In OrtaX is voor alle woningen een Machine Learning waardering beschikbaar.

Uniek is dat wij in ons AI-model landelijke met gemeentelijke gegevens combineren en dat we het model hebben getraind op basis van daadwerkelijke markttransacties. De landelijke gegevens bestaan uit gegevens die we uit onze eigen Ortec Finance DataStore halen. De DataStore bevat onder andere alle woningtransacties van Nederland, BAG gegevens, vraagprijzen en -huren, EPA-labels, CBS en PDOK-gegevens en data van Prorail en Rijkswaterstaat. We gebruiken landelijke gegevenssets en verrijken deze met de (secundaire) objectgegevens die de gemeente heeft. Doordat het AI-model op deze manier veel data gebruikt uit diverse bronnen leidt dit tot betrouwbare waarderingen.

De Machine Learning waarde, in combinatie met de ander modelwaarden die in OrtaX beschikbaar zijn , maakt het voor taxateurs inzichtelijk welke objecten lastig te waarderen zijn. Hiermee kunnen taxateurs gericht moeilijk waardeerbare objecten inspecteren en voorzien van een betere waardebepaling.

Kenmerken van OrtaX Machine Learning

  • Machine learning is een set van data-gedreven methoden om computergestuurde voorspellingen te maken
  • Machine learning gebruikt veel meer data bij het waarderen van een object dan bij een traditionele waardering het geval is
  • Het eerste Machine Learning waarderingsmodel op basis van gemeentelijke en landelijke data
  • Razendsnelle en actuele waardecheck ten opzichte van huidige waardering
  • Helpt taxateur bepalen welke objecten extra aandacht nodig hebben

Webinar OrtaX Machine Learning

Op dinsdag 10 november 2020 verzorgden Frank Verbeek, David Kroon en Steven Veeger van Ortec Finance een webinar waarin zij OrtaX Machine Learning en de pilot met diverse gemeenten bespraken.

Kijk webinar OrtaX Machine Learning hier terug

Meer weten?

Wil je meer weten? Neem contact op met Paula Dings.

En ken je de OrtaX Opname App al?

Vraag je gepersonaliseerde demo aan

Gerelateerde insights

X
Cookies help us improve your website experience.
By using our website, you agree to our use of cookies.
Confirm