Vilius Visockas ⌂ CityNow’s Post

Call for builders who want to address climate change via innovation! We invite you to participate BUILT ENVIRONMENT DECARBONISATION BOOTCAMP, that will take place on 20-22 of March in Vilnius. Let's celebrate the Earth Day while tackling the most pressing issues - energy efficiency and carbon emissions. This program will help local and international Proptech startups get a boost for their products for a successful market launch in the Baltics - the emerging Proptech HUB with a sandbox of 13+ million m2.    The event would not be possible without our great partners  ROCKIT Vilnius, Innovation Agency Lithuania, Lithuanian Real Estate Development Association, Ekonomikos ir inovacijų ministerija, and our Patron - Vice-minister of the Ministry Economy and Innovation Erika Kuročkina. During the intensive 3-day event, startups will be introduced to Lithuanian and Baltic markets from the legal and business perspective, work directly with the largest real estate companies, and get world-class mentorship. You bring the product, we bring all dominant market players into one room! We promise you'll leave having all the necessary business connections!  Registration is now OPEN till the 1st of March. Sign up link in the comments section below. #proptech #decarbonization #startups

Apie tech karjeros startą. Pastaruoju metu skyriau daugiau dėmesio mentorystei tiems, kurie pradeda ar svarsto IT karjeros track'ą (tipiškai coding school absoventai ir pan.). Per savo karjerą jaučiu nemažai turėjau produkto inžinierių, dizainerių praktikantų (intake 10 metų po vidutiniškai 2-3 per metus), tad įdomu jausti pulsą ir tendencijas. Mano įžvalgos apie naują programuotojų kartą (sample koks ±20 interactions): 📌 ieško prasmingo darbo 📌 bet truputį pasimetę tarp greitai besikečiančių technologjų 📌 truputi oversupply dabar coding school absoventų, prireiks laiko absorbuoti 📌 kai įsitraukia, smalsūs ir nori suprasti verslo vidinius dalykus 📌 expected, kad visi įmonės dalykai atviri (finansai, roadmap, feedback) 📌 verslūs, alkani ir ateityje nori kurti savo verslą; 📌 laviruoja tarp ekstremumų: arba žiauriai produktyvūs žvėrys, arba truputį mėgstantis pachillinti ir likti komforto zonoje; 📌 tikisi naujo stilaus vadovavimo, pvz. “trust given by default”, o ne “gain trust”  📌 nepatinka biurokratija 📌 nepatinka alsuojanti už nugaros priežiūra 📌 tikisi nuolatinio atgalinio ryšio 📌 galimybe dirbti is kur nori / kada nori  - default 📌 gana gerai organizuoti, moka dirbi async, naudoja productivity irankius 📌 gptina (koks terminas?) daugiau negu googlina 📌 seka, supranta masto jau apie globalias problemas, o ne lokalias 📌 greitai aptinka kaip vadovas kazka darai neautentiško 📌 nelabai linkę atlikti namų darbą įsidarbinant 📌 nemėgsta kai recruiting procesas vyksta greitai (3 interviu - meh) 📌 nelabai duoda atgalinį rysi vadovams on personal level (gal mano problema) 📌 darbas per pažintis grįžta į madą! Na seriously, juk smagiau daryt kokį naują verslą su draugais iš universiteto ar mokyklos 📌 jauni entepreneuriai truputį perinvestuoją į tech skillsus, bet neinvestuoja į tikrų probemų paieškos / product marketing / sales įgūdžius. Paprasti lengvi dalykai, kuriuos daryčiau ieškodamas pirmojo tech darbo: 📌 Susitvarkyčiau Linkedin paskyrą 📌 Pasidomėčiau apie įmonę su kuria kalbuosi (koks 10% pasidomi) 📌 Nepatingėčiau duoti padaryt namų darbą, ir gal net 110% gerai. 📌 Neakcetuočiau technologijų kurias išmokau coding school, bet mindsetą 📌 Būčiau pats proaktyvesnis komunikacijoje. Jeigu neparašo - pats pararšyk. 📌 Pasakoti kas tau patinka, ko ieškai - lengviau įsivaizduoti fit organizacijoje 📌 Įgyvendinčiau kokį hobby tech projektėlį, make stuff happen end-to-end! 📌 Neundersellinčiau savęs. Jeigu turite trūkumų, pamatysime patys :) 📌 Sellinčiau save (in context). Gal kažko nežinau ką turėčiau žinoti? Bet sellinti darbais ne žodžiais. #engineering #coding #newcareer

McKinsey & Company pasaulinė konsultacinė įmonė savo ketvirtiniame leidinyje parengė tekstą, kaip generatyvinis dirbtinis intelektas pakeis NT industriją. Ekspertai skaičiuoja, kad generatyvinis dirbtinis intelektas sukurs apie 110 - 180 milijardų dolerių vertės visai industrijai. Viena iš aplikacijų - pastatų dizaino ir statybos proceso automatizacija. Kitas pateiktas pavyzdys - didelės dalies procesų autoatizavimas, pvz. klientų aptarnavimas standartinėm užklausoms. Ekspertai mano kad tranformacija įvyks trimis žingsniais: 1) Pirmiausia NT kompanijos turės sugebėti susisteminti jau turimus savo in-house renkamus (pvz. CRM, valdomų pastatų duomenys), sujungti su trečiųjų šalių duomenimis. 2) Toliau, NT kompanijos turės pergalvoti kokių talentų pritraukimas jiems tampa prioritetas. Tad duomenų mokslininkai, duomenų inžinieriai, GPT užklausų inžinieriai ir DI konsultantai galimai taps aktualesnės profesijos nei marketingo specialistų, projekto vadovų rolės. 3) Galiausiai kompanijos turės pakeisti savo workflows ir kiekviename žingsnyje pereiti prie duomenimis ir analitika paremtais sprendimų: suprasti kada naudoti generatyvinius modelius, kada palikti žmogaus peržiūrai, eksperimentuoti, suprasti skirtumus ir adaptuotis. Tokia transformacija nemažai daliai kompanijų bus stiprus kultūrinis pokytis. Galiu pasidalinti savo mini asmeninę istorija: tiesa sakant buvau late-adopteris GPT ir Copilot asistentas programuojant, nes turiu programavimo patirtį virš 20 m. ir ilgai delsiau pradėti naudoti - kažkas kitas svarbiau vis būdavo. Pradėjus naudoti ir įsisavinus, mano paties programavio produktyvumas padidėjo apie 50%. Programavimo patirtis visai kitokia - jaučiuosi, kaip tiesiog approvinu/rejectinu ką man siūlo pasitelkdamas patirtį. Tikrai magic. Tai įsivaizduokite tokį pokytį kiekvienam savo organizacijos nariui, kiekvienai rolei - analitikui, marketingistui, interjero architektui, finansų kontrolieriui. Kiek šansų kad jūsų verslas išliktų competetive jeigu jūs tokių įrankių nenaudotumėte day to day, kai kiti naudoja? Pvz. kiti padaro su 0.1% marketingo biudžeto daugiau negu jūs su 3%. When you know, you know it. Savo know-how ir naujienomis šiomis temomis dalinamės su savo partneriais, padedame jiems eiti skaitmeniniu keliu ir adaptuotis prie pokyčių - tiek padedant susiteminti / rinkti duomenis bei iš jų kurti actionable įžvalgas, tiek kurdami galutines aplikacijas kaip NT vertinimo automatizavimo įrankius. Susiekite, jei šios temos aktualios ir esate pasiruošę pokyčiams. Straipsnio nuoroda - komentaruose. #ai #realestate #bigdata

Du vertintojai įvertino mano turtą skirtinga verte. Kodėl tai įmanoma? Pasidalinsiu įžvalgomis. Vertinant turtą remiamasi notarų patvirtinta NT sandorių informacija. Daroma prielaida, kad panašioje vietoje, panašiu metu, panašios būklės, turtas bus parduotas už panašią kainą. Deja realybėje sandoriai įvyksta salyginai retai. Tuomet reikalingas situacijų suvienodinamas, kuris atliekamas per ekspertiškas pataisas. Situacija dar labiau pasiremia subjektyviu vertinimu, kai yra itin mažai palyginamųjų sandorių, pvz. sodybų ar išskirtinių objektų vertinime. Taigi turime du nuo vertintojo patyrimo ir įgūdžių priklausančius dalykus: panašiausių sandorių atrinkimas bei pataisų pritaikymas. Kuo didesnė vertė, tuo didesnis krūvis ir rizikos laipsnis tenka vertintojui. Kaip šią dalį galime automatizuoti, išlaikant vertės pagrįstumą? Mes vertintojams skirtame produkte siūlome tris sandorių atrankos kriterijus: panašiausi, gaunantis didžiausią vertę bei naujausi. Kada kurią strategiją rekomenduojame naudoti? PANAŠIAUSI SANDORIAI. Šis būdas yra konservatyviausia ir rekomenduotina strategija. Pagal ją, atrenkami sandoriai kurie turi mažiausiai kokybinių skirtumų su vertinamu objektu. Dažnais atvejais nebūtina taikyti nei vieno kriterijaus pataisos. Šis būdas taip pat puikiai tinka preliminariai turto vertei nustatyti (konsultaciniam vertinimui), nes po patikslinimo turto vertė gali tik padidėti. Tokia strategija taip pat rekomenduotina rizikos skyrių kredito įstaigoms, nes aktualesnė konservatyvaus turto vertinimo versiją. GAUNANTYS DIDŽIAUSIĄ VERTĘ. Šis būdas gali būti panaudotas atvejais, kai reikia pagrįsti didesnę turto vertę arba nestandartiniam turtui. Tokių sandorių atrankoje reikės pasigilinti į palyginamųjų objektų niuansus, greičiausiai reikės pritaikyti papildomas pataisas, įvertinti turto įrengimo lygį ir naudoti identifikavimo funkciją. Šis metodas rekomenduotinas prestižiniam turtui, kotedžams, taip pat kitam turtui, kur didelę įtaką daro įrengimas, balkonai, terasos ar kitos nestandartinės situacijos. NAUJAUSI. Pagal šį rikiavimo būdą prioritetas bus neseniai įvykę sandoriai. Šį būdą rekomenduotume kai rinka ieško krypties, tai yra esami ar numatomi kainų pokyčiai dėl susidariusios makroekoniminės situacijos. Kalbant apie pataisas, turime automatinių pataisų skaičiavimo algoritmų biblioteką kiekvienam kriterijui. Paprasčiausia remtis Registrų Centro skelbiama metodologija, pvz. kasmet skelbiamais pataisos koeficientais tarp verčių zonų. Tačiau turint pagrindimą, galimą naudoti ir savo sukurtą metodologiją, pagal kurią vertė gaunama kitokia. Manome, kad Iš dalies automatizuoti vertinimo įrankiai turės didelę įtaka NT vertintojams. Svarbu, kad vertintojai galės greičiau sužinoti preliminarią turto vertę ir užmegzti ryšį su vertinimo užsakovu. Nestandartinėse situacijos, pvz. prestižinio turto, tokie įrankiai padės išsamiai ir indvidualiaip pažiūrėti į situaciją ir pagrįsti didesnę turto vertę. #ai #valuation #realestate

Our suite of real estate intelligence & AI tools for professionals (developers, appraisors, brokers) is powered by data from over 1,000+ different data sources. How we do this a scale and ensure data quality? The challenge for our case is that we have LONG TAIL situation - many relatively easy but small data sources to maintain, for example pricing information from new projects. In contrast, e-commerce or travel industry may have leading players or shops to track for pricing intelligence. Here are some strategies other companies may use in similar situation: ✔ Build pipelines in-house ✔ Quote for custom projects Oxylabs.io, Bright-data or other provider. ✔ Check out data marketplaces, like Databoutique.com ✔ Automate - build AI tools, which can detect patterns in product page ✔ Outsource: data as service We chose an alternative strategy - created data marketplace (you can call it Fever for data), where we match businesses with data needs with data providers, while the deliverible is code (Python). We achieved operational efficiency using this approach, as we are able to utilize people who are in progress of learning to code - these tasks are perfect fit for them to get started and landing new job. I believe that combination of AI assistance and freelancers is the future for this business. SUCCESS STORY: as of now, product CityNow Vilnius is completely migrated to use this new data plaform, and we don' have to touch our github repo to add new data sources, rather drop new data taks in the queue. Reach out to us if you would like to try out data platform - wether you are starting to code, or business which needs data delivered as Excel or via API on regular basis. We believe we have built some cool technology which other businesses can benefit and accelerate their growth / reduce data pipeline maintaining costs. #bigdata #ai #engineering

> Kas yra šaunaus kuriant AI startuolį? Galima sukurti kažką neblogai veikiančio per dieną. > Kas yra liūdno kuriant AI startuolį? Galima sukurti kažką neblogai veikiančio per dieną. Kaip startuolių ekosistemos dalyvio, ši revoliucija kelia dvejopus jausmus dėl ekosistemos ateities. Pirma - žiauriai daug vertės galutiniams naudotojams. Kaip pavyzdys - pvz marketingo industrijoje, pasitikrinkite šaunų Kotryna Kurt e-booką su AI based įrankių apžvalga marketingistams (nuoroda komentaruose). Magija yra ta, kad dauguma jų yra nemokami arba labai pigūs. Kita medalio pusė - didžioji dalis 99% GPT wrapperių, mano manymu, deja neturi gero verslo modelio perspektyvos - "race to the bottom" su paslaugų kaina dėl mažėjančio barjero sukurti naują įrankį. Komentaruose įmesiu straipsnį su kurio mintis rezonuoju. Patiko mintis, kad viena iš galimai efektyvių strategijų susikurti "apsauginį barjerą" - kurti ir gaminti unikalius šaltinius, dažnai ne tik iš internetų, bet ir realaus pasaulio ar vidinių duombazių ar pasitelkiant savo "know how". #ai #startups

AI vs procesų automatizavimas NT industrijoje? Nors dirbtinis intelektas - itin karšta tema, kai kuriais atvejais vertintojų, brokerių, vystytojų kasdienėje veikloje užtenka tiesiog skaitmeninės higienos ir bazinių dalykų skaitmenizavimo prieš neriant į dirbtinio intelekto galimybes. Pavyzdys nr #1. Dauguma NT vertintojų vis dar skaičiuoja pataisas rankomis, ieško panašių sandorių sąrašo režime, o ne žemėlapyje. Nors dirbtinio intelekto galimybės leidžia dar daugiau automatizavimo, vien šie baziniai dalykai sukuria vertę. Pavyzdys nr. #2. Kai kurie NT plėtotojai, sekdami suprasti konkurencinę aplinką ir kainų lygius, rankomis renka duomenis iš interneto svetainių. Didžioji dalis laiko kuri gali būti naudota produktyviam darbui ir įžvalgoms, sunaudojama monotoniškam darbui, kuris galų gale dažniausiai priveda prie darbuotojų perdegimo. Pavyzdys nr. #3. Brokerių kasdienėje veikloje yra tiek įvairių pasikartojančių procesų, kad dažniausiai nėra laiko investuoti į jų efektyvinimą arba sprendimas tampa asistento samdymu, kas iškelia brokerių kaštus ir suvalgo laiko. Štai keletas idėjų brokeriams, kurias galima automatizuoti su dabartiniais įrankiais: ✓ Sekti konkurencinę aplinka šalia savo parduodamo objekto - kokie skelbimai atsiranda/išnyksta pasiūloje, kaip keičia kainas, koks peržiūrų kiekis, ir gauti SMS žinutes esant pokyčiams. ✓ Reguliariai susisiekti su kontaktais savo bazėje ir paklausti ar turi ką pirkti ar parduoti. Dirbtinio intelekto pagalba toliau apdoroti atsakymus ir pvz. jei turi ką parduoti, klausti kas per objektas. ✓ Pasidaryti, kad klientai galėtų rezervuoti laiką tavo kalendoriuje (pvz. vilius.org). Kitas lygis: integruoti per GPT asistentą (pvz. per Zapier įrankį), kad galėtų kalbėtis ir rezervuoti laiką žodžiu. ✓ Turinio marketingas. Pasidaryti robotą, kuris peržiūrėtų populiariausią lietuvišką turinį NT tema (pvz. NT mokesčio aptarimas tarp ekonomistų), padarytų automatinę santrauką, adaptuotų Linkedin stiliui ir automatiškai papostintų antradieniais. Tikiuosi, kad kai kurios idėjos jums atnešė įkvėpimo. O ką jūs norėtumete automatizuoti savo kasdieniame darbe? DISCLAIMER: Šitas įrašas gal, o gal ir ne sugeneruotas dirbtinio intelekto :) #realestate #ai

Juodojo penktadienio proga surinkome plėtotojų siūlomas akcijas ir specialius pasiūlymus (30+) ir sudėjome vienoje vietoje. Skaičiuojame, kad tipinės akcijos monetarinė vertė - apie 10,000 EUR. Pasiūlymų dashboardo nuoroda komentaruose ⬇️ #realestate #blackfridaydeals

Lietuvos banko organizuotoje NT konferencijoje buvo aptarti svarbiausi makroekonomikos rodikliai. Pasidalinsiu keliais iš jų. Tokių konferencijų metu pastebėjau, kad būtent duomenis grįstos įžvalgos sukviečia pilnas sales. Tad savo partneriams sukūrėme galimybę pasidaryti panašią šventę kasdien - reguliariai atnaujiname makro dashboardą naujausiąainformacija ir leidžiame priimti geriausius sprendimus, supratus pirminės, antrinės, nuomos, darbo rinkos tendencijas lokaliai ir pasaulyje. Bet taip pat tikiu, kad žmogiško ryšiui ir story telling vieta dar neatimta. Džiaugiuosi, kad konferencijos metu pavyko susijungti su keliais pažįstamais gilesniu lygiu. Kita vertus, tik žmonės gali papasakoti apie NE-darbą iš namų. Kiekvienoje konferencijoje dalyvauju kaip data-nerdas ir įkvepia matyti, kaip kiti profesionaliai vizualizuoja savo mintis. Telefone turiu nusifotografavęs apie 20 naujų minčių dashboardo papildymui :) PM jeigu norite atsidaryti dashboardo interaktyvią versiją. #realestate #bigdata

Sukūrėme „GPT“, kuriam sumaitinome visus savo renkamus duomenis apie pirminę rinką, sandorius, darbo rinką, euriborą ir kitus šaltinius (1000+). Virtualus NT analitikas - asistentas gana tiksliai gali atsakyti į aiškiai suformuluotus klausimus, bet taip per tikslinių klausimų seką gali atlikti užduotis, pvz. sudaryti kainodaras, pasiūlyti pataisų koeficientus ir išspjauti kainodaros lentelę XLS su formulėmis. MAGIC :) Ir taip - asistentas geba atsakyti į mums visiems įdomų klausimą - ar būsto kainos kris ar pigzz :D Iki šiol GPT pritaikymas NT analitikoje buvo ribotas. Bet prieš dvi savaitės atsirado esminiai pakeitimai, kurie pakeitė žaidimo taisykles: galimybė apmokyti GPT savo šaltiniais, GPT marketplace, bei Python kodo interpretatorius. Matant pokyčius kasdieną, pradedu jausti, kad žmonių kalba analitikas-asistentas yra realus ateities scenarijus. Brūkštelkite komentaruose jeigu norite pradėti testuoti GPT su mumis kartu ir sužinoti atsakymą į svarbiausią visatos klausimą - geras metas pirkti ar ne? #ai #bigdata #realestate