Nettplattform for eiendomsmegling: x14 raskere innlasting og behandling av data

Innowises utviklere har modernisert digital plattform for eiendomsmegling for å forbedre effektiviteten, brukervennligheten og den generelle ytelsen.

Kunde

Industri

Fast eiendom

Region

Storbritannia

Kunde siden

2022

Kunden vår er et ledende selskap som tilbyr innovative programvareløsninger til eiendomsbransjen. Med en dyp forståelse av de skiftende behovene og utfordringene som eiendomsmeglere står overfor, tilbyr de en omfattende pakke med teknologidrevne verktøy som er utviklet for å øke effektiviteten, produktiviteten og den generelle suksessen i den dynamiske eiendomsbransjen.

Detaljert informasjon om kunden kan ikke utleveres i henhold til bestemmelsene i NDA.

Utfordring

Løfte styrken til den digitale eiendomsmeglingsplattformen

Vi har fått en henvendelse fra en kunde som har en omfattende database over britiske eiendommer. På grunn av utdaterte biblioteker og rammeverk hadde den nåværende plattformen store problemer med hastigheten. I tillegg var systemet avhengig av lokale servere, noe som gjorde det ineffektivt fra et kostnadsperspektiv. I tillegg ønsket kunden å integrere AI-basert programvare for å effektivisere prosesser, spare tid og redusere kostnader ved å automatisere manuelle oppgaver.

Løsning

Modernisering av eiendomsmeglerplattformen for raskere matching mellom kunder og eiendommer

Innowise har redesignet en nettbasert plattform for eiendomsmegling som hjelper eiendomsmeglere med å finne eiendommer til kunder basert på deres spesifikke krav, og sørger for at prosessen går raskt.

Forbedring av ytelsen ved langsom innlasting

Da kunden henvendte seg til oss, var plattformen basert på en utdatert plattform PHP kode. Det var tydelig at denne eldre teknologien var i ferd med å bli en flaskehals som hindret plattformens potensielle vekst og effektivitet. For å gjøre noe med dette, og etter en omfattende vurdering, bestemte vi oss for å migrere hele systemet til Python.

Overgangen fra PHP til Python har ført til en merkbar økning i plattformens hastighet og generelle ytelse. Resultatet er at brukerne nå kan glede seg over raskere boligsøk, raskere datahenting og smidigere interaksjon med plattformen.

Vårt ekspertteam har testet og verifisert alle aspekter ved plattformen gjennom hele migreringsprosessen for å sikre stabilitet og pålitelighet. Vi vet hvor viktig det er med en sømløs overgang, og vi har gjort alt vi kan for å minimere avbrudd.

Datapipelines

Vi har utviklet banebrytende datapipelines som er designet for å håndtere store datamengder. Ryggraden i denne plattformen er en sammenkoblet pakke av AWS-tjenester som legger til rette for effektiv flyt og behandling av eiendomsdata.

Kjernekomponenter i rørledningen:

AWS Airflow (MWAA): Som orkestrator sørger MWAA for at eiendomsannonser, transaksjonsdata og markedsdata systematisk tas inn, behandles og gjøres tilgjengelig, slik at det skapes en smidig pipeline fra kilde til applikasjon.
Amazon S3: Det grunnleggende lagringslaget, S3, inneholder enorme lagre med eiendomsbilder, transaksjonshistorikk og relevante eiendomsdokumenter. Lagringens holdbarhet sikrer dataintegritet og tilgjengelighet.
Amazon Cloud-klokke: I et marked der hvert sekund teller, overvåker Cloud Watch tilstanden og ytelsen til rørledningene våre. Den sørger for at data flyter uten avbrudd, slik at vi alltid har tilgang til eiendomsinformasjon i sanntid.
AWS Lambda: en banebryter innen hendelsesstyrt behandling. Enten det dreier seg om å oppdatere en boligannonse eller gjenspeile et nylig salg, behandler Lambda slike input umiddelbart og sørger for at plattformen er oppdatert.
Amazon API Gateway: en viktig bro til eksterne systemer. Gjennom denne gatewayen kan tredjeparts datakilder sømløst integreres med plattformen, noe som øker dybden og bredden i eiendomsinnsikten.
AWS Lim og AWS Limkatalog: Etter at rå eiendomsdata er lagt inn i S3, tar AWS Glue over transformasjonsprosessen og gjør rådata om til innsikt som kan brukes til noe. Glue-katalogen organiserer disse bearbeidede dataene, slik at det blir enkelt å søke i dem og gjøre dem mer anvendelige på tvers av plattformen.
Amazon Athena: Eiendomsmeglere har ofte behov for å ta raske, datadrevne beslutninger. Athena gir dem muligheten til å gjøre ad hoc SQL-spørringer direkte på S3-data, noe som gir umiddelbar innsikt.
Amazon DocumentDB: kompleksiteten i eiendomsmarkedet gjenspeiles i dataene. Document DB gir plass til ustrukturerte data som tilbakemeldinger fra kunder, leietakerhistorikk med mer, noe som gir en rikere dimensjon til eiendomsinnsikten.
Amazon QuickSight: data er bare så gode som presentasjonen av dem. QuickSight forvandler kompliserte eiendomsdataanalyser til visuelt overbevisende oversikter og rapporter som hjelper interessenter med å ta informerte beslutninger.
Amazon Redshift: Redshift er datakraftverket som gjør dypdykk i eiendomstrender, kjøperatferd og markedsprognoser. Redshift er integrert med Glue Catalog og tilbyr enestående analysemuligheter som gir eiendomsbransjen en strategisk retning.

Ved å sømløst kombinere disse AWS-komponentene har Innowise ikke bare skapt en datapipeline, vi har også lagt grunnlaget for fremtidens eiendomsmegling på nettet. Med datadrevet innsikt og analyse i kjernen vil denne plattformen revolusjonere måten eiendomsmeglere driver virksomhet på nettet på.

AI-integrering

Innowise har integrert kunstig intelligens i plattformen for å hjelpe brukerne med nøyaktige eiendomsvurderinger. Med AIs avanserte funksjoner kan plattformen behandle og analysere store mengder eiendomsdata, alt fra historiske eiendomspriser til demografisk informasjon.

AI-drevne prediksjonsmodeller gjør det dessuten mulig for brukerne å forutse trender og svingninger i eiendomsmarkedet. Med denne kunnskapen kan man ta velinformerte valg når det gjelder investeringer og prisstrategier.

En annen stor fordel med AI-integrering er muligheten til å analysere tilbakemeldinger og følelser fra brukerne. Dette hjelper eiendomsmeglere med å forstå kundenes preferanser og områder som krever forbedringer, noe som i siste instans fører til bedre tjenestetilbud og økt kundetilfredshet.

I tillegg drar selgere nytte av AIs evner når den foreslår optimale prisstrategier basert på boligens egenskaper, beliggenhet og etterspørsel i markedet. Det øker sannsynligheten for et vellykket og lukrativt salg.

Migrering av plattformen fra server til AWS

Selskapet vårt migrerte en eiendomsplattform fra en lokal server til det skybaserte systemet AWS, noe som resulterte i kostnadseffektivitet. AWS' "pay-as-you-go"-tilnærming betyr at bedrifter bare betaler for det de bruker. Dette eliminerer de høye startkostnadene for infrastrukturen, og gjør det mulig for bedrifter å benytte seg av omfattende datakraft og lagringsplass uten å kjøpe eller vedlikeholde kostbar maskinvare.

Tidligere overprovisoriserte klienten ofte ressursene for å håndtere toppbelastninger, noe som førte til underutnyttelse i lavlastperioder, mens AWS Auto Scaling automatisk justerer antall instanser som kjører basert på spesifiserte forhold. Det betyr at i perioder med høy brukertrafikk kan antallet serverinstanser automatisk økes for å håndtere belastningen. Omvendt kan antallet instanser skaleres ned i perioder med lav trafikk, noe som optimaliserer kostnadene og ressursutnyttelsen.

Teknologier

Databaser

MySQL

Front-end

HTML, CSS, React, MUI

Back-end

Python, Scala

Cloud-plattformer

AWS

Data Engineering

Apache Airflow, Apache Spark, Airbyte, DBT

Maskinlæring/datavitenskap

Apache Spark MLLib, Scikit-learn, PySpark, Numpy, Pandas, Scipy

Miljø

Docker, Terraform, Jenkins

Versjonskontrollsystemer

Bitbucket

Prosess

Innowise begynte med å kartlegge smertepunktene og flaskehalsene i den nåværende plattformen, og dokumenterte innsikten i Notion. Deretter satte vi opp klare mål for optimaliseringsprosessen med sikte på å redusere lastetiden, forbedre søkefunksjonaliteten og øke brukervennligheten.

Ved hjelp av Kanban-metodikken og sporing av oppgaver i Jira holdt vi ukentlige møter for å gjennomgå etterslepet, endre rekkefølgen på oppgavene og legge en strategi for den kommende uken. Gjennom hele utviklingsfasen hadde teamet vårt daglige standup-møter på Slack, der vi oppdaterte hverandre om utførte oppgaver, kommende aktiviteter og eventuelle hindringer. Dette sikret at teamet var samkjørt og gjorde det mulig å løse problemer raskt.

Team

Prosjektleder

DevOps

Dataingeniører

Dataforskere

Resultater

Boosted-effektivitet: 3 ganger kostnadsbesparelser, 14 ganger raskere datalasting for overlegen brukeropplevelse

Vi har overhalt kundens eiendomsplattform og forbedret hastigheten og brukeropplevelsen. Ved å gå fra PHP til Python har vi oppnådd raskere responstider og et mer brukervennlig grensesnitt. En viktig oppgradering er nye datapipelines, som er utviklet spesielt for å håndtere store datamengder på en effektiv måte.

AI-integrasjonen leverer nå skreddersydde eiendomsforslag til brukerne og automatiserer flere standardoppgaver, noe som gjør brukerreisen smidigere. Brukerne får også umiddelbare boligvarsler som holder dem oppdatert om de siste markedsendringene.

Amazon Web Services reduserer driftskostnadene og sikrer plattformens robusthet i perioder med høy trafikk.

Disse forbedringene har løftet eiendomsmeglingsplattformen til nye høyder og gjort den til en mer effektiv, brukervennlig og moderne løsning for alle våre brukere.

Prosjektets varighet

Januar 2022 - Løpende

mer kostnadseffektivt

x14

raskere innlasting og behandling av data

Relaterte saker

Ta kontakt med oss!

Bestill en samtale eller fyll ut skjemaet nedenfor, så kontakter vi deg så snart vi har behandlet forespørselen din.

Hva skjer videre?

Etter at vi har mottatt og behandlet forespørselen din, vil vi komme tilbake til deg innen kort tid for å beskrive prosjektbehovene dine og undertegne en taushetserklæring for å sikre informasjonens konfidensialitet.

Etter å ha undersøkt kravene, utarbeider våre analytikere og utviklere en prosjektforslag med arbeidsomfang, teamstørrelse, tid og kostnader estimater.