大數據在長三角房地產經濟發展過程中的應用分析

文/嚴志民 梁麗燕 陳煥春

數字經濟時代，數據資源的應用價值備受政府和企業的關注。大數據技術的快速發展和成熟運用，是數字經濟發展的重要動力，因為不同市場主體可以利用大數據技術實現不同的經濟價值。大數據技術對政府決策和企業經營管理都起著重要的支持作用，也逐步對個人生活產生巨大的影響。大數據技術和信息化技術的進步，可提高市場信息效率、加速供需匹配、使政府監管精準化，提高社會各部門的整體效率和福利水平，長三角要實現高質量的一體化，需要以數字經濟為推動力，實現數字一體化。

房地產業作為國民經濟的重要組成部分、關系到國計民生，同時也是數據海量匯集的行業，大數據技術可以用來服務于政府，為政府的宏觀決策與房地產市場調控提供及時、全面、深入的研判依據，可以用來服務于房地產企業，提供全產業鏈的運營決策，更可以用來服務于個人，為他們的住房相關決策提供充分信息。與此同時，大數據技術推動數字經濟的發展，也對傳統的產業和運營模式造成深刻影響。因此，將大數據的挖掘和分析技術應用于房地產行業，建立房地產大數據，既充分又必要。

一、大數據驅動房地產業發展的意義

在過去，房地產業相關各部門的數據很難關聯和共享。嚴重的信息不對稱使得政府決策缺少客觀依據，企業經營難以把握行業動態，消費者購房缺少市場信息。大數據挖掘與分析技術可以全方位地把脈市場運行發展狀況，發現市場問題和異常變化，向政府、企業和消費者提供有效信息，驅動房地產行業的健康發展。

房地產大數據在城市治理中的作用主要是服務于政府、企業及個人。它的第一個作用是“薦政”。它賦能政府大數據預警、預測、決策、治理。大數據已經成為提升政府治理能力的新工具，促使政府建立“用數據說話，用數據決策，用數據管理，用數據創新”的管理機制，有利于為政府的科學決策提供重要的研判依據和科技支撐，提升其分析決策能力。房地產大數據能夠防范市場風險，提高行業從業主體素質，規范市場秩序，加強民生服務，也能向企業提供良好的經營環境。房地產大數據的第二個作用是“薦企”。基于對市場的監控，它能提供對土地、新房、二手房的全周期客觀判斷。房地產行業一直在國民經濟中扮演重要角色，關系國計民生。為了更好地服務社會、響應國家政策，同時也增強自身能力以適應房地產行業日益加劇的競爭，房地產企業需要借助大數據的技術將國民經濟各領域、市場各行業、企業各部門的數據關聯起來進行綜合分析、作出最優決策。房地產大數據的第三個作用是“薦民”，為市民提供可追溯的涵蓋房屋全生命周期的信息和基于數據分析的精準推薦服務體系。房屋是人民群眾用于居住、娛樂、社交活動的重要場所。利用房地產大數據，可通過可視化的圖表向消費者展示房地產信息，并基于數據分析向個人提供精準化的推薦服務，創造更多便民惠民服務，滿足人民群眾“住有所居、住有宜居、住有安居、住有樂居”的美好居住需求。

二、打造房地產大數據應用服務體系

房地產大數據經過積累沉淀，可形成信息化（IT）、全傳媒（MT）、大數據（DT）的3T 融合發展模式。打造五級指標體系和八大數據主題域，建立大數據應用服務的基礎，保證數據存儲和應用服務的安全。通過整合各界資源、專業研究，形成有應用價值的算法和模型，實現大數據在房地產行業的實踐應用。通過“數+術+樹”即三“SHU”的結合，持續為政府、企業和個人賦能。

（一）“數”——服務源頭

第一個“SHU”是“數”，即數據，是一系列后續服務的源頭。基于“立項——規劃——土地出讓——拆遷——建設——預售——銷售——交付——物業”的房產開發全產業鏈，梳理數據邏輯鏈，建立實時動態的房屋全生命周期樓盤字典，將房地產數字化，用來感知房屋生命體征，構筑大數據分析應用的基礎。

1.多源數據采集。房地產業作為國民經濟的重要產業，直接關系到民生福祉、經濟發展、金融體系的安全，以及相關56 個產業的發展。房地產業的運行與社會各部門相互影響、緊密聯系。因此，房地產大數據需要多源化采集。

一是房管系統數據。基于商品房預售、二手房交易、住房保障、房屋安全等業務信息系統，采集房產管理領域內的業務屬性數據、檔案影像數據、GIS 空間數據和信息發布等數據，以及房地產項目、預售許可、網簽備案、貸款等信息。

二是政務數據采集。房地產業涉及政策、經濟、金融、人口、產業甚至市政建設等領域，通過城市大腦等政府大數據項目建設，實現政務公開數據的采集，歸集行業相關數據。

三是社會數據采集。經用戶授權，通過調研等方式，合法合規合理地采集、歸集社會數據，以輔助大數據的分析和應用。

2.五級指標體系。完成多源數據采集后，進行數據清洗。在清洗過程中，應當遵循“標準先行”的原則。利用雪花模型和星形模型建立數據的關聯性，構建五級指標體系，分別是元數據、關聯數據、基礎統計數據、多維分析數據和決策數據。

通過嚴格執行數據標準，從整體上提升數據質量、數據內涵及數據管理水平，為實現房地產全生命周期數據流的暢通和全系統信息資源的共享奠定基礎。

圖1 五級指標體系

3.八大主題域。數據清洗之后，遵循“以應用為導向”的原則建設數據倉。圍繞“房、人、權、錢”四要素，從房管的業務職能出發，梳理構建一個房屋主題庫，提出覆蓋房地產全周期的八大主題域，分別為市場域、房屋域、主體域、資金域、交易域、保障域、物業域、安全域。通過多源頭、廣覆蓋的數據采集，進行縱向多層級數據處理和標準數據生成，以及橫向多主題域的標準劃分處理。

信息安全的保障是數據建設和應用過程中非常重要的環節。因此，在對外進行輸出時，只輸出能力和服務，隔離內外系統，從而充分保證數據和產品的使用安全，實現安全監管。在數據應用時，需求方提出業務應用需求，通過對匯聚的數據進行清洗，提煉出標準可用的信息，并通過算法得出應用結果，生成產品，實現智能化推送。需求方通過SAAS 等相關平臺實現數據反饋，打造數據閉環，使數據不斷匯入，并動態檢驗模型和成果。基于這些特性，房地產大數據將變得既有廣度又有深度。這種大數據的標準化、完備性和安全性為滿足城市各主體對數據服務的各種需求奠定基礎。

圖2 八大主題域

（二）“術”——服務能力

第二個“SHU”是“術”，即算術，是服務的能力。只有引進處理和運用大數據的專業方法和工具，建設專業的大數據應用人才隊伍，建立具有前瞻性的業務分析模型，具備把握、預測市場和用戶行為的能力，才能將數據挖掘與分析更有價值地運用到業務管理過程中。要培養一支大數據專業人才隊伍，通過對數據的加工、清洗、處理，采取多維分析手段，進行常規市場監測分析、專項課題研究、指數建設、模型搭建等，全方位把脈市場運行發展狀況，發現市場問題和異常變化，提出相關建議，為政府、企業決策提供客觀依據。

房地產大數據應當提供完備、深入而且及時的市場監測分析。供給方面，支撐當前可售量、潛在供應量以及供給結構、區域差別等模塊分析。需求方面，支撐人口分析、資金能力分析、地域來源分析、房型偏好分析、租購周期分析、租購路徑變化分析等。這些分析有助于包括政府在內的各主體及時、準確地了解市場實際供需的總量、結構和分布，包括居民的換房周期、市場購買力的分布等。

在常規市場監測分析的基礎上，還可利用房地產大數據提供專項課題研究。結合各類專題研究分析，深入挖掘熱點現象數據，發現市場異動變化，探索原因并及時上報，以便主管部門及時準確掌握全方位、多維度的市場情況。

除了常規監測和專項課題研究，也可通過建模等方法完成專業性的指數建設，給相關部門提供參考。指數建設，可從一級土地市場到二級新房市場到三級二手房市場到租賃市場，構建完整的模型體系，提供土地市場指數、新房價格指數、二手房價格指數、租賃價格指數等。

無論是專項課題研究還是指數建設，都需要利用房地產行業各種大數據應用模型，在數據采集維度不斷增加，大數據應用空間、應用場景不斷拓展的情況下，逐步完善并形成一個動態修正、科學全面、適應發展的模型體系。如房地產市場監測預警模型，包含經濟協調性指標、金融協調性指標、市場供需關系指標、住房價格指標等，各類指標反映單個城市運行結果，起到預警作用。對于城市之間、一線二線之間的指數演變，可通過關聯分析，研究發展風向標，實現城市間的預警。

另外，根據業務和監管需要，可建設其他多類模型。例如，建設城市競爭力模型，圍繞硬競爭力和軟競爭力，構建包括城市經濟實力、人口教育實力、政府實力、基礎建設水平等指標，從人、錢、地、市角度研究長三角城市格局與競爭力。再如，建設企業信用評價模型，對房地產開發企業在開發、信貸、納稅、合同履約、產品質量、社會責任等方面的信用記錄、信用能力、信用建設進行全面評價。此外，還可建設住房消費需求規模預測模型、房屋價格評估模型、小區競爭力模型、個人信用評價模型等一系列模型。

（三）“樹”——服務輸出

第三個“SHU”是“樹”，即樹立，是服務的輸出。房地產大數據最重要的目標即要實現的核心應用是城市科學治理。通過“數+術+樹”的三“SHU”結合，服務政府宏觀決策、企業經營和個人需求等多個方面，提升城市治理績效，向企業、市民提供精準化服務，實現其在房地產行業發展中的作用。

1.實現市場預警預報。預警預報應用主要體現在，當實時統計分析結果觸發異動條件，系統就發送提示信息給相應主管部門或責任人，實現及時預報。這有助于相應主管部門或責任人更加及時地掌握市場動態，對特殊情況進行及時的分析處理。

第一，市場信心預警。國外很早就有專家借助谷歌搜索引擎來預測住房價格和銷售，提出基于搜索關鍵詞的分析模型。房屋網簽具有滯后性，可充分結合一線案場的來電量、來人量、中介帶看量、監管平臺房源掛牌量、主流網站點擊量等指標進行建模，構建周度信心指數并用以預警即將到來的周度成交量變化。例如，2016 年9 月，受到G20 等城市紅利影響，杭州售樓部看房客戶數量呈現爆發式增長。購房人信心指數短期內快速增長，說明市場熱度升溫顯著。后期的每日網簽數據走勢基本與購房人信心指數走勢呈正相關，說明信心指數能夠精準、前瞻地預測后市的交易量。

第二，市場行情預警。從宏觀經濟到微觀市場，從土地出讓到房產交易，從房屋買賣到房屋租賃，從量到價，從供給到需求，從總量到結構，房地產大數據通過實時的監測實現及時預警，從而協助主管部門提高科學決策水平、提升管理效率。例如，2016 年，杭州房地產市場熱度上升，以上海、浙江省內客戶為主的外地投資客大量進入杭州置業。數據顯示，2016 年3-10 月，杭州市區新建商品住宅購房者中外地購房人占比呈現上升趨勢。其中2016 年10月外地購房人占比高達50%。投資性需求過熱，市場警情顯著。接收到市場警情報送后，政府部門迅速出臺針對性調控政策，包括外地人購房需連續繳納1 年以上個稅或社保且不予補繳，商貸首套首付3 成、二套6 成等。“限購、限貸”政策升級，投資性需求受到打壓。至2016 年11 月，外地購房人占比回落至3 成以下的正常水平，調控政策出臺有理有據，且具有高效性、精準性。

第三，企業風險預警。化解企業風險，事前監管重于事后處置。房地產大數據的應用，可幫助實現企業資金監管（包括預售資金監管、二手房資金監管、租賃資金監管），以及企業全流程（拿地——規劃——建設——銷售——交付）的信用監管。從現有房地產企業項目開發中發生的問題來看，企業資金鏈斷裂、債權債務糾紛以及前期規劃不當等，是造成樓盤爛尾等問題的重要原因，市場供需變化、開發商實力不強以及政府監管缺位等則是造成樓盤爛尾的深層次原因。做好事后處置的同時，更應重視事前監管。政府應進一步加強房地產企業監管，同時建立預警機制，及時公布問題企業信息，建立企業信用評價和風險預警。

第四，房屋安全預警。房屋安全程度的高低，直接關系到每個家庭的生命和財產安全。利用大數據，可從房齡預警、危房預警等多方面入手，建立一個切實可行的城市房屋安全預警系統，對城市房屋安全應急事件中產生的各個危險點進行預判與界定。房齡預警方面，對房屋建成年代、材料、結構、周邊建筑施工信息等內容進行分析，實現房屋使用周期判斷。危房預警方面，可對房屋安全調查信息進行及時跟蹤，對同類房屋信息進行分類分析，建立危房預警。

第五，輿情趨勢預警。通過互聯網行為軌跡的大數據分析，監測市場關注熱點，進而對重點區域、項目進行有效的事前管控。對一些熱點新聞，政府監管部門以真實數據說話，引導業內各界理性研判。例如搖號政策實施后，有人為了獲取一、二手房價格倒掛的紅利，以企業名義參與搖號并獲得購房資格，報道后業內反響較大。接收輿情預警信息后，政府相關部門迅速出臺搖號政策補充條例，禁止企業報名登記，規范市場秩序，維護廣大人民群眾的基本利益。

2.輔助宏觀決策制定。利用房地產大數據，輔助政府部門進行宏觀決策制定。例如，從穩房價的角度，對項目價格進行科學指導。首先結合板塊區域發展力度規劃，根據一、二手房價格倒掛情況和市場接受度情況等，構建板塊的指導價。然后運用相類似的項目作為樣本，通過對影響房地產價格的因素（包括政策因素）進行分析及修正，得到項目的指導價。

穩房價的同時，關注土地價格，進行房地價聯動分析。在房價指導價基礎上，結合經濟水平、人口規模等宏觀因素，地塊因素、鄰里特征等微觀因素，借助模型評估板塊地價的合理性，給相關部門提供一定的參考。

除了房價和地價，也可以對車位價格作出指導。限價條件下，市場上出現了一些綁定車位銷售房產的現象，這損害了消費者權益，導致了不少上訪事件的發生。因此，對車位價格進行指導，也是提升民生滿意度的一項工程。

“解民憂，惠民生”，讓市民居住生活更美好，這些是大數據服務房地產業發展的重要場景。嵌入大數據模型和AI 算法，可輔助宏觀決策制定。

3.服務開發戰略布局。隨著行業的不斷深入發展，開發商之間的競爭進入白熱化，主戰場從一線城市逐步轉移到二線城市和一些三、四線城市，戰略布局關系到企業的生死存亡。大數據可以從宏觀上分析市場的現狀與前景，為開發商的戰略布局提供至關重要的指導。長三角作為我國經濟活動最活躍的城市圈，集中了房地產市場的精華，僅浙江省就在全國的銷售額之中占到10%左右，可謂兵家必爭之地。可通過大數據針對長三角進行經濟、交通、產業、人口等方面的分析，繪制房產投資格局地圖，在高鐵拉動的一體化時代大背景下，為開發商在長三角的戰略布局提供重要的決策依據。

除了戰略布局的分析，大數據還可以實現跨城市、跨區域的協同分析研究，解決一些特定市場的特殊問題，為城市圈內的房地產市場融合發展提供新的分析模型。比如針對長三角的環滬、環杭兩大市場客群構成及演變的研究，必須打破城市界限，運用大數據來分析不同區域的客戶占比，從而判斷中心城市對于其城市圈內周邊城市市場的支撐程度。這對于身處其中的政府和開發商來說至關重要，一方面關系到本城市的調控政策，另一方面關系到營銷的策略、渠道的鋪排，甚至關系到拿地布局。

房地產市場存在一些特定的市場，客群也并以非本地人口為主力，大數據能將客戶的購買邏輯分析清楚。文旅地產就是一個典型的特定市場，長三角有不少城市的文旅地產市場上有上海客戶和杭州客戶，但是不同城市當中各地客戶的占比有很大不同，購買邏輯也有很大差別。以安吉、德清這樣風景秀美且房價相對不高的城市為例，他們的文旅地產主力客群到底是上海客戶還是杭州客戶，其實是非常關鍵性的問題，這不僅需要從交通距離角度去分析，還要結合歷史文脈和各種淵源，只有通過大數據才能撥開文旅地產客戶的迷霧。

4.服務項目開發建設。房地產開發過程中，利用大數據可以指導房地產相關企業了解行業整體發展態勢及經濟運行狀況，為企業提供戰略思路。大數據服務以企業需求為導向，以行業為主線，全面整合市場、企業等多層面數據源，依據權威的數據和科學的分析體系，從行業發展的方向、格局和政策環境出發，幫助企業評估行業投資價值，準確把握行業發展趨勢。

在房企拿地階段，可對土地市場情況，利用大數據系統進行分析和建模處理，合理研判土地價格及其未來變化。具體來說，大數據服務可以研判各種風險的發生概率，模擬價格走勢以及預測銷售周期，在此基礎上根據對財務凈現值的計算，評估地塊的合理價格，降低投資風險。

在項目定位階段，可跟蹤長周期的歷史開發信息，有針對性地對不同業態、多種市場需求進行研究，對企業項目多元化投資發展進行研判分析，實現對項目規劃的科學定位。

在項目定價階段，可利用房地產大數據對城市項目價格梯度進行分析，結合市場購買力研究，判斷購房人支付能力，對戶型、樓層、配套等方面的需求偏好，幫助企業實現項目的合理定價。

5.支持企業運營推廣。傳統的市場推廣投入高、收效低，主要原因之一就是廣告投放不精準。通過對目標客戶群體的主要消費特征進行精準的大數據分析，可以接受度最高的廣告形式行進精準投放，能夠提高營銷成功概率。大數據的存在豐富了企業之間的市場競爭手段，大數據可以為房地產企業提升廣告投放有效轉化率、客戶體驗滿意度等。

可通過建立完整的客戶大數據系統，將客戶進行系統的分類，再通過大數據挖掘潛在客戶，了解他們的購買需求，實現對客戶的畫像。比如，2016 年起，長三角眾多城市啟動征遷，產生大量拆遷戶，通過政府公開的信息采集各個區域征遷大數據，包括征遷地點、征遷戶數總量情況、征遷時間進度、貨幣化補償標準等，可建立模型研判征遷帶來的潛在購房需求，為企業廣告投放、形象推廣提供可行性研究建議。

良好的客戶運營是企業生存發展的根本，而對于用戶的深度解讀是企業業務開展的重要參考依據。房地產大數據可以幫助企業用最低的成本實現最高效的用戶洞察。利用大數據技術可建立用戶數據管理、用戶畫像分析等一整套用戶洞察體系，比如用戶房型偏好分析、置業周期分析、租購變化路徑分析、房屋維修周期分析、住戶黏性研究等，幫助企業將用戶洞察成果充分應用于提升用戶體驗方面。

6.服務相關多維領域。房地產行業內的大數據，還可以為房地產相關的多維領域提供服務。例如作為住宅配套的除了學校之外的教育設施，必須結合附近居住者的具體人群結構及相關特征，需要受教育的兒童的年齡段、家庭支付能力、觀念習慣等因素為其進行定位支撐，通過房地產大數據，就可以對客戶及其需求有個相對明確的認知。

再比如租賃市場中的長租公寓，相對于傳統房地產來講是一個全新的領域，長租公寓的定位、運營都需要對租賃市場有客觀認知和深入了解，尤其是開發商作為一股非常重要的進軍長租公寓的力量，非常容易走入以傳統房地產銷售思維來對待租賃市場的誤區，這就需要通過大數據研究，模擬租賃市場的核心邏輯模型，從而減少項目運營的彎路。

7.催生產品服務創新。采集區域業主的綜合數據，包括社交、興趣、家庭、教育、車輛、金融等特征信息，可輔助房企進行新業務模式的探尋以及產品和服務模式的創新。做好項目業主與消費配套、產業配套的資源銜接，建設以人為本的配套服務，可助力房企從單一的房產開發向生活配套服務商轉型，滿足新常態下房地產企業的轉型需求。

三、結語

本文闡述了大數據技術在房地產行業中的建設及應用方法論。房地產大數據技術水平的提升，可為政府的科學決策、企業的良好經營提供研判依據和精準分析，另外也可向個人提供精準化的推薦服務。房地產大數據須憑借其在房地產行業發展中的應用實踐積累，探索形成專業化模式，助力打造智慧房地產，助力城市大腦和數字經濟建設。