Настроены0 параметров

Настроить фильтр

Регион
Все новости
+

Среди крупных застройщиков ТОП по потребительским качествам жилых комплексов возглавили Брусника, ДОНСТРОЙ и DOGMA

ЕРЗ.РФ впервые опубликовал подвид ранжирования застройщиков по потребительским качествам жилых комплексов, оставив в ТОП только девелоперов с объемом стройки от 500 тыс. кв. м.

 

Фото предоставлено пресс-службой компании Брусника

 

Лидером ТОП крупнейших застройщиков по потребительским качествам жилых комплексов стала Брусника со средневзвешенной оценкой своих проектов — 71,29 балла. Второе место занял московский застройщик ДОНСТРОЙ с оценкой в 58,61 балла. Замыкает тройку лидеров краснодарская DOGMA со средней оценкой проектов 52,89 балла.

В ТОП-10 нового ранжирования вошли три московских застройщика (ДОНСТРОЙ, Level Group, MR Group), по два из Краснодарского края (DOGMA, ГК ТОЧНО) и Удмуртской Республики (КОМОССТРОЙ®, ТАЛАН), по одному из Санкт-Петербурга (ГК Эталон), Тюменской (ГК Страна Девелопмент) и Свердловской (Брусника) областей.  

Всего в ТОП крупных застройщиков по потребительским качествам жилых комплексов вошли 25 компаний, каждая из которых возводит от 500 тыс. кв. м жилья.

Лидеры по объемам стройки в России, ГК Самолет и ПИК, заняли в указанном ТОП 11-е и 16-е места соответственно.

 

ТОП крупных застройщиков по потребительским качествам ЖК

Место

Наименование, регион

Средняя оценка

Строится, кв. м

1

Брусника, Свердловская область

71,29

1 194 919

2

ДОНСТРОЙ,  г. Москва

58,61

854 076

3

DOGMA, Краснодарский край

52,89

1 638 176

4

ГК ТОЧНО, Краснодарский край

51,04

1 505 418

5

ГК Страна Девелопмент, Тюменская область

50,24

736 316

6

КОМОССТРОЙ®, Удмуртская Республика

44,19

531 726

7

Группа Эталон, г. Санкт-Петербург

43,17

929 266

8

Level Group, г. Москва

42,73

687 135

9

MR Group, г. Москва

39,25

1 044 033

10

Талан, Удмуртская Республика

38,99

664 289

11

ГК Самолет, г. Москва

38,55

5 482 458

12

ГК А101, г. Москва

35,03

1 440 497

13

ГК ЮгСтройИнвест, Ставропольский край

34,95

1 215 000

14

Группа Аквилон, г. Санкт-Петербург

34,72

721 052

15

ГК ФСК, г. Москва

34,13

1 909 533

16

ПИК, г. Москва

34,07

4 511 086

17

Группа ЛСР, г. Санкт-Петербург

32,55

2 073 907

18

Seven Suns Development, г. Санкт-Петербург

32,20

529 865

19

Холдинг Setl Group, г. Санкт-Петербург

31,33

1 404 565

20

TEN Девелопмент, Свердловская область

30,84

566 914

21

ГК ИНГРАД, г. Москва

29,11

651 586

22

ГК Расцветай, Новосибирская область

28,60

645 701

23

ГК Гранель, г. Москва

27,75

806 469

24

ГК Развитие, Воронежская область

24,09

605 388

25

ГК ССК, Краснодарский край

17,61

794 935

  

«Новый ТОП создан по просьбе крупных застройщиков, которые хотят сравнивать себя с девелоперами сопоставимого масштаба, — обосновал появление рэнкинга руководитель портала ЕРЗ.РФ Кирилл Холопик (на фото) и добавил: — Коллеги справедливо замечали, что строить с соблюдением высоких потребительских качеств сотни тысяч метров квадратных жилья значительно сложнее, чем меньшие объемы. Особенно если стройка ведется в нескольких регионах с разной платежеспособностью населения».

  

Фото: erzrf.ru

  

СПРАВКА

Ранжирование крупных российских застройщиков по потребительским качествам ЖК стартовало на портале ЕРЗ.РФ 1 апреля 2024 года и будет актуализироваться ежемесячно. Ведение ТОП осуществляется только в целом по Российской Федерации.

При формировании ТОП учитываются жилые комплексы застройщика, имеющие на дату формирования ТОП:

 квартиры в продаже;

• присвоенную оценку ЕРЗ.РФ по результатам мониторинга потребительских качеств.

В ТОП крупных застройщиков РФ попадают девелоперы, соответствующие в совокупности следующим требованиям:

• объем стройки не менее 500 тыс. кв. м;

• наличие трех и более учитываемых ЖК.

Ранжирование застройщиков в ТОП осуществляется по показателю «Средняя оценка», которая рассчитывается как средневзвешенная оценка всех учитываемых жилых комплексов.

Например, если у застройщика три жилых комплекса со следующими оценками и объемами:

1. ЖК «А» имеет оценку 50 баллов и суммарный объем жилой площади 50 000 кв. м;

2. ЖК «Б» имеет оценку 25 баллов и суммарный объем жилой площади 100 000 кв. м;

3. ЖК «В» имеет оценку 75 баллов и суммарный объем жилой площади 10 000 кв. м.

Средневзвешенная оценка = (50*50 000 + 25*100 000 + 75*10 000)/(50 000+100 000+10 000) = 35,94 балла.

  

Еще больше оперативных новостей рынка строительства МКД и уникальной аналитики Единого ресурса застройщиков — в нашем телеграм-канале ЕРЗ.РФ НОВОСТИ.

Присоединяйтесь к нам!

 

 

 

 

 

Другие публикации по теме:

Кировская область входит в ТОП-30 регионов по потребительским качествам новостроек

Астраханская область опережает Россию по средней оценке потребительских характеристик ЖК от застройщиков

Тюменская область — на пятом месте в России по потребительским характеристикам новостроек 

Красноярский край входит в ТОП-30 регионов России по потребительским характеристикам новостроек

В Хабаровском крае возводят новостройки с потребительскими характеристиками общероссийского уровня

Москва вышла на первое место по потребительским качествам новостроек

Потребительские качества новостроек в Санкт-Петербурге превышают общероссийский уровень 

+

На вебинаре ЕРЗ.РФ застройщики ознакомились с возможностями тендерных площадок, которые используют группы компаний ФСК, Самолет и Железно

В ходе вебинара «Цифровые инструменты застройщика и генподрядчика в закупках. Тендерные площадки», который провел портал ЕРЗ.РФ, представители застройщиков обменялись опытом цифровизации закупок и использования ИИ. 49% зрителей вебинара работают в компаниях, проводящих от трех до пяти тендеров.

  

Фото © Sergey Nivens / Фотобанк Лори

 

В рамках мероприятия представители девелоперских компаний рассказали о применяемых способах цифровизации закупок, выбранных тендерных площадках, готовых решениях и собственных разработках.

 

Срединный путь в поиске ПО для закупок

Начальник управления планирования, анализа и контроля стоимости Департамента закупок ГК ФСК Аюр Дареев (на фото ниже) признался, что в момент становления департамента закупок, компания выбирала между созданием собственной системы и использованием готовой. В итоге пришли к среднему варианту.

  

Фото: ГК ФСК

 

«Мы выбрали 1С в качестве системы, где хранится документация — заявки на тендер, согласования решений по закупкам. В качестве торговой площадки для проведения тендеров по СМР и МТР была выбрана лидирующая на тот момент электронная площадка B2B-Center, где аккумулируются коммерческая информация и торги происходят в режиме реального времени», — рассказал Дареев.

С площадки B2B вся необходимая информация поступает в 1С, где обрабатываются результаты, формируется таблица с данными о подрядчиках, и на ее основе проводится согласование и принимается решение о победителе. При этом финальный выбор подрядчика зависит от оценки членов тендерного комитета.

Наличие мнений нескольких экспертов позволяет решить сложности с оценкой контрагентов и получить объективный результат, отметил Аюр Дареев.

 

Нейросети ищут лучших поставщиков

Руководитель управления закупок работ и услуг Дирекции по закупкам и тендерам ГК Самолет Антон Тимохин (на фото ниже) рассказал, что выбирать надежных подрядчиков компании помогает собственная разработка — скоринговая модель искусственного интеллекта (ИИ).

Этот инструмент позволяет с точностью в 80% прогнозировать, сможет ли подрядчик успешно выполнить работы по договору. Модель содержит 40 параметров оценки из внутренних систем, в числе которых — доли принятых и суммы отклоненных КС2, частота заказа материалов, количество штрафов, доля успешно завершенных договоров, информация об участии подрядчика в судах в качестве ответчика и многое другое.

  

Фото: ГК Самолет

 

«Масштабирование девелоперской компании невозможно без применения цифровых технологий, которые помогают покупать в срок и в достаточном количестве», — отметил Тимохин. Так, ГК Самолет использует собственную систему проведения торгов на работы и материалы, а также кастомизированное коробочное решение CRM P. Благодаря этому сейчас в среднем на тендер попадает 6,2 заявки.

Для дополнительного привлечения подрядчиков компания разработала специальный Telegram-бот, в котором можно заявить об интересе к сотрудничеству, оставить заявку на работы и найти нужные контакты.

Практика использования ИИ в процессе выбора поставщиков набирает популярность в строительной отрасли. Помимо скоринговых моделей, компании внедряют системы машинного обучения для анализа рыночных тенденций и прогнозирования цен на материалы.

ИИ также помогает оптимизировать логистические цепочки, минимизируя риски задержек поставок. Более того, нейросети способны обрабатывать огромные массивы данных о поставщиках, включая их финансовую стабильность, репутацию на рынке и историю выполнения обязательств, что помогает принимать более взвешенные решения при выборе партнеров.

 

Больше критериев — прогнозируемый результат

Собственная электронная торговая площадка позволяет сократить затраты на товары и услуги на 5%, рассказал аудитории специалист по работе с партнерами «Философт. Железно» Матвей Верещагин (на фото ниже).

Компания использует аукционную площадку «ЖЕЛЕЗНО.ЗАКУПКИ», где отсев участников происходит только по цене. При этом она дает возможность формировать закупку, принимать заявки, проводить их предквалификацию и утверждение, а также получать документы.

Застройщик планирует доработать систему, добавив критерии принятия решения.

 

Фото: компания Железно

 

Маркетплейс и электронные тендерные площадки

В ГК ФСК также активно разрабатывают цифровые системы. Например, создают собственный маркетплейс, о котором подробно рассказал Аюр Дареев.

«Здесь подрядчики смогут заказать наши материалы — результаты торгов с зафиксированными ценами на товары поставщиков, — пояснил он и уточнил: — Таким образом, обеспечится прозрачная взаимосвязь: будут видны данные о поставщиках, сроки размещения заявок».

Также в компании создают личный кабинет претендента, который объединит все имеющиеся сервисы для подрядчиков и использовать их в режиме «одного окна».

Разработку собственной электронной тендерной площадки завершают ГК ТОЧНО и ГК ЭНКО.

Универсальную тендерную платформу для закупщиков представил руководитель дирекции Сбербанк-АСТ Никита Кайгородов (на фото ниже). Помимо автоматизации процесса она позволяет расширять базу поставщиков, управлять маржинальностью строительного проекта в режиме онлайн и сократить время на оформление банковских продуктов.

Разработчик проводит проверку и аккредитует подрядчиков, а также предоставляет бесплатную адаптацию и доработку под нужды застройщика.

 

Фото: Сбербанк-АСТ

 

Следующий вебинар на тему «Контроль исполнения договоров поставки. Первичная документация. Управление логистикой и складом» состоится 6 ноября. Для участия в нем требуется регистрация, по итогам которой будет предоставлена zoom-ссылка.

 

Дата

Тема

06.11.2024

Контроль исполнения договоров поставки. Первичная документация. Управление логистикой и складом

27.11.2024

Юридические аспекты закупочной деятельности застройщика и генподрядчика. Формирование договора, проверка контрагентов, урегулирование разногласий

11.12.2024

Создание системы обмена информацией между застройщиками о рыночных ценах закупок, классификации закупаемых продуктов, поставщиках

 

Организатор: ЕРЗ.РФ.

Партнер: АО Сбербанк-АСТ.

Информационный партнер: МИР КВАРТИР.

     

Реклама. ООО "Институт развития строительной отрасли".  ИНН: 7706784790
    

Еще больше оперативных новостей рынка строительства МКД и уникальной аналитики Единого ресурса застройщиков — в нашем телеграм-канале ЕРЗ.РФ НОВОСТИ.

Присоединяйтесь к нам!

 

 

 

 

Другие публикации по теме:

Портал ЕРЗ.РФ приглашает на бесплатные вебинары по вопросам закупок

Более 80% застройщиков не готовы использовать КСР для ведения справочников работ и материалов в закупках

Эксперты: наличие в структуре застройщика функции закупки позволяет экономить до 25% стоимости материалов

Портал ЕРЗ.РФ проведет серию бесплатных вебинаров по теме закупок

Эксперты: искусственный интеллект будет способствовать глобальной трансформации строительной отрасли

За безопасностью умных домов станет следить искусственный интеллект