导读

大数据是看待市场的全新角度，将极大的改变土地、工程、营销、售后、物业等房地产企业经营运作的所有流程。本文从房企市场、数据类型、数据价值、应用场景等方面简要分析大数据时代下的房企应用。

随着房地产开发企业规模化发展，行业集中度提升，房企通过结构化大数据来对决策进行支撑的需求愈发强烈，新的信息采集手段为房地产大数据应用的突破提供了条件。

移动端设备的普及使用使得实时动态地收集群体客户数据得以突破，近两年地理信息、配套数据极大丰富，且数据颗粒度细化。

因此为数据的多样性结构化应用提供了可能，房地产信息化和大数据的应用已经到了新的爆发期。

房地产大数据背景分析

房企市场在进行激烈的变化，首先，从增量市场变为存量市场，关注点由卖新房转变为租赁、物业、客服等；

其次，消费升级，目标群体从中产阶级转变为个性张扬的80后90后；

最后，政策压力及供需失衡导致房子不好卖，形势更加严峻。

在这种背景之下，企业就会更多考虑到“以客户为中心”的转型，主要体现为口碑信息放大客户影响力、需要重新打通多业态的客户、客户对体验的要求越来越高。

房地产大数据应用场景

大数据时代下的房地产行业新商业模式，即在房地产全产业链流程中，利用相关行业数据及空间分析方法进行合理的规划运营，从而优化资源配置，降低商业运行成本。

土地投策

基于大数据与地理空间因素对地块市场和区域的预判分析，提高地价评估的准确性，为房地产开发提供更为科学的依据，帮助开发商更精确得完成土地投策。

用地缓冲区空间分析，判断地块辐射的基础设施；

周边路网信息、交通数据分析，判定出行便利程度；

周边的人口结构、收入水平分析，判定购房需求。

地块定价

大数据可以帮助房地产商对土地价值进行评估，通过大数据了解其开发地块的常住人口数量、年龄分布和职业特点、以及收入水平。

通过数据分析,房地产商可以客观了解开发地块每天晚上居住的人口数量,进入的人口数量,第二天离开的人口数量,以及人口活动规律、年龄阶段、职业类型、收入水平、消费水平等。

房地产公司开始使用移动大数据客观精确地估计其开发的土地价值,降低土地投资费用，参考用户信息进行房型设计、商铺规划、配套设施规划等,优化资源配置,提高运营效率。

商业选址

将地理位置大数据（包括POI数据、路网数据、交通数据等）与周边人群分布及属性、配套设施、人流及影响因素、周边业态分布与经营状况、价格对比与参考等数据进行综合分析。

为开发商提供全面详实的分析评估建议，指导商业地产选址，最终达到吸纳客流、店铺盈利的目的。

结合周边人群分布、消费情况进行区域消费热力图分析；

结合选址位置进行到达圈分析，统计店铺地址能够覆盖周围生活区域范围；

结合周边已有店铺进行缓冲区分析，评估周围店铺的服务范围及能力。

项目定位

结合地理空间数据、楼盘周边交通情况、特定范围区域内的指定类别的POI情况（例如医院、学校、公园等）以及区域内人口、收入、周边项目信息等数据进行综合分析。

以同种类规模、经济指标的城市作为参考，实现对楼盘产品更精准的定位。

商铺规划

通过用户智能手机的App列表和其活跃程度，大数据可以对周围居民进行分析和画像。用户画像包括客户的生活爱好、年龄层次，消费特点等信息。

房地产商依据周围用户的特点和数量，规划教育、娱乐、健康、户外运动、美容等商铺的配置比例，确保有足够的商铺来满足客户需求，同时也确保相同类型商铺比例合适，最大化商铺的经济利益，也为商业地产增值提供基础。

房地产商利用移动互联网侧客户行为数据和消费爱好数据，在开发商铺时依据客户需求规划商铺，提高商铺客流量和消费总额，帮助房地产商提高商铺价值和潜在的租金。

商户也可以利用用户画像数据深度了解客户，为商品采购和服务提供数据支持，为客户提供更加优质的商品和服务。最大化商铺的利用率和客流量，合理配置商铺资源。

房地产大数据类型分析

地产是个很传统的行业，以前数据以纸质和笔质的居多，比如看房时的来访登记，因此首先需要解决的问题是如何将纸质数据搬到云端数据库上，其次才能挖掘和分析。

在房企已有IT系统中，数据缺散乱的现象比较严重，比如物业有物业的系统、停车有停车的系统，现在地产也不只是地产，甚至有酒店和商场，所有数据都放在各种不同的地方。

多样繁杂的数据类型和数据来源是房产大数据的特征，房产大数据总体来说可分为房产属性数据、市场数据、用户数据三个大类别：

第一类：房产属性数据，包括精确到户的楼盘表数据、GIS（地理信息系统）及POI（信息点）数据；

第二类：市场数据，能够反映出房产价值，如挂牌、成交价格、宏观数据等；

第三类：用户数据，包括房产相关的参与主体数据、行为数据等。

房地产企业数据存在几个这样的特征：

不在线，房地产企业比较重视业务，很多数据都在纸上；

价值高，数据获取成本高，单客户数据价值大；

不共享，集团、公司、项目数据不共享。

房地产大数据价值层面维度方向

房地产大数据的价值阶梯主要体现在四个层面：

第一个是能够为企业建立一个可控的数据平台，在这个基础上能有效地实现内部数据统一，并建立内外部数据交换的接口；

第二个是帮助企业实现高效的统计工作，借助大数据和云计算的超强运算能力，为日常管理提供更为强大的统计功能；

第三个是借助内部积累的数据，为各个业务场景提供改进和提效的支撑；

第四个才是考虑全新的创新模式，比如在物业中实现社区经济，在商业、酒店等多元化板块中实现业务的跨界整合。

微构科技不断在“大数据+地产””创新应用的实践中，房企可以从如下三个维度获得相应的价值：

第一个维度是借助大数据提升各个工作场景的工作效能，比如帮助营销效果的提升；

第二个维度是帮助企业进行业务流程的改造、优化、创新，比如在房屋质量做在线化的尝试；

第三个维度是希望能够帮助其创新商业模式，获得超乎寻常的价值，比如在城市布局和土地获取环节的创新。

同时微构科技主要从四个方向帮助房地产企业进行大数据的智慧转型：客户大数据、供应商大数据、产品质量大数据、土地大数据。

客户大数据

主要是帮助企业建立客户全周期的触点平台，让客户在线，帮助企业持续经营客户，实现客户数据资产的沉淀与价值挖掘；

供应商大数据

主要是帮助企业在供应商的选用育留过程中，实现对供应商的全方位管理；

产品质量大数据

主要是帮助企业在产品建造过程中，掌握产品质量动态，并对常见的产品缺陷进行针对性的分析与改进，并进一步建立产品的一户一档数据库；

土地大数据

主要是帮助企业在城市进入决策和土地投资决策过程中，能够更快的活的全面的、动态的信息，在瞬息万变的市场中掌握，土地、城市、人口、经济、竞品的整体情况。

房地产大数据应用实践

对于地产企业而言，客户是最重要的数据资产，但历史上对数据的不重视，导致行业普遍存在数据数量少、质量差、孤岛严重等问题。

因此，房地产企业在大数据实践中首先应展开内部客户主数据治理工作，包含四个主要步骤，分别是：客户主数据指标定义、客户数据采集规范建立、数据质量巡检、数据质量治理行动。

就指标定义而言，首先从既有的信息化系统出发，整理所有信息化系统中涉及的客户相关字段，建立客户主要的识别码，比如身份证号码、电话号码，同时建立次要的识别码，比如车牌号码，并明确各个字段数据的唯一性和有效性，建立冲突处理机制。

其次，针对客户的指标定义特征信息进行归类，明确信息的优先级、获取难度。

在指标数据采集规范建立环节，重点考察信息的重要性和实际采集的场景、工具、方法岗位，建立人如下表，并形成具体的指引。

在这个环节，需要重点考虑全面整合企业各板块“客户数据”，并形成全价值链数据，结合各个业务场景的实际工作状态，综合考量应该使用的数据采集工具。

同时也要考虑数据的质量，比如来电时质量要求往往不能太高，但是来访时对数据质量的要求就比较高。

另外，对于数据采集人员而言，往往不关心对其工作没有意义的数据，但这些信息对于后续其他人员比如营销人员会有很大帮助，也需要进行适当采集。

因此，在实践中企业根据场景进行识别与细化，形成了近百个数据点的规范，极大地提升了内部客户数据质量。

数据质量不过关，准备再好的分析方法也无法获得应有价值，因此需要进行数据质量巡检。大数据依赖大量准确、动态更新的数据。

企业需要经常性地开展质量治理行动，不断优化数据的指标集合，对规范进行重新梳理，并采取行动对数据的真实性和有效性展开检测。

房地产企业在实践大数据时，梳理内部客户数据，从而建立一个客户的数据中枢，把企业内部各业态的数据进行全面打通，把客户与企业的所有触点都作为客户数据完善的场景。

采用多种数据采集方法，包括PC端、移动端、纸质等，形成企业内部的客户数据资产，为后续的业务场景应用打下坚实基础。

房地产大数据案例分析

同策地产多年来的信息化建设已经逐步不能满足业务规模发展的需要，严重制约公司的运转效率：

数据分散在多种技术平台上，数据一致性和实时性较差；数据无高效信息通道，信息共享、传递效率低；

SQL Server数据平台在管理上存在数据实时性的弊端，可能会导致报表数据的时效性、完整性问题；

核心业务系统工具缺乏历史数据的分析功能，不能满足公司高管及部门管理人员的基于图形、报表之趋势分析、结构分析等类型的分析应用需要；

缺乏满足业务人员自定义报表的工具平台，业务新增报表及修改工作需要IT部门的支持，消耗人力多，周期长；

微构科技通过对同策内部存量数据和新增数据的汇聚、实时导入、格式标准化，解决同策积累的海量用户数据和楼盘数据孤岛、数据格式等问题，构建房地产行业数据模型，提供从生产、采集、存储、计算、分析及可视化的全流程的支撑体系。

同策经分系统整体架构

微构科技通过财务主题、营销主题、人资主题调研，梳理出基础大表107项栏目涉及到的各项指标所对应的数据类型，数据来源，关联规则，计算公式&分析逻辑，降低同策运营人工成本，保障数据时效性和准确率。

标准化

建立规范的指标体系，统一的指标的名称、统计口径，并以标准规范的视图形式呈现。

集中化

将市场运营中的各项重点工作、重点监控指标集中展现、集中预警监控。

高效化

通过驾驶舱、仪表盘分析、KPI指标详情分析等，更加快速的定位问题原因，提高处理问题的效率。

同策经分系统技术架构

微构大数据为同策建设企业经营中心，市场监控中心，提供丰富指标监控、业务分析、信息互动能力，统一打造运营管理与分析支撑能力。全面直观呈现市场运营状况，加以智能分析，形成决策支持能力。

房地产大数据发展机遇与挑战

信息技术的创新和产业变革，为发展大数据产业创造了有利条件。当今世界，新一轮科技革命和产业变革正在孕育兴起，信息技术面临新旧轨道切换，软件定义、数据驱动、融合创新成为趋势。

推动分布式系统架构、多元异构数据管理技术等大数据新技术、新模式快速发展，催生大数据产品、服务加速迭代更新，助力大数据产业加快发展。

发展动力从要素驱动向创新驱动转换，发展大数据产业必将成为推动新旧动能接续转换、促进城市经济转型发展、促进数字经济突破发展的重要抓手，大数据技术和应用创新必将迎来重大发展。

目前房地产大数据还是面临巨大挑战：

一是数据资源集聚与开放体系尚不成熟，资源共享机制还不完善、标准不够统一、平台不够健全，很多行业还存在数据孤岛，政府数据开放滞后，数据价值未能得到有效挖掘。

二是产业发展支撑服务体系仍不健全，要素供给功能性机构缺乏，大数据企业难以获得专业化的技术、金融、信息等服务。

三是行业企业间协同发展机制尚未形成，企业普遍处于单打独斗状态，大数据企业与关联企业协同发展水平较低，难以形成产业发展合力，市场综合竞争优势不足。

四是大数据与关联产业融合、向传统产业渗透程度不高，应用需求不能有效转化为应用市场，大数据产品、服务和解决方案市场不活跃。

大数据在房地产的市场应用大有可为，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。

微构科技希望能领先行业半步，用大数据为企业打开新的一扇门。微构大数据愿与行业、企业一起携手探索前行。