Webinar Automated Valuation Models

Op donderdag 21 oktober 2021 heb ik een webinar gevolgd omtrent AVMs: Automated Valuation Models. Dit is eigenlijk een wiskundig model om de waarde van een pand te schatten. 

We leven in een moderne tijd. Meer en meer wordt er gedigitaliseerd en ook in de vastgoedsector is deze digitalisatie niet weg te denken. Er bestaan vele methodes om een pand te schatten, vastgoedmakelaars zijn hier ook in opgeleid en getraind. Door de digitalisering is het nu mogelijk om met hulp van de AVM's de panden makkelijker te schatten. Het zou ervoor moeten zorgen dat het proces sneller gaat, er minder fouten worden gemaakt en dat er een groter bereik van informatie mogelijk is. 

Aan de AVM's worden er een betrouwbaarheidsscore gegeven. Dit geeft de nauwkeurigheid van de schatting aan. Als deze hoog is dan is het heel betrouwbaar. Dit komt omdat er dan veel bronnen en data beschikbaar was om de schatting te maken. Als de betrouwbaarheidsscore laag is dan is dit eigenlijk het omgekeerde. Dat wilt dan zeggen dat er te weinig informatie of data was om de waarde 100% te kunnen vertrouwen op deze methode. 

Er zijn ook enkele voor- en nadelen verbonden aan het gebruik van AVM's. De voordelen zijn dus dat het menselijk element niet wordt gebruikt dus er is geen kans op fraude, het spaart ook geld en tijd uit en het kan ook nuances of analyses ontdekken die een mens tijdens zijn taxatie niet zou ontdekt hebben. De nadelen zijn, dat bij het gebruik van AVM voor schatten van een woning, dat de woning niet grondig wordt bezocht door de taxateur. Een tweede nadeel is dat er nog altijd sprake kan zijn van fraude door bijvoorbeeld hacking van het systeem. En een derde nadeel kan zijn dat er een lage betrouwbaarheidsscore wordt gegeven door het feit dat er te weinig informatie of data beschikbaar is. 

Het is altijd belangrijk om bij het gebruik van AVM's te kijken of het wel nuttig is in die situatie. Zo zal het gebruik van AVM's bij ongewone eigendommen waarbij er weinig data is niet relevant genoeg zijn. Door het feit dat er weinig data zal zijn, zal de betrouwbaarheid niet hoog liggen.