Zaczęło się od pytania: Co zrobić z tą kamienicą — akademik, aparthotel czy biuro?

Zakończyło się budową zintegrowanego systemu analitycznego i controllingu: od automatycznego zbierania danych rynkowych, przez granularny model finansowy z AI, aż po bieżącą weryfikację realizacji budżetu na poziomie każdej faktury.

Kontekst: rynek nieruchomości, który nie wybacza uproszeń

Rosnące koszty budowy i finansowania, zmienność popytu, regulacje podatkowe i zaostrzające się oczekiwania banków sprawiają, że decyzje oparte na uśrednionych założeniach i intuicji stają się zbyt ryzykowne. Inwestor nieruchomościowy potrzebuje dziś czegoś więcej niż „model w Excelu zrobiony przed wejściem w projekt”. Potrzebuje systemu, który działa przez cały cykl życia inwestycji — od analizy lokalizacji, przez ocenę wariantów użytkowania, po bieżący controlling realizacji.

Właśnie z taką potrzebą rozpoczęła się ta współpraca.

Kluczowe wyzwania:

brak wiarygodnych, aktualnych danych rynkowych — occupancy, ADR, RevPAR, czynsze — zbieranych i normalizowanych automatycznie,
niemożność szybkiego porównania wariantów użytkowania tej samej nieruchomości (STR, hotel, biuro, akademik) bez przebudowy modelu,
brak powiązania między decyzjami technicznymi (CAPEX, harmonogram remontów) a ich konsekwencjami finansowymi w długim horyzoncie,
brak systemu controllingu, który konfrontuje plan z fakturami w czasie rzeczywistym — zamiast tego: arkusze tworzone raz w roku.

Zarząd nie szukał kolejnego kosztorysu— szukał systemu podejmowania decyzji.

Tak rozpoczęła się budowa zintegrowanego ekosystemu trzech narzędzi: Themis, Artemis i Athena — zaprojektowanych od początku jako spójne ogniwa jednego procesu, a nie jako osobne „projekty IT”.

Przykład w działaniu: kamienica i trzy warianty opracowane w jeden dzień

Jednym z projektów, w którym system został wykorzystany, była ocena potencjału konkretnej kamienicy. Przed podjęciem decyzji o zakupie i kierunku inwestycji właściciel chciał wiedzieć, który model biznesowy ma największy potencjał: wynajem powierzchni biurowej, aparthotel / najem krótkoterminowy czy prywatny akademik.

Dzięki danym z Themis (occupancy, ADR, benchmarki czynszów, scoring lokalizacji pod każdy profil użytkownika) i architekturze modułu Komercjalizacji w Artemis, trzy pełne warianty finansowe — z rozbiciem na CAPEX, OPEX, przychody, sezonowość, obsługę długu i IRR — zostały zbudowane i porównane w ciągu jednego dnia roboczego.

Bez przebudowy struktury modelu. Bez tworzenia trzech osobnych plików.

Etapy decyzyjne:

1. Themis — warstwa danych i analizy rynku: zanim cokolwiek trafi do modelu

Pierwszym krokiem było rozwiązanie problemu danych.

Ręczne zbieranie benchmarków — cen, obłożenia, stawek najmu, profili lokalizacyjnych — potrafiło zajmować tygodnie. i tak dane były nieporównywalne, niespójne, szybko nieaktualne.

Themis zastąpił ten proces automatycznym pipeline’em opartym na Pythonie, Power Query, MySQL i integracji z zewnętrznymi źródłami danych (AirROI, OpenStreetMap, GUS/REGON, Google Maps).

System zbiera, normalizuje i interpretuje dane rynkowe, dostarczając analitykowi gotowe odpowiedzi na kluczowe pytania jeszcze przed otwarciem modelu finansowego.

Co otrzymał klient

1. Wielowymiarowa analiza lokalizacji — zamiast tygodni zbierania danych

Pierwszym deliverable była kompleksowa analiza lokalizacyjna oparta na 6 000 punktów danych z otoczenia kamienicy, przetworzona przez dedykowany system scoringu Themis.

Location Attractiveness Index z dedykowanym scoringiem

Każdy punkt lokalizacyjny — od przystanków komunikacji miejskiej, przez restauracje, sklepy i uczelnie, aż po czynniki negatywne jak infrastruktura techniczna czy uciążliwe obiekty — został oceniony, skategoryzowany i przypisany do ważonego modelu scoringowego. Scoring agregowany był w promieniu 0,5 / 1 / 2 km i prezentowany zarówno w podziale na kategorie, jak i jako syntetyczny indeks atrakcyjności lokalizacji.

Analiza AI z perspektywy konkretnych grup docelowych

Wyniki scoringu nie zostały przedstawione jako sucha tabela liczb. Dla każdego z trzech rozważanych wariantów biznesowych model AI (GPT, Grok) przeanalizował strukturę punktów i wypowiedział się w języku naturalnym z perspektywy konkretnej grupy docelowej:

dla aparthotelu / STR — profil typowego najemcy krótkoterminowego: co go przyciągnie, co może odstraszać, jak lokalizacja wypada na tle oczekiwań rynku,
dla biura — profil pracownika i pracodawcy: dostępność transportu, zaplecze gastronomiczne, prestiż adresu, sąsiedztwo,
dla akademika — profil studenta: odległość od uczelni, infrastruktura codzienna, bezpieczeństwo, ceny w okolicy.

Inwestor zobaczył tę samą lokalizację oczami trzech różnych grup — i mógł ocenić, dla której z nich jest ona realną przewagą konkurencyjną.

Analiza konkurencji — jak wypada scoring u sąsiadów

Analiza nie ograniczyła się do jednej nieruchomości. Themis przeprowadził identyczny scoring dla lokalizacji konkurencyjnych obiektów w okolicy — co pozwoliło inwestorowi zobaczyć nie tylko absolutną atrakcyjność kamienicy, ale jej pozycję względem rynku: gdzie ma przewagę, gdzie jest słabsza, i co to oznacza dla każdego z wariantów biznesowych.

Szczegółowa analiza cen rynkowych z machine learning

Dane cenowe — stawki najmu, ceny transakcyjne, ADR i RevPAR dla STR — zostały przeanalizowane z wykorzystaniem modeli machine learning (LightGBM, CatBoost, Random Forest) w celu identyfikacji trendów, sezonowości i potencjalnych kierunków zmian. Inwestor dostał nie tylko obraz tego jak wygląda rynek dziś, ale też próbę odpowiedzi na pytanie: w którym kierunku zmierzają ceny w tej lokalizacji i mikroregionie.

Wskazanie grup docelowych — kto mógłby tu chcieć być

Na podstawie profilu lokalizacji, danych GUS (demografia, struktura zatrudnienia, dochody gospodarstw domowych, kierunki migracji) oraz analizy otoczenia biznesowego Themis wskazał konkretne typy firm i najemców, dla których ta lokalizacja mogłaby być atrakcyjna — wraz z uzasadnieniem opartym na danych, a nie przypuszczeniach.

Co Themis robi między innymi w praktyce:

pobiera i prezentuje, które mikroregiony mają realny potencjał STR powyżej 50–60% occupancy,
automatycznie generuje Location Attractiveness Summary — scoring lokalizacji z perspektywy konkretnych grup docelowych (studenci, najemcy krótkoterminowi, pracownicy biurowi),
porównuje ADR, RevPAR i sezonowość w przekroju dzielnic, bez ręcznego przeglądania setek ogłoszeń,
wzbogaca dane o interpretację jakościową przy użyciu modeli AI (GPT, Grok) — liczby zyskują kontekst i język zrozumiały dla inwestora.

Themis stanowi warstwę danych poprzedzającą model finansowy i bezpośrednio zasila moduły Komercjalizacji i Pricingu w Artemis.

Dowiedz się więcej

2. Artemis — model finansowy jako centrum decyzji inwestycyjnych

Problemem standardowych modeli finansowych nie jest brak dokładności pojedynczych liczb — lecz brak struktury pozwalającej podejmować decyzje w czasie. Klasyczne podejście „top-down” daje wynik IRR na wejściu. Nie daje narzędzia do zarządzania inwestycją przez kolejne 10–20 lat.

Artemis powstał jako odpowiedź na tę lukę.

Co otrzymał klient

2. Trzy oddzielne modele finansowe klasy private equity — gotowe do pozyskania finansowania

Dla każdego z trzech wariantów biznesowych powstał osobny, kompletny model finansowy — nie uproszczony szkic, lecz pełna analiza finansowa o jakości wymaganej przez banki, fundusze i inwestorów private equity.
Każdy wariant miał swój własny model, dopasowany do jego logiki biznesowej:

Wariant A — Aparthotel / STR: model oparty na dziennym occupancy, ADR i sezonowości z danych rynkowych Themis, z profilem kosztów operacyjnych typowym dla obiektu krótkoterminowego.
Wariant B — Wynajem powierzchni biurowej: model oparty na długoterminowych umowach najmu, absorpcji powierzchni, strukturze zachęt dla najemców i kosztach utrzymania standardu biurowego.
Wariant C — Prywatny akademik: model oparty na obłożeniu pokoi, sezonowości akademickiej, strukturze opłat i kosztach operacyjnych specyficznych dla tego segmentu.

Dynamiczne kosztorysy — bottom-up, nie top-down

Każdy model zawierał szczegółowy kosztorys nakładów inwestycyjnych budowany od podstaw — na poziomie pojedynczych komponentów, nie zagregowanych pozycji budżetowych.

Kosztorys obejmował między innymi trzy warstwy:

Prace budowlane i wykończeniowe — każdy element (podłogi, ściany, sufity, okna, drzwi, elewacja) przypisany do konkretnej przestrzeni z osobną kalkulacją kosztu jednostkowego, powierzchni i VAT,
Instalacje techniczne — HVAC, elektryka, wentylacja, instalacje sanitarne, BMS, systemy bezpieczeństwa — każde urządzenie z przypisaną lokalizacją, ilością i kosztem,
Wyposażenie FF&E — meble, sprzęt, wyposażenie pokoi, przestrzeni wspólnych i zaplecza operacyjnego — każda pozycja przypisana do konkretnej jednostki.

Kosztorysy są dynamiczne: zmiana standardu wykończenia, liczby jednostek lub zakresu prac natychmiast przeliczała całość — bez ręcznego aktualizowania setek pozycji.

Prognozy finansowe klasy private equity

rachunek wyników (P&L) w rozbiciu miesięcznym i rocznym,
przepływy pieniężne (cash flow) z wyodrębnieniem CFADS (Cash Flow Available for Debt Service),
bilans z harmonogramem amortyzacji i wartością rezydualną na każdy rok prognozy uwzględniający kapitalizację środków trwałych,
analizę IRR, NPV, equity multiple i payback period dla każdego wariantu,
wartość rezydualną wynikającą z planowania cyklu życia aktywa — nie z arbitralnego założenia.

Prognozy uwzględniały sezonowość, dynamikę wzrostu przychodów, cykle wymiany komponentów i harmonogram obsługi finansowania — w standardzie wymaganym przez instytucje finansowe i fundusze.

Gotowość do pozyskania finansowania

Modele zostały zaprojektowane z myślą o rozmowach z bankiem i inwestorami:

analiza zdolności kredytowej z monitorowaniem DSCR, LTV i Debt Yield w każdym okresie prognozy,
scenariusze warunków finansowania — porównanie różnych struktur (poziom LTV, fixed vs floating, okres karencji, bullet vs annuitet),
testy warunków skrajnych — symulacje wzrostu stóp procentowych o +100 / +200 / +300 bp i ich wpływ na DSCR i IRR,
analiza exit — wymagany LTV na wyjściu, wpływ na equity multiple, akceptowalność przez bank.

Inwestor przyszedł na rozmowę z bankiem nie z dokumentami księgowymi — lecz z modelem, który bank mógł przeanalizować, zadać pytania i otrzymać odpowiedzi bezpośrednio z danych.

Wskazanie ryzyk

Każdy model zawierał ustrukturyzowaną analizę ryzyk w podziale na kategorie:

ryzyka rynkowe — wrażliwość na spadek occupancy, obniżenie stawek najmu, zmianę popytu w danym segmencie,
ryzyka finansowania — naruszenie covenantów DSCR i LTV przy scenariuszach szoków, ryzyko refinansowania,
ryzyka operacyjne — przekroczenie kosztów CAPEX, opóźnienia w komercjalizacji, wzrost OPEX,
ryzyka lokalizacyjne — identyfikowane już na etapie analizy Themis i przeniesione do modelu jako parametry wrażliwości.

Dla każdego ryzyka model wskazywał próg, po przekroczeniu którego dany wskaźnik (IRR, DSCR, cash flow) wychodzi poza akceptowalny zakres — co dawało inwestorowi jasny obraz marginesu bezpieczeństwa dla każdego wariantu.

Kluczowe cechy modelu:

Punktem wyjścia nie są zagregowane koszty, lecz rzeczywisty majątek — rozbity na komponenty, z przypisaną funkcją, trwałością, harmonogramem wymiany i konsekwencjami finansowymi. Każda decyzja techniczna (wymiana HVAC, zmiana standardu wykończenia, opóźnienie remontu dachu) ma natychmiastowe i mierzalne przełożenie na cash flow, wynik finansowy i wartość rezydualną.

Moduł Units definiuje pełną strukturę przestrzenną nieruchomości — każdy metr kwadratowy ma swoje przełożenie na CAPEX, OPEX i przychody.

Moduły CAPEX (Interior Finishes, Technical Installations, FF&E) pozwalają planować nakłady bottom-up, z harmonogramowaniem etapowym i automatyczną weryfikacją cen oraz potencjalnych braków przez AI (GPT, Grok). System przetwarza w minutach setki pozycji, które ręcznie zajęłyby analitykowi wiele godzin — i sygnalizuje niezgodności zanim trafią do prognozy.

Moduł Komercjalizacji i Pricingu umożliwia natychmiastowe porównanie 5–8 wariantów użytkowania tej samej nieruchomości lub jej części: STR, hotel, wynajem długoterminowy, Build-to-Sell. Dane cenowe i occupancy zasilane są bezpośrednio z Themis.

Moduł Sezonowości pozwala definiować krzywe zajętości i pricing w rozbiciu miesięcznym, z możliwością testowania wielu scenariuszy jednocześnie.

Moduł OpEx Services modeluje koszty operacyjne w zależności od profilu komercyjnego — od pełnego serwisu hotelowego po ograniczony wynajem długoterminowy — i pozwala zestawić do 20 wersji pakietów usługowych w jednym widoku.

Moduł Bank Loans modeluje finansowanie zewnętrzne z pełną obsługą DSCR, LTV, covenant monitoring, scenariuszy refinansowania i szoków stóp procentowych.

Wartość rezydualna jako cel strategiczny, nie liczba dopisana na końcu:

W Artemis wartość rezydualna nie jest parametrem wpisanym „z głowy” na ostatniej stronie modelu. Jest wynikiem precyzyjnego planowania — harmonogramów remontów, cykli wymiany komponentów, efektywności energetycznej, poziomu OPEX w długim horyzoncie. Inwestor widzi, jak każda decyzja podjęta dziś wpływa na wartość aktywa za 10 lub 20 lat.

Dowiedz się więcej

3. Artemis + Athena — zamknięta pętla planowania i controllingu

Artemis nie kończy swojej roli w momencie, gdy inwestycja wchodzi w fazę realizacji. System eksportuje gotowe pliki kontrolne i zestawy danych porównawczych (performance vs target), które stają się źródłem wejściowym dla Atheny.

Athena działa jako autonomiczna warstwa oceny realizacji: na bieżąco konfrontuje model finansowy z rzeczywistymi przepływami wynikającymi z faktur. Weryfikuje dane, wylicza i kategoryzuje odchylenia, monitoruje kluczowe wskaźniki efektywności i sygnalizuje ryzyka — zanim staną się materialne.

Co istotne: ewentualne nieścisłości wykryte przez Athenę mogą być zwrotnie analizowane w Artemis — model pokazuje pełne konsekwencje odchyleń dla cash flow, IRR, equity multiple i debt service coverage w całym horyzoncie inwestycyjnym.

Artemis i Athena tworzą razem zamknięty ekosystem, w którym inwestor ma pełną widoczność — od prognozy po fakturę — i może błyskawicznie reagować na zmieniającą się rzeczywistość operacyjną.

8. Podstawowe efekty:

Obszar	Przed	Po
Zbieranie danych rynkowych	danych rynkowychRęczne, tygodnie pracy, dane nieporównywalne	Automatyczne — Themis dostarcza znormalizowane benchmarki w minutach
Ocena lokalizacji	Intuicyjna lub oparta na jednym raporcie	Wielowymiarowy scoring z perspektywy konkretnych grup docelowych, wzbogacony interpretacją AI
Analiza wariantów użytkowania	wariantów użytkowaniaOsobny model dla każdego scenariusza, dni pracy	5–8 wariantów porównanych w jednym modelu, bez przebudowy struktury, w ciągu godzin
Planowanie CAPEX	Zagregowane, „top-down", bez weryfikacj	Bottom-up, z poziomem komponentów, harmonogramowaniem i automatyczną weryfikacją cen przez AI
Controlling realizacji	Arkusze tworzone raz w roku, bez odniesienia do modelu	Athena konfrontuje budżet z fakturami w czasie rzeczywistym — odchylenia widoczne zanim staną się materialne
Relacja z bankiem	Dokumenty księgowe, jednorazowa rozmowa	Symulacje DSCR, LTV, scenariusze szoków stóp — merytoryczne partnerstwo oparte na danych

Niezależność i architektura, która daje kontrolę

Cały ekosystem zbudowany został w oparciu o Excel + VBA + Power Query + DAX + Python + MySQL — technologie, które:

dają pełną elastyczność modyfikacji bez czekania na „aktualizacje wersji” zewnętrznego dostawcy,
pozwalają działać lokalnie i niezależnie,
są powszechnie zrozumiałe i mogą być rozwijane wewnątrz organizacji.

AI (GPT, Grok, LightGBM, CatBoost) nie zastępuje analityka — przyspiesza i weryfikuje jego pracę, przetwarzając w minutach dane, których ręczna analiza zajęłaby godziny.
To podejście sprawia, że firma ma kontrolę nie tylko nad danymi, ale nad samym systemem.