Traditionnellement, les décisions d’investissement dans l’immobilier étaient motivées par les prix historiques de l’immobilier, la qualité de la région et la proximité d’éléments locaux de grande valeur comme les épiceries, les écoles et les parcs. Cependant, les propriétés au sein d’une région peuvent encore varier considérablement, ce qui rend difficile les prévisions précises.

Les méthodes de science des données peuvent utiliser de vastes ensembles de données qui vont au-delà des données traditionnelles et intègrent les caractéristiques individuelles de chaque propriété. Il peut prendre en compte les caractéristiques immobilières et les données démographiques (entre autres) pour créer des indices granulaires de sous-marchés. Cela peut aller jusqu’à prédire les rendements immobiliers dans des districts postaux spécifiques.