办的“AI MAS DAY”活动吸引了众多建筑公司和信托公司官员参加，他们表现出了浓厚的兴趣。
“我接触到的业内人士想要的是‘能够弥补人类判断局限性的客观指标’。随着生成式人工智能的普及，房地产领域的从业者也希望人工智能能够从逻辑上解释‘为什么会取得某些结果’。”
针对市场可预测性提高可能会加速市场集中化的担忧，CEO金在九有着明确的理念。
他说：“信息垄断会制造泡沫，而当这些泡沫破裂时，受苦的总是缺乏信息的普通民众。”他还解释说：“我们正在追求的‘数据民主化’不是在猜测未来，而是在构建一个社会安全网，将市场的‘不确定性’转化为‘可控的可预测性’。”
市场过热往往源于模糊的恐惧或毫无根据的预期，而非准确的信息。当人人都在高喊“现在不买，以后就买不到了”时，如果数据客观地表明“该地区目前的房价已被历史性高估”，就能起到刹车的作用，遏制非理性的恐慌。反之，当房地产市场低迷构成社会问题时，客观的低估指标和未来价值预测可以帮助人们买到房子。
最后，我问及他的愿景。首席执行官金在九回答说：“我们追求的不仅仅是冷冰冰的数字，而是成为连接家园与梦想的‘值得信赖的灯塔’，成为房地产界的‘彭博社’。”他强调：“尽管国籍和语言各不相同，但我们将创造一个世界，让每个人都能通过客观的数据指南针做出最佳选择。”
Apporter de la « prévisibilité » au marché immobilier… Kim Jae-gu, PDG de Data Knows
Le plus grand ennemi du marché immobilier est le « monopole de l'information ». En période de surchauffe, des anticipations vagues dominent le marché, tandis qu'en période de récession, ce sont des craintes infondées qui prédominent.
Data Knows a développé un modèle de prévision à court terme de six mois, basé sur 26 indicateurs clés soigneusement sélectionnés parmi 160 variables. Ce modèle a atteint une précision inférieure à 1 % dans les principaux quartiers de Séoul. L'application « Richigo », forte de 1,3 million de visiteurs mensuels, a connu un succès fulgurant et s'est ensuite étendue aux secteurs de la construction, du bâtiment et de la finance avec le lancement de la solution d'entreprise « AI MAS ».
« En fait, avant la création de l’application « Richigo Real Estate », son modèle initial était « Richigo Expert », une solution d’analyse destinée aux professionnels. »
Kim Jae-gu, PDG de Data Knows, a développé un modèle combinant données économiques, financières et régionales mondiales pour prédire l'avenir. Il explique que ce modèle a suscité un vif intérêt auprès des experts. Souhaitant partager ces résultats analytiques avec le grand public, il a considérablement simplifié l'interface utilisateur, donnant naissance à l'application « Richgo Real Estate ».
Le service destiné aux utilisateurs finaux a servi de vaste banc d'essai pour la validation des données. Il explique : « Notre modèle de prédiction a été affiné grâce à la comparaison des tendances d'achat de 1,3 million d'utilisateurs, des intérêts régionaux et des évolutions réelles du marché sur l'application. » La fiabilité des données et des modèles de prédiction, vérifiée par ce service, a permis à la solution d'entreprise « AI MAS » de convaincre rapidement des sociétés financières et de construction réputées conservatrices.
Lorsque le président Kim Jae-goo a pris la direction de l'entreprise en 2022, il s'est fixé pour objectif de devenir « un partenaire pour la transition vers un travail à forte valeur ajoutée et une prise de décision commerciale réussie ».
« Nous nous sommes concentrés sur la réduction du temps que les entreprises clientes consacrent à l'analyse du marché immobilier et au calcul des prix de vente, passant de plusieurs jours ou semaines à quelques heures seulement. »
Pour y parvenir, il a combiné trois compétences clés : une expérience pratique en matière d’investissement, des capacités d’analyse de données et une expertise en intelligence artificielle et en mégadonnées. Il se souvient : « La collaboration avec de grandes entreprises de construction comme Hyundai Engineering & Construction, DL Engineering & Construction et Hanwha Engineering & Construction a été essentielle. » Il ajoute : « Plutôt que de simplement poursuivre des idéaux technologiques, nous avons uni nos forces pour améliorer en permanence les solutions aux défis rencontrés par les promoteurs immobiliers sur le terrain. »
Un modèle de prévision des prix à court terme récemment publié a démontré une précision inférieure à 1 % dans les principaux quartiers de Séoul. Ce résultat est le fruit d'une analyse approfondie de 26 indicateurs, dont la masse monétaire M2, les taux d'intérêt et le sentiment d'achat.
« Le succès ou l'échec des prévisions de prix par l'IA dépend en fin de compte de la qualité des données. Ajouter simplement plus de données n'améliore pas nécessairement la précision. »
Depuis sa création il y a neuf ans, Data Knows affine et teste diverses variables du marché immobilier. Il explique : « Parmi les quelque 140 à 160 variables dont dispose Richigo, nous n’utilisons que 26 variables clés, les plus sensibles aux variations à court terme, pour nos prévisions à six mois. »
Les données sont gérées à trois niveaux : prototypes de données publiques, données combinées et traitées, et données logiques propriétaires.
« Dans les modèles prédictifs concrets, les indicateurs les plus pertinents sont généralement des données issues d'une logique propriétaire, conçue et traitée directement. C'est le principal atout de RichGo, un avantage que les modèles statistiques existants ne peuvent égaler. »
Deux facteurs clés contribuent à maintenir une précision de l'ordre de 1 % sur le marché intérieur, caractérisé par une forte volatilité. D'un point de vue macroéconomique, le ratio « capitalisation boursière/masse monétaire », qui évalue la liquidité globale du marché immobilier, et l'« Indice Richgo des indicateurs économiques avancés », qui anticipe les tendances économiques, offrent un aperçu du marché dans son ensemble. D'un point de vue régional et psychologique, des indicateurs tels que l'« Indice de vigueur de la hausse », qui quantifie le sentiment des investisseurs, l'« Indice de la charge des acheteurs », qui analyse la capacité d'emprunt des résidents, et le « Rendement locatif mensuel/taux de dépôt » sont essentiels.
« Les modèles existants utilisent simplement des données publiques telles que les tendances de l'offre et de la demande et les tendances transactionnelles à titre de référence, mais nous interprétons et analysons ces données comme des "changements immédiats dans le sentiment des acteurs du marché". Ces indicateurs sont extrêmement utiles pour prédire les changements au cours des un à trois prochains mois. »
Data Knows a fait de l'« IA explicable » sa valeur fondamentale. Sur le marché du financement de projets immobiliers, où des centaines de milliards, voire des billions de wons, sont investis, les tactiques persuasives du type « faites-nous confiance, l'IA l'a prédit » sont vouées à l'échec.
« Nous allons au-delà des simples prévisions de prix pour fournir des données chiffrées montrant quelles variables ont contribué au résultat et dans quelle proportion. »
Ce « pouvoir explicatif » est en réalité à l'origine de deux changements majeurs dans le domaine. Il a souligné : « Au sein des entreprises, le débat sur le prix de vente approprié oppose constamment l'équipe commerciale dynamique à l'équipe marketing soucieuse de la gestion des risques. Auparavant, l'intuition et l'expérience de chaque service s'opposaient, mais avec l'introduction de l'IA et des systèmes multi-agents, les discussions s'appuient désormais sur la contribution de variables objectives. »
De plus, alors que les rapports d'examen de projets existants se limitaient à des analyses passées, telles que « Puisque des complexes voisins se sont vendus à ce prix par le passé, il est probable que ce soit également possible cette fois-ci », les entreprises qui adoptent les solutions de Data Knows créent des scénarios futurs.
« Une culture se met en place où l’on examine et simule les variables qui influent sur une région donnée afin de prendre les meilleures décisions. »
Data Knows a reçu le plus haut niveau de certification de qualité des données, « Classe A (score de qualité de 0,99 ou plus) », de la part de CAES.
Pour garantir qu'aucune erreur, même de 0,01 %, ne soit tolérée lors du traitement de 10 ans de données provenant de 252 villes et comtés, un « système de purification automatisé » à plusieurs niveaux est en fonction.
« Pour traiter des quantités massives de données qui dépassent tout simplement l'œil humain, nous avons construit un algorithme de filtrage des valeurs aberrantes basé sur l'IA. »
Si une transaction est déconnectée du marché ou si les données sont incohérentes, elle est immédiatement identifiée et corrigée lors de la phase d'ingénierie. L'avantage concurrentiel unique de Data Knows réside dans son cercle vertueux de services destinés aussi bien aux particuliers qu'aux entreprises.
Il a expliqué : « Les 1,3 million d’utilisateurs de l’application Richigo ne sont pas de simples consommateurs d’informations ; ils sont aussi les garants ultimes de la fiabilité des données en temps réel. Ils sont les premiers à repérer les moindres changements dans les informations ou les erreurs de données sur le terrain et à fournir un retour d’information, qui est immédiatement pris en compte par le système. »
La méthode de calcul du prix de vente approprié a également été modifiée et repose désormais sur une simulation scientifique avec Data Knows.
« Le premier changement que constatent les grandes entreprises de construction, c'est la rapidité. Auparavant, il fallait en moyenne une semaine aux professionnels pour collecter les données et préparer les rapports nécessaires à la détermination du prix de vente approprié d'un terrain. Désormais, AI MAS combine instantanément les données relatives aux prix du marché environnant, aux prix demandés, aux prix de transaction réels et aux prévisions, et fournit des résultats préliminaires en quelques minutes seulement. »
Les économies réalisées par les entreprises de construction sur les risques ne se limitent pas aux seuls coûts de main-d'œuvre. Une stratégie de prix inadaptée, engendrant des invendus, peut entraîner des coûts financiers, une baisse de l'image de marque et des frais de marketing liés à la revente, pour les entreprises de construction. Ces coûts peuvent se chiffrer en dizaines, voire en centaines de milliards de wons par projet.
Au-delà de la simple fourniture de solutions, nous nous développons dans un domaine marketing appelé « Achat Plus ». Alors que le marché publicitaire d'achat existant attirait les clients par une exposition indiscriminée et des phrases provocatrices, « Achat Plus » met en relation fournisseurs et acheteurs au point optimal en utilisant des critères précis comme l'IA et le big data.
La collaboration avec les institutions financières est également active. Data Knows collabore avec des institutions financières majeures telles que KB, Hana et NH car ses données permettent de réduire les risques et d'accroître les opportunités de profit pour ces institutions.
« Alors que le processus d'examen des prêts garantis par les banques traditionnelles se concentre sur les « prix actuels du marché », nos données prédictives offrent un aperçu de la « valeur future des garanties ». »
L'événement « AI MAS DAY », qui s'est tenu récemment, a attiré un grand nombre de représentants d'entreprises de construction et de sociétés fiduciaires, témoignant d'un vif intérêt.
« Ce que les personnes que j'ai rencontrées sur le terrain souhaitaient, c'était des « indicateurs objectifs qui compléteraient les limites du jugement humain ». Avec la récente popularisation de l'IA générative, les professionnels de l'immobilier souhaitaient également une IA capable d'expliquer logiquement « pourquoi certains résultats ont été obtenus ». »
Concernant les inquiétudes selon lesquelles une prévisibilité accrue pourrait accélérer la concentration du marché, le PDG Kim Jae-goo a une philosophie claire.
Il a déclaré : « Les monopoles de l’information créent des bulles, et lorsque ces bulles éclatent, ce sont toujours les gens ordinaires, qui manquent d’information, qui en souffrent », et a expliqué : « La “démocratisation des données” que nous poursuivons n’est pas un jeu de devinettes sur l’avenir, mais le travail de construction d’un filet de sécurité sociale qui transforme l’“incertitude” du marché en une “prévisibilité gérable”. »
La surchauffe du marché immobilier résulte souvent de craintes vagues ou d'espoirs infondés, et non d'informations précises. Quand tout le monde clame : « Si vous n'achetez pas maintenant, vous n'achèterez plus jamais », des données objectives démontrant que « ce secteur est actuellement historiquement surévalué » peuvent freiner la panique irrationnelle. Inversement, lorsqu'un effondrement du marché immobilier pose un problème de société, des indicateurs objectifs de sous-évaluation et de valeur future peuvent aider les gens à acquérir un logement.
Enfin, je l'ai interrogé sur sa vision. Le PDG, Kim Jae-gu, a répondu : « Au-delà des simples chiffres, nous aspirons à être un phare de confiance reliant les logements et les rêves, le Bloomberg de l'immobilier. » Il a souligné : « Malgré les différences de nationalité et de langue, nous créerons un monde où chacun pourra faire les meilleurs choix grâce à la boussole objective des données. »
You must be logged in to post a comment.