En platform bygget på data,
ikke på antagelser

BrickStack er en dansk ejendoms-data-platform der kobler offentlige registre sammen til ét analysemiljø. Platformen er designet til investorer og asset managers, der vil arbejde systematisk med ejendomsdata frem for at gætte sig frem.

Datagrundlaget kommer direkte fra Datafordeleren og inkluderer BBR (bygningsdata), Plandata (lokalplaner og kommuneplaner), Matrikel (ejendomsgrænser og jordstykker), DAWA (adresser og geokodning) samt Tinglysningen. Dataforbindelserne opdateres løbende, så analysen altid hviler på aktuelle tal og ikke på et eksport-dump fra forrige kvartal.

Platformen er bygget af et lille team af danske investorer og ingeniører, der bruger den dagligt til egen analyse. Det er den primære årsag til at metodikken og datakoblingerne afspejler hvordan en faktisk deal-evaluering ser ud i praksis, ikke hvordan en marketing-roadmap forestiller sig det.

Den danske ejendoms-investor har adgang til mere offentlig data end nogensinde. BBR, Plandata, Matrikel, DAWA og Tinglysningen er alle gratis og veldokumenterede via Datafordeleren. Alligevel bruger den typiske private investor 4-8 timer på hver ejendom med manuel sammenstilling, fordi datakilderne er fragmenterede og ikke koblet til hinanden via en fælles nøgle.

Det skaber et asymmetrisk marked. De ejendomme hvor flere datakilder skal krydses for at se den reelle værdi, fx anvendelses-mismatch mellem BBR og lokalplan, bliver typisk prissat efter den synlige anvendelse og ikke efter potentialet. Den investor der har lavet datakoblingen i forvejen, kan byde aggressivt og stadig have margin.

Platformen findes for at lukke det gab. Ved at maskine-koble de offentlige registre til hinanden og pre-beregne nøgletal som ARV-uplift og DSCR mod faktiske bankkrav, går deal-evalueringen fra timer til minutter, og den bliver lige så rigorøs som det interne arbejde foretages af de største danske ejendomsfonde.

Tre tekniske valg definerer platformen: direkte integration mod Datafordeleren frem for tredjepart-aggregator, ét fælles adressebibliotek (DAWA) som join-nøgle på tværs af registre, og Monte Carlo-simulation som standard-måde at modellere usikkerhed frem for et enkelt point-estimat.

Direkte Datafordeler-integration betyder at platformen ikke er afhængig af en datatredjepart, hvis priser, dækning eller opdateringskadence kan ændre sig. Det gør også at vi kan garantere at de tal investoren ser, er identiske med dem kommunens egen byggesagsbehandling arbejder med.

DAWA som join-nøgle betyder at en konkret ejendom kan slås op via adresse, matrikelnummer eller koordinat, og hver opslag returnerer den samlede fil med BBR-bygninger, plangrundlag, matrikelgeometri og tinglyste servitutter. Det er den fulde kontekst der ellers kræver fire separate manuelle opslag.

Monte Carlo-modelleringen er valgt fordi en udlejningsejendoms cashflow har flere variable med iboende usikkerhed: tomgang, renteudvikling, vedligeholdelse, lejeudvikling. Et enkelt point-estimat skjuler den usikkerhed. En 10.000-iteration simulation viser hvordan afkastet fordeler sig under realistiske scenarier, hvilket er et bedre beslutningsgrundlag.