Bài 40 · Mô hình định tính, hành vi & ra quyết định trong BĐS

Case-Based Reasoning: học từ các tài sản và giao dịch tương tự để ra quyết định

Nhiều quyết định BĐS được ra bằng cách hỏi: trường hợp này giống vụ nào trước đây? Thẩm định viên tìm comparable; asset manager nhớ một tòa nhà từng tái định vị; chuyên viên pháp lý nhớ một hồ sơ có cấu trúc tương tự. Case-Based Reasoning – CBR – biến trực giác “học từ trường hợp tương tự” thành một quy trình có cấu trúc.

Aamodt & Plaza mô tả CBR như phương pháp giải quyết vấn đề và học từ kinh nghiệm. Chu trình kinh điển thường được tóm thành bốn bước: Retrieve – Reuse – Revise – Retain.

Chuyên đề: Mô hình định tính, hành vi & ra quyết định trong BĐS · Bài 40 · Hành vi, chấp nhận công nghệ và mô hình lý thuyết

Biên soạn: ThS. Nguyễn Mạnh Hùng
Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn

1. Một case phải chứa gì?

Case không chỉ là một tài sản. Nó cần mô tả problem/context – solution/action – outcome và các thuộc tính dùng để so tương tự.

NhómVí dụ
ContextLoại tài sản, vị trí, thời điểm, thị trường
ProblemVacancy cao, tranh chấp, pricing
ActionReposition, legal remedy, discount
OutcomeNOI, time, cost, success/failure
LessonsĐiều kiện khiến giải pháp hiệu quả

2. Retrieve: tìm case tương tự

Đây là bước khó nhất. Similarity không nên chỉ dựa khoảng cách địa lý. Với định giá có thể cần loại tài sản, diện tích, vị trí, thời gian, pháp lý; với incident có thể cần hệ thống, nguyên nhân, severity.

Cần xác định feature weights theo task. Một thuộc tính quan trọng cho valuation có thể không quan trọng cho legal DD.

3. Similarity score

Một công thức đơn giản có thể là tổng có trọng số của similarity từng thuộc tính. Nhưng trọng số phải có cơ sở và khoảng cách cho biến số/biến phân loại phải được định nghĩa.

Ví dụ price comparable: time similarity, location similarity, physical similarity, legal similarity. Không nên lấy average máy móc nếu legal mismatch là điều kiện loại.

4. Reuse: không copy nguyên giải pháp

Case tương tự chỉ cung cấp điểm khởi đầu. Reuse cần adaptation: điều chỉnh theo market cycle, scale, regulation, asset condition. CBR không phải 'case trước làm vậy nên case này cũng làm vậy'.

Trong appraisal, comparable sales được điều chỉnh; trong asset strategy, action plan phải điều chỉnh theo leasing market hiện tại.

5. Revise: kiểm giải pháp

Sau khi áp dụng, phải kiểm outcome và sửa nếu không đạt. Đây là nơi CBR khác một thư viện case thụ động. Một recommendation cần feedback loop.

6. Retain: học bằng cách thêm case mới

Case mới chỉ nên được retain khi dữ liệu outcome đủ tin cậy và metadata đầy đủ. Nếu giữ mọi case, library phình to và retrieval nhiễu. Có thể cần deduplicate, archive và version.

Case thất bại rất quan trọng; nếu chỉ lưu success, hệ thống bị survivorship bias.

7. Cấu trúc case library

case_idcase_typecontext_jsonfeaturesactionoutcomeoutcome_dateconfidencesource
C0001Asset_Reposition......Improve lobby + leasingNOI +12%2026-09HighAsset DB

Với dữ liệu lớn, có thể tách feature table và embedding/vector index, nhưng logic semantic của case vẫn phải rõ.

8. CBR và comparable sales

Phương pháp so sánh trong định giá có tinh thần rất gần CBR: tìm giao dịch tương tự rồi điều chỉnh. Tuy nhiên valuation có chuẩn mực và quy tắc chuyên môn riêng; không nên gọi toàn bộ sales comparison là CBR AI.

CBR hữu ích khi muốn số hóa cách lựa chọn comparable và học từ adjustments/outcomes.

9. CBR và AI/ML

CBR không giống machine learning thống kê. Nó suy luận từ các case gần và giữ khả năng giải thích bằng ví dụ. Có thể kết hợp embeddings/ML để retrieval, nhưng adaptation và validation vẫn cần thiết.

Ưu điểm là explainability: 'đề xuất này dựa trên các case A/B/C'. Nhược điểm là case base cũ hoặc biased sẽ kéo kết luận sai.

10. Concept drift và time relevance

BĐS thay đổi theo chu kỳ, luật và hạ tầng. Case 10 năm trước có thể không còn tương đồng dù vật lý giống. Similarity phải có time/context weighting; case library cần review stale cases.

11. Case: xử lý tài sản vacancy cao

Hệ thống retrieve 5 tòa có vacancy, nhưng chỉ 2 case cùng submarket và lease structure. Một case thành công nhờ retrofit + rent reset; case kia thất bại vì demand toàn khu yếu. Reuse phải kiểm driver vacancy hiện tại trước khi chọn action.

12. Sai lầm

  • Case thiếu outcome.
  • Similarity chỉ dựa vài thuộc tính dễ đo.
  • Copy solution không adaptation.
  • Chỉ lưu case thành công.
  • Không giảm trọng số case cũ.
  • Không kiểm source/confidence.
  • Gọi retrieval là AI thông minh dù case base kém.

13. Bài tập thực hành

Thiết kế case schema cho một trong ba bài toán: comparable sales, due diligence issue hoặc asset strategy. Chọn 8 feature, xác định 2 gate conditions, trọng số similarity, adaptation rule và outcome cần retain. Sau đó thử hai case có similarity cao nhưng khác một điều kiện pháp lý để xem hệ thống có loại đúng không.

14. Thiết kế similarity có gate + weighted similarity

Trước khi tính similarity, áp dụng gate cho thuộc tính không thể bù: loại tài sản, quyền pháp lý, use class, transaction validity. Sau gate mới tính weighted similarity cho các thuộc tính có thể điều chỉnh như diện tích, thời gian, vị trí, chất lượng.

Cách này tránh một case pháp lý không tương đồng vẫn được chọn chỉ vì vị trí/diện tích rất giống.

15. Quản trị case library

Mỗi case nên có provenance, confidentiality level, outcome maturity và review status. Case đang tranh chấp chưa kết thúc không nên gắn outcome “success”. Case có dữ liệu nhạy cảm cần de-identify trước khi dùng cho AI retrieval.

Định kỳ kiểm duplicate, stale case, distribution bias và coverage gap. Case library là một tài sản dữ liệu cần governance, không phải thư mục lưu PDF.

16. Đánh giá CBR system

Có thể đánh giá retrieval precision, expert agreement, adaptation accuracy, decision time và outcome quality. Một hệ thống retrieve case rất giống nhưng không giúp quyết định vẫn chưa thành công. Nên so CBR với baseline như search theo rule hoặc chuyên gia thủ công.

Ghi nhớ trong 30 giây

  • CBR học từ trường hợp tương tự.
  • Chu trình 4R: Retrieve–Reuse–Revise–Retain.
  • Case cần context, action và outcome.
  • Similarity phải theo task và có gate.
  • Case thất bại và độ mới dữ liệu rất quan trọng.

Nguồn tham khảo

  • Aamodt & Plaza (1994), Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches, AI Communications 7(1), 39–59.

Bài tiếp theo: Decision Matrix định tính: so sánh phương án khi dữ liệu chưa đủ để lượng hóa

📚 Xem toàn bộ 44 bài trong series Mô hình định tính, hành vi & ra quyết định trong BĐS