大数据在长三角房地产经济发展过程中的应用分析

2020-03-16严志民梁丽燕陈焕春

上海房地 2020年2期

关键词：分析

文/严志民梁丽燕陈焕春

数字经济时代，数据资源的应用价值备受政府和企业的关注。大数据技术的快速发展和成熟运用，是数字经济发展的重要动力，因为不同市场主体可以利用大数据技术实现不同的经济价值。大数据技术对政府决策和企业经营管理都起着重要的支持作用，也逐步对个人生活产生巨大的影响。大数据技术和信息化技术的进步，可提高市场信息效率、加速供需匹配、使政府监管精准化，提高社会各部门的整体效率和福利水平，长三角要实现高质量的一体化，需要以数字经济为推动力，实现数字一体化。

房地产业作为国民经济的重要组成部分、关系到国计民生，同时也是数据海量汇集的行业，大数据技术可以用来服务于政府，为政府的宏观决策与房地产市场调控提供及时、全面、深入的研判依据，可以用来服务于房地产企业，提供全产业链的运营决策，更可以用来服务于个人，为他们的住房相关决策提供充分信息。与此同时，大数据技术推动数字经济的发展，也对传统的产业和运营模式造成深刻影响。因此，将大数据的挖掘和分析技术应用于房地产行业，建立房地产大数据，既充分又必要。

一、大数据驱动房地产业发展的意义

在过去，房地产业相关各部门的数据很难关联和共享。严重的信息不对称使得政府决策缺少客观依据，企业经营难以把握行业动态，消费者购房缺少市场信息。大数据挖掘与分析技术可以全方位地把脉市场运行发展状况，发现市场问题和异常变化，向政府、企业和消费者提供有效信息，驱动房地产行业的健康发展。

房地产大数据在城市治理中的作用主要是服务于政府、企业及个人。它的第一个作用是“荐政”。它赋能政府大数据预警、预测、决策、治理。大数据已经成为提升政府治理能力的新工具，促使政府建立“用数据说话，用数据决策，用数据管理，用数据创新”的管理机制，有利于为政府的科学决策提供重要的研判依据和科技支撑，提升其分析决策能力。房地产大数据能够防范市场风险，提高行业从业主体素质，规范市场秩序，加强民生服务，也能向企业提供良好的经营环境。房地产大数据的第二个作用是“荐企”。基于对市场的监控，它能提供对土地、新房、二手房的全周期客观判断。房地产行业一直在国民经济中扮演重要角色，关系国计民生。为了更好地服务社会、响应国家政策，同时也增强自身能力以适应房地产行业日益加剧的竞争，房地产企业需要借助大数据的技术将国民经济各领域、市场各行业、企业各部门的数据关联起来进行综合分析、作出最优决策。房地产大数据的第三个作用是“荐民”，为市民提供可追溯的涵盖房屋全生命周期的信息和基于数据分析的精准推荐服务体系。房屋是人民群众用于居住、娱乐、社交活动的重要场所。利用房地产大数据，可通过可视化的图表向消费者展示房地产信息，并基于数据分析向个人提供精准化的推荐服务，创造更多便民惠民服务，满足人民群众“住有所居、住有宜居、住有安居、住有乐居”的美好居住需求。

二、打造房地产大数据应用服务体系

房地产大数据经过积累沉淀，可形成信息化（IT）、全传媒（MT）、大数据（DT）的3T 融合发展模式。打造五级指标体系和八大数据主题域，建立大数据应用服务的基础，保证数据存储和应用服务的安全。通过整合各界资源、专业研究，形成有应用价值的算法和模型，实现大数据在房地产行业的实践应用。通过“数+术+树”即三“SHU”的结合，持续为政府、企业和个人赋能。

（一）“数”——服务源头

第一个“SHU”是“数”，即数据，是一系列后续服务的源头。基于“立项——规划——土地出让——拆迁——建设——预售——销售——交付——物业”的房产开发全产业链，梳理数据逻辑链，建立实时动态的房屋全生命周期楼盘字典，将房地产数字化，用来感知房屋生命体征，构筑大数据分析应用的基础。

1.多源数据采集。房地产业作为国民经济的重要产业，直接关系到民生福祉、经济发展、金融体系的安全，以及相关56 个产业的发展。房地产业的运行与社会各部门相互影响、紧密联系。因此，房地产大数据需要多源化采集。

一是房管系统数据。基于商品房预售、二手房交易、住房保障、房屋安全等业务信息系统，采集房产管理领域内的业务属性数据、档案影像数据、GIS 空间数据和信息发布等数据，以及房地产项目、预售许可、网签备案、贷款等信息。

二是政务数据采集。房地产业涉及政策、经济、金融、人口、产业甚至市政建设等领域，通过城市大脑等政府大数据项目建设，实现政务公开数据的采集，归集行业相关数据。

三是社会数据采集。经用户授权，通过调研等方式，合法合规合理地采集、归集社会数据，以辅助大数据的分析和应用。

2.五级指标体系。完成多源数据采集后，进行数据清洗。在清洗过程中，应当遵循“标准先行”的原则。利用雪花模型和星形模型建立数据的关联性，构建五级指标体系，分别是元数据、关联数据、基础统计数据、多维分析数据和决策数据。

通过严格执行数据标准，从整体上提升数据质量、数据内涵及数据管理水平，为实现房地产全生命周期数据流的畅通和全系统信息资源的共享奠定基础。

图1 五级指标体系

3.八大主题域。数据清洗之后，遵循“以应用为导向”的原则建设数据仓。围绕“房、人、权、钱”四要素，从房管的业务职能出发，梳理构建一个房屋主题库，提出覆盖房地产全周期的八大主题域，分别为市场域、房屋域、主体域、资金域、交易域、保障域、物业域、安全域。通过多源头、广覆盖的数据采集，进行纵向多层级数据处理和标准数据生成，以及横向多主题域的标准划分处理。

信息安全的保障是数据建设和应用过程中非常重要的环节。因此，在对外进行输出时，只输出能力和服务，隔离内外系统，从而充分保证数据和产品的使用安全，实现安全监管。在数据应用时，需求方提出业务应用需求，通过对汇聚的数据进行清洗，提炼出标准可用的信息，并通过算法得出应用结果，生成产品，实现智能化推送。需求方通过SAAS 等相关平台实现数据反馈，打造数据闭环，使数据不断汇入，并动态检验模型和成果。基于这些特性，房地产大数据将变得既有广度又有深度。这种大数据的标准化、完备性和安全性为满足城市各主体对数据服务的各种需求奠定基础。

图2 八大主题域

（二）“术”——服务能力

第二个“SHU”是“术”，即算术，是服务的能力。只有引进处理和运用大数据的专业方法和工具，建设专业的大数据应用人才队伍，建立具有前瞻性的业务分析模型，具备把握、预测市场和用户行为的能力，才能将数据挖掘与分析更有价值地运用到业务管理过程中。要培养一支大数据专业人才队伍，通过对数据的加工、清洗、处理，采取多维分析手段，进行常规市场监测分析、专项课题研究、指数建设、模型搭建等，全方位把脉市场运行发展状况，发现市场问题和异常变化，提出相关建议，为政府、企业决策提供客观依据。

房地产大数据应当提供完备、深入而且及时的市场监测分析。供给方面，支撑当前可售量、潜在供应量以及供给结构、区域差别等模块分析。需求方面，支撑人口分析、资金能力分析、地域来源分析、房型偏好分析、租购周期分析、租购路径变化分析等。这些分析有助于包括政府在内的各主体及时、准确地了解市场实际供需的总量、结构和分布，包括居民的换房周期、市场购买力的分布等。

在常规市场监测分析的基础上，还可利用房地产大数据提供专项课题研究。结合各类专题研究分析，深入挖掘热点现象数据，发现市场异动变化，探索原因并及时上报，以便主管部门及时准确掌握全方位、多维度的市场情况。

除了常规监测和专项课题研究，也可通过建模等方法完成专业性的指数建设，给相关部门提供参考。指数建设，可从一级土地市场到二级新房市场到三级二手房市场到租赁市场，构建完整的模型体系，提供土地市场指数、新房价格指数、二手房价格指数、租赁价格指数等。

无论是专项课题研究还是指数建设，都需要利用房地产行业各种大数据应用模型，在数据采集维度不断增加，大数据应用空间、应用场景不断拓展的情况下，逐步完善并形成一个动态修正、科学全面、适应发展的模型体系。如房地产市场监测预警模型，包含经济协调性指标、金融协调性指标、市场供需关系指标、住房价格指标等，各类指标反映单个城市运行结果，起到预警作用。对于城市之间、一线二线之间的指数演变，可通过关联分析，研究发展风向标，实现城市间的预警。

另外，根据业务和监管需要，可建设其他多类模型。例如，建设城市竞争力模型，围绕硬竞争力和软竞争力，构建包括城市经济实力、人口教育实力、政府实力、基础建设水平等指标，从人、钱、地、市角度研究长三角城市格局与竞争力。再如，建设企业信用评价模型，对房地产开发企业在开发、信贷、纳税、合同履约、产品质量、社会责任等方面的信用记录、信用能力、信用建设进行全面评价。此外，还可建设住房消费需求规模预测模型、房屋价格评估模型、小区竞争力模型、个人信用评价模型等一系列模型。

（三）“树”——服务输出

第三个“SHU”是“树”，即树立，是服务的输出。房地产大数据最重要的目标即要实现的核心应用是城市科学治理。通过“数+术+树”的三“SHU”结合，服务政府宏观决策、企业经营和个人需求等多个方面，提升城市治理绩效，向企业、市民提供精准化服务，实现其在房地产行业发展中的作用。

1.实现市场预警预报。预警预报应用主要体现在，当实时统计分析结果触发异动条件，系统就发送提示信息给相应主管部门或责任人，实现及时预报。这有助于相应主管部门或责任人更加及时地掌握市场动态，对特殊情况进行及时的分析处理。

第一，市场信心预警。国外很早就有专家借助谷歌搜索引擎来预测住房价格和销售，提出基于搜索关键词的分析模型。房屋网签具有滞后性，可充分结合一线案场的来电量、来人量、中介带看量、监管平台房源挂牌量、主流网站点击量等指标进行建模，构建周度信心指数并用以预警即将到来的周度成交量变化。例如，2016 年9 月，受到G20 等城市红利影响，杭州售楼部看房客户数量呈现爆发式增长。购房人信心指数短期内快速增长，说明市场热度升温显著。后期的每日网签数据走势基本与购房人信心指数走势呈正相关，说明信心指数能够精准、前瞻地预测后市的交易量。

第二，市场行情预警。从宏观经济到微观市场，从土地出让到房产交易，从房屋买卖到房屋租赁，从量到价，从供给到需求，从总量到结构，房地产大数据通过实时的监测实现及时预警，从而协助主管部门提高科学决策水平、提升管理效率。例如，2016 年，杭州房地产市场热度上升，以上海、浙江省内客户为主的外地投资客大量进入杭州置业。数据显示，2016 年3-10 月，杭州市区新建商品住宅购房者中外地购房人占比呈现上升趋势。其中2016 年10月外地购房人占比高达50%。投资性需求过热，市场警情显著。接收到市场警情报送后，政府部门迅速出台针对性调控政策，包括外地人购房需连续缴纳1 年以上个税或社保且不予补缴，商贷首套首付3 成、二套6 成等。“限购、限贷”政策升级，投资性需求受到打压。至2016 年11 月，外地购房人占比回落至3 成以下的正常水平，调控政策出台有理有据，且具有高效性、精准性。

第三，企业风险预警。化解企业风险，事前监管重于事后处置。房地产大数据的应用，可帮助实现企业资金监管（包括预售资金监管、二手房资金监管、租赁资金监管），以及企业全流程（拿地——规划——建设——销售——交付）的信用监管。从现有房地产企业项目开发中发生的问题来看，企业资金链断裂、债权债务纠纷以及前期规划不当等，是造成楼盘烂尾等问题的重要原因，市场供需变化、开发商实力不强以及政府监管缺位等则是造成楼盘烂尾的深层次原因。做好事后处置的同时，更应重视事前监管。政府应进一步加强房地产企业监管，同时建立预警机制，及时公布问题企业信息，建立企业信用评价和风险预警。

第四，房屋安全预警。房屋安全程度的高低，直接关系到每个家庭的生命和财产安全。利用大数据，可从房龄预警、危房预警等多方面入手，建立一个切实可行的城市房屋安全预警系统，对城市房屋安全应急事件中产生的各个危险点进行预判与界定。房龄预警方面，对房屋建成年代、材料、结构、周边建筑施工信息等内容进行分析，实现房屋使用周期判断。危房预警方面，可对房屋安全调查信息进行及时跟踪，对同类房屋信息进行分类分析，建立危房预警。

第五，舆情趋势预警。通过互联网行为轨迹的大数据分析，监测市场关注热点，进而对重点区域、项目进行有效的事前管控。对一些热点新闻，政府监管部门以真实数据说话，引导业内各界理性研判。例如摇号政策实施后，有人为了获取一、二手房价格倒挂的红利，以企业名义参与摇号并获得购房资格，报道后业内反响较大。接收舆情预警信息后，政府相关部门迅速出台摇号政策补充条例，禁止企业报名登记，规范市场秩序，维护广大人民群众的基本利益。

2.辅助宏观决策制定。利用房地产大数据，辅助政府部门进行宏观决策制定。例如，从稳房价的角度，对项目价格进行科学指导。首先结合板块区域发展力度规划，根据一、二手房价格倒挂情况和市场接受度情况等，构建板块的指导价。然后运用相类似的项目作为样本，通过对影响房地产价格的因素（包括政策因素）进行分析及修正，得到项目的指导价。

稳房价的同时，关注土地价格，进行房地价联动分析。在房价指导价基础上，结合经济水平、人口规模等宏观因素，地块因素、邻里特征等微观因素，借助模型评估板块地价的合理性，给相关部门提供一定的参考。

除了房价和地价，也可以对车位价格作出指导。限价条件下，市场上出现了一些绑定车位销售房产的现象，这损害了消费者权益，导致了不少上访事件的发生。因此，对车位价格进行指导，也是提升民生满意度的一项工程。

“解民忧，惠民生”，让市民居住生活更美好，这些是大数据服务房地产业发展的重要场景。嵌入大数据模型和AI 算法，可辅助宏观决策制定。

3.服务开发战略布局。随着行业的不断深入发展，开发商之间的竞争进入白热化，主战场从一线城市逐步转移到二线城市和一些三、四线城市，战略布局关系到企业的生死存亡。大数据可以从宏观上分析市场的现状与前景，为开发商的战略布局提供至关重要的指导。长三角作为我国经济活动最活跃的城市圈，集中了房地产市场的精华，仅浙江省就在全国的销售额之中占到10%左右，可谓兵家必争之地。可通过大数据针对长三角进行经济、交通、产业、人口等方面的分析，绘制房产投资格局地图，在高铁拉动的一体化时代大背景下，为开发商在长三角的战略布局提供重要的决策依据。

除了战略布局的分析，大数据还可以实现跨城市、跨区域的协同分析研究，解决一些特定市场的特殊问题，为城市圈内的房地产市场融合发展提供新的分析模型。比如针对长三角的环沪、环杭两大市场客群构成及演变的研究，必须打破城市界限，运用大数据来分析不同区域的客户占比，从而判断中心城市对于其城市圈内周边城市市场的支撑程度。这对于身处其中的政府和开发商来说至关重要，一方面关系到本城市的调控政策，另一方面关系到营销的策略、渠道的铺排，甚至关系到拿地布局。

房地产市场存在一些特定的市场，客群也并以非本地人口为主力，大数据能将客户的购买逻辑分析清楚。文旅地产就是一个典型的特定市场，长三角有不少城市的文旅地产市场上有上海客户和杭州客户，但是不同城市当中各地客户的占比有很大不同，购买逻辑也有很大差别。以安吉、德清这样风景秀美且房价相对不高的城市为例，他们的文旅地产主力客群到底是上海客户还是杭州客户，其实是非常关键性的问题，这不仅需要从交通距离角度去分析，还要结合历史文脉和各种渊源，只有通过大数据才能拨开文旅地产客户的迷雾。

4.服务项目开发建设。房地产开发过程中，利用大数据可以指导房地产相关企业了解行业整体发展态势及经济运行状况，为企业提供战略思路。大数据服务以企业需求为导向，以行业为主线，全面整合市场、企业等多层面数据源，依据权威的数据和科学的分析体系，从行业发展的方向、格局和政策环境出发，帮助企业评估行业投资价值，准确把握行业发展趋势。

在房企拿地阶段，可对土地市场情况，利用大数据系统进行分析和建模处理，合理研判土地价格及其未来变化。具体来说，大数据服务可以研判各种风险的发生概率，模拟价格走势以及预测销售周期，在此基础上根据对财务净现值的计算，评估地块的合理价格，降低投资风险。

在项目定位阶段，可跟踪长周期的历史开发信息，有针对性地对不同业态、多种市场需求进行研究，对企业项目多元化投资发展进行研判分析，实现对项目规划的科学定位。

在项目定价阶段，可利用房地产大数据对城市项目价格梯度进行分析，结合市场购买力研究，判断购房人支付能力，对户型、楼层、配套等方面的需求偏好，帮助企业实现项目的合理定价。

5.支持企业运营推广。传统的市场推广投入高、收效低，主要原因之一就是广告投放不精准。通过对目标客户群体的主要消费特征进行精准的大数据分析，可以接受度最高的广告形式行进精准投放，能够提高营销成功概率。大数据的存在丰富了企业之间的市场竞争手段，大数据可以为房地产企业提升广告投放有效转化率、客户体验满意度等。

可通过建立完整的客户大数据系统，将客户进行系统的分类，再通过大数据挖掘潜在客户，了解他们的购买需求，实现对客户的画像。比如，2016 年起，长三角众多城市启动征迁，产生大量拆迁户，通过政府公开的信息采集各个区域征迁大数据，包括征迁地点、征迁户数总量情况、征迁时间进度、货币化补偿标准等，可建立模型研判征迁带来的潜在购房需求，为企业广告投放、形象推广提供可行性研究建议。

良好的客户运营是企业生存发展的根本，而对于用户的深度解读是企业业务开展的重要参考依据。房地产大数据可以帮助企业用最低的成本实现最高效的用户洞察。利用大数据技术可建立用户数据管理、用户画像分析等一整套用户洞察体系，比如用户房型偏好分析、置业周期分析、租购变化路径分析、房屋维修周期分析、住户黏性研究等，帮助企业将用户洞察成果充分应用于提升用户体验方面。

6.服务相关多维领域。房地产行业内的大数据，还可以为房地产相关的多维领域提供服务。例如作为住宅配套的除了学校之外的教育设施，必须结合附近居住者的具体人群结构及相关特征，需要受教育的儿童的年龄段、家庭支付能力、观念习惯等因素为其进行定位支撑，通过房地产大数据，就可以对客户及其需求有个相对明确的认知。

再比如租赁市场中的长租公寓，相对于传统房地产来讲是一个全新的领域，长租公寓的定位、运营都需要对租赁市场有客观认知和深入了解，尤其是开发商作为一股非常重要的进军长租公寓的力量，非常容易走入以传统房地产销售思维来对待租赁市场的误区，这就需要通过大数据研究，模拟租赁市场的核心逻辑模型，从而减少项目运营的弯路。

7.催生产品服务创新。采集区域业主的综合数据，包括社交、兴趣、家庭、教育、车辆、金融等特征信息，可辅助房企进行新业务模式的探寻以及产品和服务模式的创新。做好项目业主与消费配套、产业配套的资源衔接，建设以人为本的配套服务，可助力房企从单一的房产开发向生活配套服务商转型，满足新常态下房地产企业的转型需求。