房地产大数据分析方法

房地产大数据分析方法

               李万鸿2018

 

采用大数据辅助房地产分析是大势所趋，提通过对海量数据的分析研究，可以精准地了解政策、城市、市场、土地、住房、价格、用户等各方面因素，并给出智能决策辅助，从而做到“知己知彼，百战不殆”，清醒智慧地开展决策研究等工作，高效率地创造更好的效益。

1.房地产大数据分析特点

 

一、大数据有助于精确房地产行业市场定位

成功的品牌离不开精准的市场定位，可以这样说，一个成功的市场定位，能够使一个企业的品牌加倍快速成长，而基于大数据的市场数据分析和调研是企业进行品牌定位的第一步。房地产行业企业要想在无硝烟的市场中分得一杯羹，需要架构大数据战略，拓宽房地产行业调研数据的广度和深度，从大数据中了解房地产行业市场构成、细分市场特征、消费者需求和竞争者状况等众多因素，在科学系统的信息数据收集、管理、分析的基础上，提出更好的解决问题的方案和建议，保证企业品牌市场定位独具个性化，提高企业品牌市场定位的行业接受度。

企业想进入或开拓某一区域房地产行业市场，首先要进行项目评估和可行性分析，只有通过项目评估和可行性分析才能最终决定是否适合进入或者开拓这块市场。如果适合，那么这个区域人口是多少？消费水平怎么样？客户的消费习惯是什么？市场对产品的认知度怎么样？当前的市场供需情况怎么样？公众的消费喜好是什么等等，这些问题背后包含的海量信息构成了房地产行业市场调研的大数据，对这些大数据的分析就是我们的市场定位过程。

企业开拓新市场，需要动用巨大的人力、物力和精力，如果市场定位不精准或者出现偏差，其给投资商和企业自身带来后期损失是巨大甚至有时是毁灭性的，由此看出市场定位对房地产行业市场开拓的重要性。只有定位准确乃至精确，企业才能构建出满足市场需求地产品，使自己在竞争中立于不败之地。但是，要想做到这一点，就必须有足够量的信息数据来供房地产行业研究人员分析和判断。在传统情况下，分析数据的收集主要来自于统计年鉴、行业管理部门数据、相关行业报告、行业专家意见及属地市场调查等，这些数据多存在样本量不足，时间滞后和准确度低等缺陷，研究人员能够获得的信息量非常有限，使准确的市场定位存在着数据瓶颈。随着大数据时代的来临，借助数据挖掘和信息采集技术不仅能给研究人员提供足够的样本量和数据信息，还能够建立基于大数据数学模型对未来市场进行预测。当然，依靠传统的人工数据收集和统计显然难以满足大数据环境下的数据需求，这就需要依靠相关自动化数据采集工具的帮助。

二、大数据成为房地产行业市场营销的利器

从搜索引擎、社交网络的普及到人手一机的智能移动设备，互联网上的信息总量正以极快的速度不断暴涨。每天在Facebook、Twitter、微博、微信、论坛、新闻评论、电商平台上分享各种文本、照片、视频、音频、数据等信息高达的几百亿甚至几千亿条，这些信息涵盖着、商家信息、个人信息、行业资讯、产品使用体验、商品浏览记录、商品成交记录、产品价格动态等等海量信息。这些数据通过聚类可以形成房地产行业大数据，其背后隐藏的是房地产行业的市场需求、竞争情报，闪现着巨大的财富价值。

在房地产行业市场营销工作中，无论是产品、渠道、价格还是顾客，可以说每一项工作都与大数据的采集和分析息息相关，而以下两个方面又是房地产行业市场营销工作中的重中之重。一是通过获取数据并加以统计分析来充分了解市场信息，掌握竞争者的商情和动态，知晓产品在竞争群中所处的市场地位，来达到“知彼知己，百战不殆”的目的；二是企业通过积累和挖掘房地产行业消费者档案数据，有助于分析顾客的消费行为和价值趣向，便于更好地为消费者服务和发展忠诚顾客。

以房地产行业在对顾客的消费行为和趣向分析方面为例，如果企业平时善于积累、收集和整理消费者的消费行为方面的信息数据，如：消费者购买产品的花费、选择的产品渠道、偏好产品的类型、产品使用周期、购买产品的目的、消费者家庭背景、工作和生活环境、个人消费观和价值观等。如果企业收集到了这些数据，建立消费者大数据库，便可通过统计和分析来掌握消费者的消费行为、兴趣偏好和产品的市场口碑现状，再根据这些总结出来的行为、兴趣爱好和产品口碑现状制定有针对性的营销方案和营销战略，投消费者所好，那么其带来的营销效应是可想而知的。因此，可以说大数据中蕴含着出奇制胜的力量，如果企业管理者善于在市场营销加以运用，将成为房地产行业市场竞争中立于不败之地的利器。

三、大数据支撑房地产行业收益管理

收益管理作为实现收益最大化的一门理论学科，近年来受到房地产行业人士的普遍关注和推广运用。收益管理意在把合适的产品或服务，在合适的时间，以合适的价格，通过合适的销售渠道，出售给合适的顾客，最终实现企业收益最大化目标。要达到收益管理的目标，需求预测、细分市场和敏感度分析是此项工作的三个重要环节，而这三个的环节推进的基础就是大数据。

需求预测是通过对建构的大数据统计与分析，采取科学的预测方法，通过建立数学模型，使企业管理者掌握和了解房地产行业潜在的市场需求，未来一段时间每个细分市场的产品销售量和产品价格走势等，从而使企业能够通过价格的杠杆来调节市场的供需平衡，并针对不同的细分市场来实行动态定价和差别定价。需求预测的好处在于可提高企业管理者对房地产行业市场判断的前瞻性，并在不同的市场波动周期以合适的产品和价格投放市场，获得潜在的收益。细分市场为企业预测销售量和实行差别定价提供了条件，其科学性体现在通过房地产行业市场需求预测来制定和更新价格，最大化各个细分市场的收益。敏感度分析是通过需求价格弹性分析技术，对不同细分市场的价格进行优化，最大限度地挖掘市场潜在的收入。

大数据时代的来临，为企业收益管理工作的开展提供了更加广阔的空间。需求预测、细分市场和敏感度分析对数据需求量很大，而传统的数据分析大多是采集的是企业自身的历史数据来进行预测和分析，容易忽视整个房地产行业信息数据，因此难免使预测结果存在偏差。企业在实施收益管理过程中如果能在自有数据的基础上，依靠一些自动化信息采集软件来收集更多的房地产行业数据，了解更多的房地产行业市场信息，这将会对制订准确的收益策略，盈得更高的收益起到推进作用。

四、大数据创新房地产行业需求开发

随着论坛、博客、微博、微信、电商平台、点评网等媒介在PC端和移动端的创新和发展，公众分享信息变得更加便捷自由，而公众分享信息的主动性促使了“网络评论”这一新型舆论形式的发展。微博、微信、点评网、评论版上成千上亿的网络评论形成了交互性大数据，其中蕴藏了巨大的房地产行业需求开发价值，值得企业管理者重视。

网络评论，最早源自于互联网论坛，是供网友闲暇之余相互交流的网络社交平台。在微博、微信、论坛、评论版等平台随处可见网友使用某款产品优点点评、缺点的吐槽、功能需求点评、质量好坏与否点评、外形美观度点评、款式样式点评等信息，这些都构成了产品需求大数据。同时，消费者对企业服务及产品简单表扬与评批演变得更加的客观真实，消费者的评价内容也更趋于专业化和理性化，发布的渠道也更加广泛。作为房地产行业企业，如果能对网上房地产行业的评论数据进行收集，建立网评大数据库，然后再利用分词、聚类、情感分析了解消费者的消费行为、价值趣向、评论中体现的新消费需求和企业产品质量问题，以此来改进和创新产品，量化产品价值，制订合理的价格及提高服务质量，从中获取更大的收益。

大数据，并不是一个神秘的字眼，只要房地产行业企业平时善于积累和运用自动化工具收集、挖掘、统计和分析这些数据，为我所用，都会有效地帮助自己提高市场竞争力和收益能力，盈得良好的效益。  

可采用CERIS公司积累的大量的土地数据，结合住户行为数据、交易数据和房产属性数据等，提供包括对宏观地产市场的监控与分析预测、针对具体地块和楼盘项目的价值分析、销售管理、售后资产管理在内的四大服务，从而为企业提供定制化服务，为精准营销提供策略指导。提供涵盖三维移动案场、VR虚拟现实、AR增强现实以及定制微楼书的全平台3D互动展示解决方案。

2.房地产场景模型

1基于业务场景的模型建立与沉淀

对地产行业来说，数据应用产品在场景上的缺失还比较严重。尤其是前端营销应用产品方面，目前多数产品都是通过一套标准产品满足大多数的营销目的。未来建立基于细化场景的应用产品和应用模型是整个行业数据应用的关键。

 

2从“画像”到“触达”，满足地产行业需求

低频交易的典型特征，决定房产交易更依赖在潜客认知的基础上延伸至潜客触达。未来完善基于地产行业特征的触达通道体系将成为营销利器。

3低频交易下的客户持续运营

低频交易下，客户持续运营成为地产行业的通用难题，过往做了一些基础的底层工作，包括触点的改造和梳理、平台打通、权益统一等等，未来我们将与优秀服务商合作，解决第三方数据补齐、数据处理能力提升和客户触达体系建立三个方面的问题。

4大数据概念下的误区和困扰

大数据热导致地产行业倍受“伪大数据”概念的困扰，也借此提出理性看待大数据和大数据应用，尤其注重数据饱和度对低频交易特征的房产交易起到至关重要的作用。

 

3.房地产要素分析

城市级大数据 ——

  包括人口、经济、交通、基础设施等；

● 人口移动数据 ——

  包括全市地铁通勤、专车及出租车通勤等；

● 通过线上线下实时监测所获得的活跃购房客户特征数据 ——

  包括人口消费习惯 、人口行为特征等。

核密度分析

在进行如人口密度、基础设施密度、客流密度来源等要素密度进行分析时，大数据平台采用了核密度分析模型。该模型通过采集待分析标的要素的信息，设置分析半径范围，通过算法计算要素在其周围邻域中的密度。

▲ 模型分析示例：上海九大商圈客流来源

空间插值分析

在对某要素分布空间范围进行分析及预测时，大数据平台采用了空间插值模型。首先假设空间位置上接近的对象具有相似的特征，于是通过自然邻域插值法，找到距查询点最近的输入样本子集，并基于区域大小按比例对这些样本应用权重进行插值，进而对区域所有位置进行预测。

 

▲ 模型分析实例:上海成交新房按单价及总价的不同空间分布

 OD/PA分析模型

在分析如城市或区域人口通勤方向及发展趋势时，则采用了OD/PA分析模型。该模型以千万级的智能移动设备大数据为基础，对全市人口出行进行拟合计算，可以了解要素流动情况。

 

▲ 模型分析实例：市民出行OD图（左）、现居地与搜索房屋距离PA图（右）

力导向布局分析模型

在研究要素关系网络、城市群相互联系时，大数据平台的研发人员采用力导向布局分析模型。

该模型将每个要素表现为一个点，要素间的联系表现为边，通过计算各要素间的关联度，绘制出拓扑关系网络图，表现要素间的聚集度和紧密度。

 

▲ 力导向布局模型示意图（左）；模型分析实例（右）：长三角城市群联系度力导向布局图

交通断面流量分析模型

通过对轨道交通站点客流出行方向和数量的分析，从而对断面客流量进行评估和趋势判断。

▲ 交通断面流量模型分析实例：早高峰地铁客流量

空间计量模型

城市存在空间聚集效应，要素将受到本空间单元和临近空间单元的共同影响。因此在对某特定研究对象进行要素影响分析时，平台研发人员运用空间计量模型使结果趋于客观精确。

 板块价值分析模型

在进行目标板块价值评估模块设计时，将传统的PIE模型与板块评价体系所涉及的多维度数据进行基于计量经济学模型的系统化整合，将他们分为6个大类和19项重点指标，构建板块价值计量模型。并以此为基础，通过数据预处理、回归及相关性分析后，对被解释变量进行评估及预测。

自定义空间分析单元

传统分析方法往往以板块和地块作为分析单元，但在日常工作中，待分析对象则需要根据研究目的进行调整。因此大数据平台创建了自定义分析单元，以此拓展分析方向，发散思维，提高决策判断的准确性。如对商业物业的选址进行决策时，会将现有商圈的势力范围作为分析单元进行研究。

▲ 以大型商圈为研究对象的势力范围研究

如对地铁上盖物业产品类型进行选择决策时，会对各地铁站早高峰客流进出占比进行研究，了解地铁站产业或居住属性特征。

▲进出比<0.8为产业区型地铁站

以个体为单位的研究尺度

在对特定人群进行更细化的研究时，传统路径是采用客户调研的方法，但样本基数及回答真实性都会影响研究结果。大数据平台则可以根据住户的线上线下行为，利用机器学习算法，对其个人属性、职住地点、兴趣爱好等进行判断，进行多角度画像。

▲ 在沪购房者各省来源情况

客户

导向

 

只有了解客户、接近客户，才能提供让客户满意的产品与服务。

值得一提的是，此次将智能设备采集的数据与优质合作方提供的资源进行整合，以大数据机器学习算法对全市范围内的典型活跃客户及项目到访客户数据进行深加工，对细分市场上不同消费群体的特征及分布进行了解与研究。

▲  潜客职住热力图

此外对采集到的原始标签数据进行补全计算或赋予布尔值、类型值。再加入房地产行业客户分析逻辑，在家庭结构、置业需求、购房能力、还贷能力方面，将原始标签合并成新的标签进行计算，最后得到客户的多维度画像、存储和输出。

▲ 客户画像输出流程图

 

正因为有了清晰的客户画像，才能更好的进行产品及项目的设计定位，进而为客户提供满足他们真正需求的更好的产品与服务。

▲ 客户特征图

分析

案例

 

上海大数据研究案例

据上海负责市场研究的工作人员介绍，目前公司在拿地前都会借助该大数据平台，综合运用各类分析模型，多维度建立从宏观到微观的分析体系，对标的地块所具有的特征及变化趋势进行研究，进而支持初步判断。

 

 研究示例 ：上海某新城板块土地

一个具有成长型、潜力型人口特征的板块

▲ 研究版块人口学历及年龄结构

一个现代制造业和公共服务业双头并重的板块

▲  研究版块就业行业人数及企业分布

一个职住关系处于高度分离的板块

▲ 研究版块人口职住情况

一个就业活力越来越高的板块

▲ 研究版块主要地铁站工作日早高峰客流量差值

一个承接大量外区导入就业人口的板块

▲ 研究版块职住通勤分布

根据对该板块人口、产业、经济等数据的分析，研究团队可以得出对板块的一个初步判断：

该板块人口年龄轻、活力强，岗位供给上不仅有大量的产业工作，也有高端的公共服务和第三产业。更重要的是，其人口的聚集速度较岗位的聚集速度更快，整个地区正在高速发展中转型。

有了初步判断后，研究团队可继续通过『板块价值类比』『未来发展潜能』及『潜在置业人口描摹』等分析模型，进一步辅助投资决策及产品定位。

黄院长预判下半年市场量价回调，销售面积回调两成左右，新开工同比下降；具备区位和产业优势的三四线城市未来持续向好，但部分库存较高的城市长期仍将承压。

 

分析了企业科学布局，扩大区域深耕，借助区域优势，打造特色地产，加强收并购多元化的战略发展；同时解构了5大超级城市群的布局策略。

城市化进程仍然能支撑房地产业较长的发展，但是需要同时重视增量与存量市场。从全球各城市发展预测，中国城市发展将从扩展阶段发展到更新阶段，城市更新将是未来房地产市场的蓝海。

解读我国的城镇化以城市群的模式进行，城市圈的竞争力会对房地产的价值有明显影响。从底特律的城市发展过程中分析了城市竞争力下降的原因， “聪明脑袋”——大学生的增长率才是预测城市发展趋势，人才汇聚是中心城市的发展动力。特色小镇不仅需要靠近中心城市，而且要有好的产业支撑，孤立存在的小镇没有任何意义。

3、 城市地图

  “城市地图”向大家展示大数据在城市进入、板块研究、项目规划等方面的应用成果，通过可视化大数据帮助企业合理布局规避风险，高效做出科学投资。

住户城市地图以可视化平台为载体，运用大数据资源和决策分析方法构建研究模型，全方位辅助开发企业投资决策、市场监测以及房地产开发企业日常工作。多维度切分城市空间单元——都市圈、城市/区县、板块/街道、网格/自定义，不同角度绘制城市画像，实现数据空间化；多类别数据资源整合——购房者、地产、资源、经济、规划大数据，深度挖掘空间数据价值；多方位研究搭建——都市圈研究、城市进入研究、板块价值研究、地块价值研究模型；多功能应用平台——市场监测平台、数据分析平台、模型研究平台、报告生成平台。

4.总结

总之，大数据在房地产的应用大有可为，采用海量数据进行精准智能分析，对精准的市场定位、项目投资决策、房价制定、利润分析等各大重要内容都大有裨益， 基于大数据的市场数据分析和调研是企业进行品牌定位的致胜之道。公司一定要高度重视，并上升到战略层面进行布局和行动，才能立于潮头，创造辉煌的业绩。