Brittiska pund per kvadratfot och år eller euro per kvadratmeter och månad? En inte alltför komplicerad fråga om man äger några fastigheter i Storbritannien och Europa och försöker sammanställa hyresnivåer för att göra en enkel jämförelse mellan fastighetsinnehav på olika marknader.
Lägg till detta konsolidering av vinst- och förlusträkningar och prognoser från olika underliggande instrument från till synes vitt skilda källsystem och tjänsteleverantörer. Ja, alltihop görs manuellt i Excel!
Alla hyresförteckningar är identiska – eller är de det?
Jag har granskat massor med hyresförteckningar nyligen – från Norge, Sverige, Tyskland, Nederländerna och Storbritannien. Vad som är så slående är att de i princip innehåller samma information – en lista över hyresavtal, enheter och hyresgäster (inklusive tomma lokaler) – men de är uppbyggda på olika sätt varje gång jag får se ett nytt kalkylblad.
Det här är en utmaning i synnerhet för gränsöverskridande portföljer, där tillgångsförvaltarna behöver sammanställa grundläggande siffror från olika källor – med olika valutor och underliggande verksamhetskonventioner – exempelvis: Anges hyran månatligen eller årligen? Anges måtten i kvadratmeter eller kvadratfot? Är detta netto- eller bruttohyran? Och så vidare. Därför har Excel varit och är fortfarande det främsta verktyget på marknaden. Alltihop är en manuell process.
Dessutom är datakvaliteten låg, eftersom lokala tjänsteleverantörer desperat har försökt sammanställa information så att den passar in i klientens Excel-mall. Detta leder till mycket frustration och bortslösad tid. Jag undrar faktiskt vad värderingar av större portföljer verkligen bygger på – kanske skapar alla manuella fel och avvikelser ett statistiskt brus?
Och de enkla reglerna för kvalitetskontroll kräver inte mycket eftertanke. Häromdagen talade jag med en tillgångsförvaltare vid ett stort bolag som investerar i kommersiella fastigheter, och som har lagt massvis med pengar på att skapa ett system för enkel datavalidering från grunden. När han hade kört ett test mot valideraren hade han identifierat 700 fel i den egna uppsättningen med hyresdata! Och han erkände öppet att han trodde att hans egna data var felfria. Detta gav honom en tankeställare.
Går det att korrigera en process om data är felaktiga från början?
Svaret är självklart.
Så vi måste först skaffa oss korrekta data innan vi fortsätter med stordata.
Eftersom felaktiga data är ett sådant vanligt problem inom branschen bestämde vi oss för att göra något åt det. Jag är mycket positiv till datakonsolideringsverktyg. Jag tar också med standard-API:er, så att data kan flöda obehindrat mellan olika system och appar – vilket dessutom sparar avsevärt med tid och manuellt arbete!
Vi på Assetti har skapat en dataimportguide och Assetti Open API för att länka samman olika datakällor till en enda. Du är varmt välkommen att kontakta oss om du är intresserad av vår produkt. Låt oss höja branschstandarden och gemensamt lösa datapusslet.
[kkstarratings]
