Stel: je bent een vastgoedbedrijf dat investeert in kantoorpanden, hoe weet je dan dat een potentieel object je optimaal rendement op gaat leveren? NSI ging een samenwerking aan met Veneficus en samen ontwikkelden we een model waarmee NSI interessante kantoren in Nederland kan identificeren, met groeipotentie van huurprijzen als uitgangspunt.

“NSI investeert steeds meer in data”, vertelt portefeuillemanager Dirk-Jan Lucas. ‘Daarvoor hebben we zelf een team van business analisten in huis. Voor wat extra verdieping en expertise kwamen we terecht bij Veneficus.” NSI investeert in kantoorpanden en wil uiteraard maximaal rendement behalen. Lucas: “Voor ons flexibele kantorenconcept HNK willen we bijvoorbeeld onderzoeken wat de ideale locatie voor deze kantoren is en hoe dat past binnen ons kantorennetwerk.”

Samenwerking

Kennisdeling als uitgangspunt.

Essentieel is een samenwerking waar kennisoverdracht centraal staat. “We willen geen partij die ons enkel het product levert, maar juist een organisatie die trainingen geeft en ons meeneemt in het verhaal.” Daarom gingen Veneficus en NSI samen naar de tekentafel en werd het project in sprints opgedeeld. “Op deze manier krijgen wij een product dat we goed begrijpen en in de systemen staat zoals wij dat graag willen. En het belangrijkste: mijn collega’s doen gigantisch veel kennis op in het proces. Ik denk dat die expertise nog wel meer waard is dan het model. Veneficus is hierin echt een partner.”

Resultaat

Betere onderbouwing dankzij een datamodel.

Samen met NSI zijn we gaan werken in sprints van twee weken om uiteindelijk tot een model te komen. Met dat model kan NSI een objectieve onderbouwing geven over de aantrekkelijkheid van een bepaalde locatie. Elke acquisitie wordt gescoord ten opzichte van een alternatief in een andere stad. Daarmee krijgt NSI meer inzicht in de aantrekkelijkheid van de locatie voor de gebruiker en worden de risico’s van wederverhuur beter in kaart gebracht.

En nu?

Naar de toekomst kijken.

“De volgende stap is het bouwen van een model waarmee we kunnen bepalen welke locaties interessant zijn als we een netwerk willen aanleggen. Je wilt namelijk ook weten wat de variabelen zijn als je vijf, tien of twintig panden koopt. Verplaatsen die locaties dan ook? We kiezen het liefst voor een locatie die we een lange tijd vast kunnen houden. In een latere fase gaan we voorspellen hoe locaties veranderen. Misschien is het vandaag goed om in Amersfoort te zitten, maar verandert de demografie in de toekomst zo dat je eigenlijk beter een object in Utrecht kunt kopen.”

‘Een gevoel is moeilijker te kopiëren dan wetenschappelijke onderbouwing’

Het model helpt NSI de juiste beslissingen te nemen. Lucas: “Moet ik nu meer gaan betalen in Amsterdam dan in Rotterdam, of kan ik beter in Rotterdam een kantoor dat de helft goedkoper is kopen omdat het qua locatie niet minder is? Vastgoed blijft een subjectieve tak van sport. Dat maakt het zo interessant. Iedereen kan iets zeggen over een object, maar uiteindelijk is het doel om dat subjectieve er zoveel mogelijk uit te halen. Zo probeer je de risico’s te verminderen en op lange termijn meer rendement te behalen, dan wanneer je het puur op gevoel doet. Daarnaast is gevoel ook moeilijker te kopiëren dan een wetenschappelijke onderbouwing.”

Roadmap

Wat kunnen de volgende stappen van Factual Decision Making zijn?