ML-платформа прогнозирования стоимости и сроков строительства

К застройщику-девелоперу регулярно возникали две критические претензии:

Перерасход бюджета — фактическая стоимость проектов систематически превышала смету на 7-15 %.

Срыв сроков — отклонения в графике достигали 1-3 месяцев, а руководители стройплощадок объясняли это «объективными» факторами, которые проверялись пост-фактум.

Цель заказчика — получить инструмент, который до начала работ прогнозирует стоимость и сроки, позволяет мгновенно оценивать «честность» предложений прораба и принимать управленческие решения, пока влияние на бюджет и календарь ещё велико.

Мы разработали ML-платформу прогнозирования стоимости и сроков строительства, обученную на исторических данных по аналогичным объектам, а также интерактивный UX-интерфейс для мгновенной проверки смет и тайм-планов.

Совместные воркшопы с финансовым департаментом и ПТО, отработка 6 KPIs (MAE по цене, P80 по срокам и др.).

Ключевые сложности в работе на данном этапе: Несогласованные версии «правильной» стоимости у разных подразделений.

Как решили: Нормализовали терминологию и утвердили единый перечень допущений (Decision Log).

раскладка данных по 400+ полям (площадь, класс, материалы, бригада…)

Ключевые сложности: 28 % записей имели пропуски по материалам и рабочей силе.

Как решили: Комбинированный подход: multiple-imputation + экспертная доразметка 5 прорабов (≈40 часов).

Измеряемый эффект: Пропуски

Сравнили GBM, CatBoost, LightGBM, XGBoost; выбрали CatBoost за лучший trade-off точности и времени обучения. Использовали SHAP-анализ для интерпретируемости (важно для CFO).

React + FastAPI-микросервис, CI/CD через GitHub Actions; UX-прототипы тестировались с 5 прорабами (think-aloud).

Ключевые трудности: Отторжение  у прорабов («машина не знает наши реалии»).

Как решили: В интерфейс добавили «пояснения SHAP» + кнопку «почему так?», провели 2-дневный вебинар для обучения

87 % прорабов используют сервис добровольно на 2-й месяц; 0 эскалаций в ИТ-поддержку.

До 10 % прямой экономии материалов и трудозатрат за счёт раннего выявления завышенных смет (первый квартал пилота — 9,2 %).

Сокращение средних сроков сдачи на 12 дней за счёт более точного буфер-планирования.

Мгновенный аудит смет — CFO получает «риск-скор» на каждом новом запросе в реальном времени (≈15 с).

Прозрачность работы прорабов: 94 % отклонений теперь объясняются данными, а не субъективными факторами.

3-месячный ROI проекта благодаря предотвращённым перерасходам и штрафам за срыв сроков.

Почему заказчики доверяют нам

Интегрированный стек — от стратегии до production-ML и UX, без «ручных стыков».

Доказуемая методология — все решения фиксируем в Decision Log; метрики публикуются в MLflow и доступны бизнесу.

Прозрачная интерпретируемость — SHAP-карты и «what-if»-сценарии делают модель понятной не-технарям.

Фокус на изменениях людей, а не только технологии — обучаем конечных пользователей и сопровождаем первые 60 дней эксплуатации.

Итог: заказчик превратил план-факт-контроль из пост-фактум процесса в превентивный инструмент управления затратами и сроками, сохранив репутацию надёжного застройщика и улучшив маржу