Met big data naar een op waarde sturende woonvisie

Big data-analyses ontsluiten het gedrag van consumenten in detail: specifiek voor elke locatie en actueel met up-to-date gegevens. De snelle technologische ontwikkelingen maken het gebruik van enorm grote hoeveelheden data mogelijk, mits deze op een slimme manier – met verbeterde snelle algoritmen en real-time-analyses – tot inzichtelijke informatie worden verwerkt. Bovendien gaat hier een democratische werking van uit, omdat gegevens van elke consument beschikbaar zijn en niet alleen van degenen die zich weten te roeren in een inspraaktraject. Dat is efficiënt, omdat data meer en meer up-to-date, online en relatief goedkoop beschikbaar is. En het is effectief, omdat de basis ligt in bewezen verhuisgedrag en niet in vrijblijvende enquêtes waarin woonvoorkeuren worden uitgesproken.

Marktanalyse strategische kaart Oosterhout

Consumentendata

De woningmarkt werkt niet anders dan elke willekeurige markt voor consumentengoederen. De consument vertoont voorspelbare patronen in koop- en huurgedrag, gerelateerd aan de huidige woonsituatie en aan de eigen waardeoriëntatie. In de praktijk blijkt de keuze voor de woning en de woonomgeving van meer factoren afhankelijk dan van enkel meetbare kenmerken als leeftijd, huishoudenssamenstelling en inkomenssituatie van de consument. Hoe is anders te verklaren dat het ene gezin een ruime suburbane woning kiest, terwijl een schijnbaar vergelijkbaar gezin qua samenstelling en inkomen kiest voor een stedelijk appartement met een dakterras?

De bestaande voorraad is met behulp van consumentendata nog beter te duiden. Zo is inzichtelijk te maken hoe de woonconsument de omgeving ervaart waarin hij of zij woont. Dat zorgt voor veel herkenning, ook op die plaatsen waar het fysieke uiterlijk van een woonmilieu (wat zie je als je er loopt?) verschilt van de beleving (wat voel je als je er woont?).

Effectieve vraag

Met predictive modelling op basis van big data is het mogelijk om de effectieve vraag naar woningen kwantitatief en kwalitatief (type, prijsklasse en woonmilieu) in beeld te brengen. Dit werkt als volgt. De consumentendatabase, waarin alle adressen in Nederland zijn opgenomen met per adres informatie over het object (zoals woningtype, grootte, WOZ-waarde, eigendomsvorm, woonmilieu) en het subject (onder meer leefstijl, levensfase, koopkracht, opleiding), is gekoppeld aan een database met verhuizingen in Nederland vanaf 2005. Statistisch is op deze manier voor elk huishouden in beeld te krijgen hoe groot de verhuiskans is, evenals de gewenste woning, het woonmilieu en de verhuisafstand. De parameters in het model bepalen we bij ieder onderzoek voor het omringende gebied. Het specifieke woningmarktgedrag in Pijnacker-Nootdorp bijvoorbeeld wijkt nogal af van het gedrag in de stad Groningen. De methodiek houdt rekening met de demografische ontwikkeling.

Het model past de gevonden parameters toe op de huidige populatie van de betreffende gemeente. De som van de kansen van alle huishoudens geeft de effectieve vraag naar nieuwbouwwoningen. Zo levert het gegeven dat zeven huishoudens die eens per zeven jaar verhuizen naar een nieuwbouwwoning, effectief een vraag op naar één nieuwbouwwoning per jaar. Big data zijn bekend op huishoudensniveau en de relevante verhuisafstand naar nieuw aanbod is ook bekend. Dit alles bij elkaar levert dus actuele, gedetailleerde en locatie-specifieke informatie voor een goed gefundeerde woonvisie.

Toekomstwaarde

We weten welke dynamiek in de bestaande voorraad plaatsvindt. De effectieve vraag geeft de match of mismatch tussen de huidige voorraad en de toekomstige vraag. De toekomstwaarde is de mate waarin een woning in de toekomst aansluiting houdt bij een veranderende vraag. Waar de toekomstwaarde hoog is maar de marktwaardering nog laag, daar kan de gemeente gericht inzetten op maatregelen om de kwaliteiten te behouden of nog verder te versterken. Te denken valt aan verbeteringen in de openbare ruimte, versterking van de sociale cohesie of het ondersteunen van lokale voorzieningen. Waar de toekomstwaarde laag is en de huidige marktwaarde hoog, daar kan verbetering van de woningen zelf (verduurzaming, verbetering toegankelijkheid, vergroting) effectief bijdragen aan het realiseren van woningvoorraad die is afgestemd op de vraag. Waar de toekomstwaarde laag is én de huidige marktwaarde slecht, daar moet de gemeente harder ingrijpen in de fysieke leefomgeving. De effectiviteit van bovengenoemde maatregelen is immers laag als de bewoner vooral een waardedaling van de woning ervaart. De toekomstwaarde en de huidige marktwaarde vormen een strategisch kader voor sturing aan de bestaande woningvoorraad.

Gemeten woonmilieus in Alphen aan den Rijn

Waarde van woningvoorraad

De effectieve vraag blijkt steeds weer zinvolle marktinformatie op te leveren. Publieke en private partijen herkennen de waarde van een programmering in productsegmenten en woonmilieus die is afgestemd op de woonconsument. Deze is van belang voor zowel de programmering van nieuwbouw als de toekomstwaarde van de bestaande voorraad. Hoe groot is de doelgroep van een project? Wat wil deze doelgroep? Waar woont de doelgroep nu? En ook: welke alternatieve keuze voor nieuwbouw biedt de bestaande voorraad? Stuk voor stuk relevante vragen, en het antwoord is gebaseerd op de keuzes die de woonconsument daadwerkelijk maakt. Met die kennis is het mogelijk om eventueel nieuw aanbod goed te positioneren, geheel in lijn met wat de Ladder voor duurzame verstedelijking vraagt.

Dit is een verkorte versie. Het volledige artikel is te lezen in ROm 1-2, januari-februari 2016. 

Bron: ROmagazine.nl, geschreven door Peter van Bosse en Ariën Versteeg (Fakton) en Gert-Jan Hagen (SpingCo), 11 februari 2016

Zie ook:

• Leiden, Delft en Erasmus zetten ‘big data’ in voor stedelijke vraagstukken
• De blik vooruit: digitaal transformeren met Big Data
• Voorspellen van markt en mens met big data
• Steden worden steeds intelligenter
• Big Data, Big City, Big Money