Menu

Een aantal maanden geleden heb ik wat geïnvesteerd in Next Level Automotive, een bedrijf van twee jonge ondernemers die er keihard aan werken om hun droom te verwezenlijken: het restaureren en verkopen van Supercars. En als we het hebben over Supercars, hebben we het over Japanse auto's met veel pk's. Zoals je aan de foto kunt zien*, zijn ze succesvol. De Toyota Supra is een auto voor echte liefhebbers. Maar ze storten zich ook op brute bakken als de Nissan GTR-34 Skyline. Of eigenlijk gewoon op de hele line-up van auto's uit de eerste films van Fast & Furious.

Veel pk's, lage vraagprijs

Jan en Marco zijn goed in Japanse auto's. Maar we willen meer met het bedrijf. We willen graag ook andere merken auto's vinden, eventueel importeren, waar nodig restaureren en doorverkopen. De auto's moeten vooral veel pk's hebben, anders vinden ze er niks aan. We moeten daarvoor de hele Europese markt afzoeken naar auto's die voldoen aan de eisen van Jan en Marco. Die eisen, die zijn simpel samen te vatten: veel pk's en een vraagprijs die ligt onder de prijs waarvoor we de auto weer kunnen doorverkopen.

Objectieve manier om de waarde te bepalen

Van 's morgens vroeg tot 's avonds laat zijn Jan en Marco aan het werk. Het systematisch afzoeken van de markt naar auto's die passen binnen hun concept is tijdrovend. Het is trouwens ook niet het werk dat ze nou superleuk vinden. Het zou handig zijn als ze een tool zouden hebben die hen daarmee kon helpen. Daarbij zou het mooi zijn om op een objectieve manier de waarde van een auto te kunnen vaststellen. Zo krijg je wat meer inzicht in de potentiële winst bij de aanschaf van de auto. En dát vind ik als investeerder dan weer erg belangrijk. Ik heb zelf namelijk totaal geen verstand van auto's en de waardering ervan. Maar wel van het maken van tools…

Een tool die het internet afzoekt…

Dus leek het me handig om een tool te maken die voor deze mannen het internet afzoekt naar auto's die bijvoorbeeld meer dan 300 pk hebben (wat voor een Supra overigens niks is) en van een bepaald merk zijn - bijvoorbeeld alleen Porsche, BMW en Audi. En vooral geen Volvo.

…en de potentiële verkoopwaarde bepaalt

Daarnaast willen we natuurlijk ook een methode hebben om te bepalen of de vraagprijs redelijk is, en wat de potentiële verkoopwaarde zou kunnen zijn. Als eerste stap heb ik een applicatie ontwikkeld die de auto's opslaat die op een set geselecteerde websites te koop staan. Als je die data hebt, kan de pret beginnen. Die data kun je namelijk modelleren. In dit geval willen we een model maken waarmee we auto's kunnen waarderen aan de hand van het merk, model, het aantal kilometers op de teller en het aantal pk's. En dan houden we het nog even simpel, want in de praktijk zijn opties als open dak, airconditioning en leren bekleding natuurlijk ook van invloed op de prijs.

Hoe werkt Azure Machine Learning Studio?

Aan de hand van dit voorbeeld kan ik goed uitleggen hoe de Azure Machine Learning Studio werkt.
Kijk. Bovenin bij 1. Import data importeer ik de dataset van zo'n 10.000 auto's die ik - voor dit voorbeeld - uit een website heb gehaald waar auto's worden aangeboden. In het uiteindelijke systeem kunnen we de data direct halen uit de database waarin we straks dagelijks onze auto's updaten. Bij 2. Transform data voegen we wat kolommen aan de dataset toe, hernoemen wat kolommen en we corrigeren bestaande metrics of berekenen nieuwe metrics. Een goede manier - als het om weinig variabelen gaat misschien wel de beste - om een beeld te krijgen van je dataset en het model dat je kunt maken is het visualiseren (3). Daarna komt de vierde stap, het analyseren en modelleren zelf. Hier heb ik gekozen voor een decision forest regression. Dit is een methode voor regressie of classificatie die simpel gezegd een groot aantal beslisbomen maakt met veel vertakkingen (clusters van auto's) en vervolgens voor elke vertakking een uitspraak doet over de verwachte prijs. Precies wat we nu nodig hebben dus.

Tenslotte maak ik een webservice om het model te kunnen aanroepen zodat je het kunt integreren in je business-processen.

Correlaties in beeld gebracht

Als we naar het onderstaande plaatje kijken, zien we dat er een duidelijke correlatie is tussen prijs (y-as) en bouwjaar. We zouden datzelfde overigens ook zien voor pk's: hoe meer pk's, hoe hoger de prijs. En hoe hoger de kilometerstand, hoe lager de prijs.

Een decision forest is te groot om hier goed uit te kunnen leggen, maar een vereenvoudigd model dat de prijs van een Porsche voorspelt zou er als volgt uit kunnen zien:

De prijs die het model in eerste instantie berekent is de prijs van een Porsche 911, met een x1 aantal PK en een x2 aantal kilometers op de teller. Voor andere modellen trekt het model er vervolgens een vast bedrag af. Voor straf. Omdat het geen 911's zijn.

Op deze manier kunnen we voor elk merk en automodel een schatting maken van de prijs die de auto zou moeten hebben. We kunnen ook een acceptabele prijsrange bepalen waarbinnen de auto te koop gezet kan worden. Op deze manier kunnen we onze applicatie dus elke dag een overzicht laten maken van alle auto's op de markt, de vraagprijs, en de verwachte vraagprijs volgens ons model.

Alle deals in één overzicht

Auto's met een groen bolletje zijn goede deals, auto's met een rood bolletje zijn juist geen goede deals. De meest interessante deals - de koopjes - staan bovenaan. Dit zijn de auto's waar we achteraan moeten gaan!

Ongekende mogelijkheden

We zouden zelfs nog kunnen nadenken over andere toepassingen. We kunnen verkopers clusteren in groepen die meestal boven de verwachte vraagprijs auto's aanbieden of juist eronder. We kunnen opties identificeren die auto's meer waard maken, of misschien kleuren identificeren die waardeverhogend of -verlagend werken. Een model met een verkeerde kleur is immers zo overgespoten. En we zouden onze applicatie kunnen gebruiken om te voorspellen hoeveel een auto die iemand nu bezit, volgend jaar waard zal zijn. Dat kan handig zijn om te bepalen of je je auto dit jaar nog inruilt, of nog een jaar wacht.

Welke toepassingen zie je voor jouw business?

Je kunt met deze modellen natuurlijk meer dan alleen de waarde van een auto voorspellen. Als je niets om auto's geeft, kun je je misschien iets met de kwaliteit van een Bordeaux. En er zijn talloze andere mogelijkheden. Ik ben benieuwd welke mogelijke toepassingen er voor jouw business te bedenken zijn. Heb je vragen of ideeën? Of borrelt er iets maar kun je er nog niet helemaal de vinger op leggen? Aarzel niet - bel ons, mail ons, en we denken mee. Kunnen we er volgende keer weer iets moois over schrijven.

Maurik van den Heuvel

Tecknoworks Nederland BV

Pascalstraat 13H | 2811 EL Reeuwijk | Nederland

T: +31 (0)881 182 200 | M: +31 (0)6 5104 4631

E: maurik.vandenheuvel@tecknoworks.com| W: www.tecknoworks.com

*foto: www.mitchellkolster.nl/photography

comments powered by Disqus

Let's write our story!

We don't just write code, we write stories! Working with us is fun, inspiring and good for business!