Введение. Рынок недвижимости – ключевой сектор экономики с высокой динамикой цен, зависимостью от макроэкономических факторов и сложностью прогнозирования. Традиционные методы анализа требуют много времени и ресурсов, что ограничивает их применение. Использование low-code платформ позволяет сократить затраты на разработку моделей и сделать инструменты анализа доступными для специалистов без углубленных навыков программирования. Цель исследования – продемонстрировать использование KNIME для прогнозирования стоимости объектов недвижимости и их классификации; оценить, насколько точны модели и насколько они полезны на практике.
Материалы и методы. Реализовано моделирование процессов рынка недвижимости с помощью платформы визуальной разработки сценариев KNIME Analytics Platform. Данные об объектах недвижимости собраны средствами Python библиотеки Cianparser, в KNIME Analytics Platform реализованы методы регрессионного анализа и визуализации данных.
Результаты исследования. Построены линейная и полиномиальная регрессия цен на недвижимость по заданным параметрам, выполнена кластеризация объектов недвижимости и визуализация полученных результатов. Кластеризация выявила три группы объектов, коррелирующих с локацией и инфраструктурой.
Обсуждение и заключение. KNIME подтвердил эффективность как low-code инструмент для анализа рынка недвижимости. Материалы статьи могут быть полезны для понимания динамики рынка недвижимости и прогнозирования его будущих тенденций.