06/09/19

В Ярославле проходит совместный российско-германский семинар, посвященный вопросам формирования доступной информационной системы геоданных и кадастровой оценки земельных участков и объектов недвижимости. В ходе семинара был представлен и проанализирован опыт проведения государственной кадастровой оценки в Германии и Ярославской области.

Налог на имущество в Астраханской области вырастет в десять раз. Депутат Госдумы, лидер астраханских эсеров Олег Шеин предлагает:

  • уменьшить ставку налога на квартиры до 0.1%;
  • ввести вычет по налогу на имущество для ИП на площадь до 100 кв.м.;
  • уменьшить ставку по налогу на имущество на нежилые объекты для граждан и ИП до 1%;
  • увеличить налоговый вычет для юрлиц до 100 кв.м.;
  • увеличить площадь неналогооблагаемого помещения до 300 кв.м.;
  •  установить ставку по налогу на имущество для малого бизнеса на уровне, не превышающем ставку для налога на нефтяные платформы компании Лукойл;
  • предусмотреть налоговые льготы для частных учреждений культуры, образования и здравоохранения;
  • предусмотреть налоговые вычеты для зданий-памятников архитектуры и малого бизнеса по примеру других регионов.

В Москве судятся за исключение из списка предприятий, оплачивающих налог по кадастровой стоимости, а в Екатеринбурге — за включение в такой список.

 

Интересное интервью с оценщиком и судебным экспертом Алексеем Валерьевичем Зумбергом, почитайте

«Уверен, что при помощи ИИ можно достичь более точных результатов при ГКО. Но как это впоследствии воспроизвести? Ведь для воспроизводимости результатов нужна формула, куда можно ввести ценообразующие параметры оцениваемого объекта, и на выходе получить кадастровую стоимость. При этом даже в сегодняшнем виде эти формулы (уравнения моделей) весьма сложны, и работать с ними (и в целом с Отчётами о результатах ГКО) неподготовленному пользователю крайне трудно. Несмотря на всё это считаю, что рано или поздно будут найдены соответствующие решения, и мы увидим отчёты об оценке, полностью подготовленные искусственным интеллектом. Сначала для типовых объектов, а затем и для более сложных. Возможна ли полная автоматизация кадастровой оценки? Думаю – нет. Слишком много стейкхолдеров у этой системы, и слишком много коммуникаций между ними. Здесь всё равно будет много «ручного» труда, требующего человеческого сознания, хотя львиную долю всей работы, конечно, машина может взять на себя – это и обработка перечня, и группировка объектов, и сбор/обработка рыночной информации, и, конечно, сами расчёты кадастровой стоимости. Но это в будущем.  

Расскажите о ваших самых крупных проектах: как они зарождались, с каким сложностями столкнулись, в чем их уникальность?

Первым серьёзным IT-проектом стал сервис «ПроверьНалог», который для своей реализации требовал знаний как минимум в трёх областях: программирования, баз данных и кадастровой оценки. Задача сервиса сводится к тому, чтобы неподготовленный пользователь мог получить информацию об изменении кадастровой стоимости интересующего его объекта недвижимости от тура к туру (от предыдущей к текущей). «Внешняя» (глобальная) уникальность данного проекта состояла в том, что мы работали с информацией о результатах первых государственных кадастровых оценок. «Внутренняя» уникальность заключалась в том, что нам впервые пришлось на практике работать с довольно большими объёмами данных, измеряемых десятками миллионов записей. И речь здесь идёт не только о базах данных, которые и призваны работать с такими объёмами, но и о работе с файлами xlsи xml, откуда и парсилась необходимая информация. Большие файлы MSExcel являются достаточно «тяжелыми» для компьютера, особенно при автоматизированной обработке, а работать с ними было необходимо, поскольку не всю необходимую информацию можно было раздобыть в файлах xml. На текущий момент в «ПроверьНалог» содержится информация о приблизительно 35 млн. объектов, но близятся результаты очередного тура ГКО, которые мы также планируем заносить в сервис.

Но самым масштабным и сложным нашим проектом является сервис по сбору и обработке аналогов, где мы впервые задействовали искусственный интеллект, о котором уже рассказывали. Если говорить в целом, то это намного более объёмный проект, охватывающий не только работу с аналогами. Базовый принцип модульности позволяет независимо работать с новыми направлениями, поэтому есть задумки и в эконометрике, и в картографии, и в аналитике, и в синтетике, а также в планах многократное использование ИИ на разных этапах. А на начальном этапе было важно создать распределённую систему по сбору объявлений с сайтов различных интернет-агрегаторов, причём, как федерального, так и регионального масштабов. Приоритетом были качественные полноценные скрин-копии интернет-страниц объявлений, в жертву чему была принесена скорость работы «паука». Однако, распределённая система частично спасла ситуацию. Не буду раскрывать все секреты, скажу лишь, что было применено ещё несколько нестандартных интересных решений.

На текущий момент мы завершили «прикручивание» модуля ИИ на сервер, и немного доработали функционал. Теперь в случае, если машина «сомневается», она показывает процент своей уверенности в том ответе, который дала. Пользователь может проверить выводы машины, и либо согласиться с ними, либо исправить, после чего машину можно «доучить»: исправить собственные ошибки, или утвердиться в правильности своего выбора. После опытной эксплуатации начнём решение очередных задач.