Los primeros meses de 2025 trajeron señales contradictorias para el mercado ruso de bienes raíces comerciales. Por un lado, los analistas registran un crecimiento en la cuota de ventas en línea y pronostican una disminución del tráfico en los centros comerciales hasta en un 5%. Por otro lado, continúa la transformación de los centros comerciales en espacios multifuncionales, lo que puede estimular el interés de los visitantes. Los desarrolladores y las empresas de gestión se enfrentan a decisiones cada vez más complejas. En un contexto de cambios en el comportamiento del consumidor y cambios generales en el mercado, ya no es suficiente simplemente ver las cifras, dice el experto en el campo del análisis de datos y la automatización de procesos de gestión, Filipp Papanayanov, es importante comprender cómo cambiarán con el tiempo y reaccionar rápidamente ante ellos. Este año, Filipp Papanayanov entró en el «Top-40 de expertos digitales», un premio anual de toda Rusia que define a quienes marcan la pauta para el desarrollo digital en Rusia, gracias al desarrollo de una plataforma analítica que ayuda a los propietarios de bienes raíces a tomar decisiones óptimas y aumentar la precisión de la planificación. Los miembros del jurado calificaron como una solución única en la plataforma la combinación de elementos de OLTP (Online Transaction Processing - procesamiento de transacciones en tiempo real), modelado financiero y BI (Business Intelligence). El sistema demostró su eficacia en la empresa «TPS Real Estate», un operador de bienes raíces comerciales que se encuentra entre los 20 principales de Rusia, según Forbes.
En la entrevista, Filipp Papanayanov explicó por qué el modelado financiero clásico no es adecuado para la gestión de centros comerciales, cuándo tiene sentido crear una arquitectura analítica híbrida y por qué es prematuro transferir el trabajo de un analista a la inteligencia artificial.
Filipp, la creación de un sistema de gestión de alquileres preciso y tecnológico requiere una profunda comprensión de los procesos empresariales y la dinámica del mercado. El premio «Top-40 Digital Experts» reconoció su desarrollo como uno de los mejores proyectos para la toma de decisiones en el sector inmobiliario. ¿Cuál fue el punto de partida para el lanzamiento del proyecto?
En realidad, todo comenzó con la necesidad de sistematizar las decisiones de gestión en condiciones de incertidumbre. Hoy en día, es especialmente importante formular condiciones de alquiler lo más reflexivas posible, basadas en datos. Vemos cómo cambia el comportamiento del consumidor, cómo se transforma el tráfico en los centros comerciales, y esto exige a los gestores una mayor precisión y rapidez en la toma de decisiones. Al fin y al cabo, en los centros comerciales y de ocio, el alquiler no sólo está vinculado a una tasa fija, sino también al volumen de negocios del arrendatario. En algunos casos, las condiciones también pueden tener en cuenta parámetros adicionales, como el porcentaje de espacio vacante en el centro comercial. Pero si hablamos de nuestro sistema, su historia comenzó mucho antes de los cambios actuales del mercado. La idea de crear una plataforma analítica integral se me ocurrió en 2014, y desde 2016 comenzó a utilizarse en el trabajo. En nueve años, el sistema ha evolucionado significativamente, abarcando todos los procesos empresariales clave y convirtiéndose en la base para la toma de decisiones de gestión. Por lo tanto, se puede decir que al principio fue una respuesta a las necesidades internas y el deseo de sistematización. Y hoy en día, es una continuación lógica del curso hacia la transformación digital y el desarrollo estratégico del negocio.
¿En qué se diferencia la previsión por arrendatarios del modelado financiero clásico?
El modelado clásico de los ingresos de un negocio en funcionamiento suele basarse en el procesamiento de los ingresos reales. Si este año ganamos X, el año que viene ganaremos k multiplicado por X, y el modelado se reduce a seleccionar y justificar el coeficiente k. Por supuesto, esto es una simplificación: en realidad, todo es mucho más complicado: puede haber muchos factores, el negocio puede ampliarse, pero la base sigue siendo el hecho. Este enfoque no es aplicable a los centros comerciales y de ocio, ya que las condiciones de los contratos suelen ser complejas y pueden prever, por ejemplo, un aumento del doble de la tasa después del primer año de funcionamiento. Por lo tanto, la base para el modelado no debe ser el hecho, sino las condiciones comerciales.
¿Su sistema permitió a la empresa abandonar las soluciones fragmentadas y reducir el tiempo de preparación de los cálculos y tiene mucho de autor. Por ejemplo, los algoritmos de previsión del volumen de negocios. ¿Qué datos son los más «sensibles» para usted en la previsión y qué es importante tener en cuenta para no equivocarse?
Para hacer una previsión precisa, es necesario dividir la tarea en dos áreas: para los arrendatarios existentes y para los previstos. Los algoritmos en estos casos difieren significativamente. Si un arrendatario ya ha trabajado en el centro comercial y de ocio durante al menos unos meses, se puede construir una previsión bastante precisa basada en su volumen de negocios real. Al mismo tiempo, la condición clave es la disponibilidad de información fiable: es importante tener en cuenta no sólo el volumen de negocios en sí, sin distorsiones por parte del arrendatario, sino también la fecha de apertura, las posibles interrupciones en la actividad comercial, así como el perfil de los productos del arrendatario, que es fundamental para tener en cuenta la estacionalidad. Por lo tanto, el factor más sensible aquí es la precisión de los datos reales. Para los arrendatarios previstos se utiliza un enfoque diferente: la previsión se basa en la selección de análogos comparables. Este es un proceso más complejo y creativo, que requiere experiencia en la industria, y no puede ser completamente automatizado.
La precisión de la planificación del volumen de negocios a finales de 2024 fue del 98,5%. Como señaló el jurado del premio, este es un indicador muy alto para un área tan compleja y variable como los bienes raíces comerciales. ¿Cree que este es el límite o se puede aumentar aún más la precisión?
Este es realmente un excelente resultado, pero la precisión del pronóstico no es un fin en sí mismo, sino una herramienta de gestión. El indicador del 98,5% es la precisión promedio para toda la cartera de centros comerciales, y confirma que vamos en la dirección correcta. Al mismo tiempo, a nivel de objetos individuales, la precisión, naturalmente, varió. Es por eso que nuestra tarea más inmediata es minimizar esta dispersión y aumentar la estabilidad del pronóstico a nivel de cada centro comercial específico. Tenemos una comprensión clara de qué factores se pueden utilizar para hacer esto, vemos oportunidades para aumentar aún más la precisión.
Su sistema combina elementos de OLTP, modelado financiero y BI, lo cual es un enfoque bastante inusual que permite cubrir todo el ciclo de trabajo con el arrendatario en una sola plataforma. Pero, por regla general, tales integraciones requieren recursos serios. En su opinión, ¿cuándo está realmente justificada la combinación de estos componentes en un solo sistema?
Sí, esta combinación realmente requiere esfuerzos serios tanto en la etapa de desarrollo como en el soporte posterior del sistema. Pero para la gestión de objetos de bienes raíces comerciales, especialmente de tal escala como los centros comerciales y de ocio, esta combinación no sólo está justificada, sino que es necesaria. En los centros comerciales hay una complejidad muy alta de las relaciones contractuales, y cada contrato puede tener su propia lógica de cambio de tasas: con referencia al volumen de negocios del arrendatario, con un crecimiento gradual, teniendo en cuenta la estacionalidad o el nivel de vacantes. Modelar esto fuera del entorno OLTP es imposible: es necesario trabajar con datos actuales que cambian con el tiempo. Paralelamente, es necesario tener en cuenta las consecuencias financieras de estas condiciones, es decir, construir modelos y no simplemente registrar hechos. BI en este caso se convierte en una herramienta de análisis y toma de decisiones: permite ver no sólo lo que está sucediendo, sino también por qué está sucediendo. Este enfoque tiene sentido cuando los procesos empresariales están vinculados a muchas variables y requieren un recálculo y adaptación constantes. Si se trata de un negocio estable y predecible linealmente, donde las condiciones casi no cambian, puede ser más eficaz utilizar una arquitectura más simple y especializada. Pero en el caso de los centros comerciales, las soluciones fragmentadas simplemente no permitirán gestionar el alquiler de forma precisa y rápida.
Usted es miembro de la Asociación Internacional de Especialistas en TI GrowCluster y de ACM, una asociación profesional de especialistas en el campo de la computación y las tecnologías de la información, cuya participación implica un seguimiento constante de las nuevas tendencias. Actualmente, la inteligencia artificial y el aprendizaje automático se integran cada vez más en los sistemas analíticos. ¿Cómo ve la conexión de la IA a los sistemas de BI?
En algunos aspectos, la inteligencia artificial puede ser realmente muy útil. Lo primero que viene a la mente son las sugerencias, recomendaciones y conclusiones generadas automáticamente directamente en la interfaz de los sistemas de BI. También es muy importante la capacidad de formular consultas en lenguaje natural, lo que evita a los usuarios la necesidad de configurar manualmente incluso los filtros mínimos. También parece prometedora la integración con chatbots, cuando las estadísticas, los gráficos y las conclusiones analíticas se pueden obtener directamente en los mensajeros. Además, la clasificación, agrupación, detección de anomalías y posibles errores en los datos. Pero creo que es prematuro confiar a la IA las tareas de cálculo y previsión. La tarea del analista no es simplemente dar un resultado, sino explicarlo, justificar las conclusiones y proponer una solución de gestión. Hoy en día, no hay IA que sea capaz de hacer esto al nivel de un analista experimentado. Incluso si tal IA apareciera, sus cálculos seguirían siendo una «caja negra», y esto se convertiría en un problema serio, especialmente si en el futuro es necesario realizar un análisis factorial o una verificación detallada de las hipótesis.