Structure of a decision support subsystem in real estate management

• Authors: Małgorzata Renigier-Biłozor
• Languages of publication: EN

Abstracts

EN

This study proposes a decision support subsystem in real estate management. Owing to the complex and multi-layered character of the discussed problem, only selected aspects of real estate management are discussed in this paper. The described system will play the role of a relatively simple and effective “assistant” which is expected to maximize the effectiveness of a decision and shorten decision-making time. The author has made an attempt to develop a subsystem as an adviser to subjects operating in the real estate management. This system was developed accounting for and combining the classical economic and real estate market theories with the implementation of non-classical methods in the data mining category in an effort to increase its effectiveness. The rough set theory has been proposed as a tool that supports analytical processes. Fuzzy logic best reproduces expert knowledge, and it is one of the most effective tools for solving “vaguely defined” problems. The given work is an attempt to prove the hypothesis that: the reduction of uncertainty in the real estate management decision-making process is possible by the development of the advisory system based on the rough set theory. The main aim of this work is to increase the efficiency and efficacy of entities operating in the real estate management, thus influencing the effectivness of the entity and management.

Keywords

EN

decision support subsystem; real estate management; rough set theory

• Publisher: Sciendo
• Journal: Folia Oeconomica Stetinensia
• Year: 2014
• Volume: 13
• Issue: 1
• Pages: 56-75

Dates

published

2013-12-01

online

2014-03-25

Contributors

author

Małgorzata Renigier-Biłozor

• University of Warmia and Mazury in Olsztyn, Poland Faculty of Geodesy and Land Management Department of Real Estate Management and Regional Development Prawochenskiego 15 Str., 10-724 Olsztyn, Poland

References

• d’Amato, M. (2004). A comparison between MRA and Rough Set Theory for mass appraisal. A case in Bari. International Journal of Strategic Property Management, 8 (4).
• d’Amato, M. (2007). Comparing Rough Set Theory with Multiple Regression Analysis as Automated Valuation Methodologies. International Real Estate Review, 2.
• Deja, R. (2000). Zastosowanie teorii zbiorów przybliżonych w analizie konfliktów. Praca doktorska. Instytut Podstaw Informatyki Polskiej Akademii Nauk.
• Griffin, R.W. (2000). Podstawy zarządzania organizacjami. Warszawa: Wydawnictwo Naukowe PWN.
• Knosala, E. (2005). Zarys nauki administracji. Zakamycze: Kantor wydawniczy.
• Komorowski, J., Pawlak, Z., Polkowski, L. & Skowron, A. (1999). Rough sets: A tutorial. In: S.K. Pal & A. Skowron (Eds.), Rough fuzzy hybridization: A new trend in decision making. Singapore: Springer-Verlag.
• Kotkowski, B. & Ratajczak, W. (2002). Zbiory przybliżone w analizie danych geograficznych. In: H. Rogacki (Ed.), Możliwości i ograniczenia zastosowań metod badawczych w geografii społeczno-ekonomicznej i gospodarce przestrzennej. Poznań: Bogucki Wydawnictwo Naukowe.
• Mrózek, A. & Płonka, L. (1999). Analiza danych metodą zbiorów przybliżonych. Warszawa: Akademicka Oficyna Wydawnicza PLJ.
• Mulawka, J.J. (1997., Systemy ekspertowe. Wydawnictwa Naukowo Techniczne, Styczeń.
• Nowicki, R.K. (2009). Rozmyte systemy decyzyjne w zadaniach z ograniczoną wiedzą. Warszawa: Akademicka Oficyna Wydawnicza EXIT.
• Nutech Solution - science for businnes (2005), www.nutechsolutions.com.pl.
• Pawlak, Z. (1982). Rough sets. International Journal of Information and Computer Science 11: 341.
• Pawlak, Z. (1991). Rough Sets: Theoretical Aspects of Reasoning abaut Data. Dordrecht: Kluwer Academic Press.
• Pawlak, Z. (1997). Rough Sets and their Applications. Seminar Department of Computing - Macquarie University.
• Polkowski, L. & Skowron, A., (Eds.) (1998). Rough Sets in Knowledge Discovery 1: Methodology and Applications, Physica-Verlag, Heidelberg.
• Rao, C.R. (1994). Statystyka i prawda. Warszawa: PWN.
• Renigier-Biłozor, M. (2006). Zastosowanie analizy danych metoda zbiorów przybliżonych do zarządzania zasobami nieruchomości. Elbląg: Studia i Materiały Towarzystwa Naukowego Nieruchomości Vol. 14 (1): 219-232.
• Renigier-Biłozor, M. (2008). Zastosowanie teorii zbiorów przybliżonych do masowej wyceny nieruchomości na małych rynkach. [Application of rough sets theory for mass valuation of real estate in small markets]. Acta Scientarum Polonorum Locorum, Administratio Locorum 7 (3): 35-51.
• Renigier-Biłozor, M. (2010), Supplementing incomplete databases on the real estate market with the use of the rough set theory. Acta Scientarum Polonorum Locorum, Administratio Locorum 9 (4): 107-115.
• Renigier-Biłozor, M. (2011). Analysis of real estate markets with the use of the rough set theory.Journal of the Polish real estate scientific society, 19, 3: 107-118.
• Renigier-Biłozor M. & Biłozor A. (2008). Aspekty i możliwości zastosowań teorii zbiorów przybliżonych i teorii zbiorów rozmytych w gospodarce przestrzennej. In: Nowe kierunki i metody w analizie regionalnej. Poznań.
• Renigier-Biłozor M. & Biłozor A. (2009a). The significance of real estate attributes in the process of determining land function with the use of the rough set theory. Studia i Materiałay Towarzystwa Naukowego Nieruchomości. Olsztyn: 103-107.
• Renigier-Biłozor, M. & Biłozor ,A. (2009b). Procedura określania istotności wpływu atrybutów nieruchomości z wykorzystaniem teorii zbiorów przybliżonych. Przegląd Geodezyjny 6: 3-7.
• Renigier-Biłozor, M. & Wiśniewski, R. (2011). The efficiency of selected real estate markets in Poland Acta Scientiarum Polonorum, Oeconomia 9 (2): 83-96.
• Renigier-Biłozor, M., Wiśniewski, R (2012). The Effectiveness of Real Estate Market Participants.European Spatial Research and Policy19 (1): 95-110.
• Rutkowski, L. (2009). Metody i techniki sztucznej inteligencji. Warszawa: Wydawnictwo Naukowe PWN.
• Simon, H. (1997). The New Science of Managenet deccision. Englewood Cliffs N.J. Słowiński, R. (1992). Intelligent Decision Support. Handbook of Applications and Advances of the Rough Sets Theory. Dordrecht: Kluwer Academic Publishers.
• Stoner, J.A.F. & Wankel, Ch. (1994). Kierowanie. Warszawa: Państwowe Wydawnictwo Ekonomiczne.
• Szapiro, T. (2000). Decyzje menedżerskie z Excelem. Warszawa: Polskie Wydawnictwo Ekonomiczne.
• Wang, W.K. (2005). A knowledge-based decision support system for measuring the performance of government real estate investment. Expert Systems with Applications 29 (2005): 901-912.
• Wiśniewski R. (2008). Multidimensional forecasting of the value of a real estate. Dissertations and Monographs No. 124, UWM.
• Zieliński, J. (2000). Inteligentne systemy w zarządzaniu. Teoria i praktyka. Warszawa: Wydawnictwo Naukowe PWN.

Identifiers

DOI

10.2478/foli-2013-0007