地产迎来最难一年？有它不怕
19年末，禾略在上海和深圳分别举行了两场投策分享会。作为房地产大数据研究应用领跑企业，禾略一直给人的印象是数据创新、专业深度。而这两场的分享也是干货满满，座无虚席。
虽然已经和禾略对接业务有一段时间，但现场听分享还是头一次，也让我对禾略分析的角度、所用的数据，还有一些理念有了新的认识。
在目前全年经济增速稳步放缓，以及“房地产不作为短期刺激经济的手段”和“因城施策”的背景下，全国房地产市场调整压力可能会进一步凸显。对于房地产开发商们也可以说是难上加难。
但是，房地产行业也并非就此触到了天花板。开发商想要持续、高效经营，唯有不断打磨技艺，了解行业周期，挖掘产品竞争力，提高降本增效的能力。
那么，地产商将要面临的问题将是：
- 在什么时候，选择什么样的土地？
- 如何将我的投资，能够更加科学地量化出来？
- 如何提高投资阶段目标地块研发的效率？
- ...
1. 在什么时候，选择什么样的土地？
城市投资只有在合适的时机&合适的地点投资才能达到最好的效果。
1、选择合适的时机：从历史的房价波动规律，预判未来房价的走势。
2、选择合适的地点：
（1）从大中城市看，首先要理解城市发展的阶段，判断住宅的需求，然后根据城市空间扩张的规律，判读城市扩张的方向以及把握土地价值的变化规律，选择合适的位置并采取对应的投资策略；
（2）从中小城市看，重点是要关注人口聚集的红利，对于很多中小城市来说，人口红利可以给房价带来很大的增长空间。
划重点：
工具1：从房价波动规律，预判未来房价。
工具2：根据城市空间扩张的规律，判读城市扩张的方向。
工具3：关注人口聚集
2. 如何将的我的投资，能够更加科学地量化出来？
我们当前不仅是数据信息爆炸，也是理论爆炸的时代。量化方法可以将理论在数据上的可验证性，与理论在逻辑和常识上的可解释性统合起来，从而得到较为可靠的理论模型，提升辅助投资决策的科学性。
针对解决的业务场景问题主要分为三类：
- 量化择城，如何选择城市投资标的？为什么在过去一段时间这些城市房价提升比其他城市多？
城市房价上涨不仅是一种货币现象，也是一种供需矛盾的结果，我们通过借鉴金融市场资产定价模型的量化方法找到城市供需的影响因子，根据影响因子辅助城市进入决策。 - 量化择区，如何评估城市区位因素对地块价值的影响？为什么在同一个城市，这个地块价值提升得比其他地块多？
将区域房价变动视作随时间变动的多种效应叠加的综合结果，通过运用量化建模方法，将地块提升的区位因子对房价影响的净效应剥离出来，辅助地块投资定价。案例：成都地铁规划对周边房价影响。 - 量化择机，如何找准投资节奏？，eg：为什么这个时间投资比另一个时间要划算？
利用地产市场指标之间的基本相互关系，找到市场的有效领先指标，用来作为预测市场走向的指标。利用对数周期幂律模型监测城市房价的泡沫风险
划重点：
工具1：城市供需的影响因子
工具2：对房价影响的区位因子
工具3：对数周期幂律模型监测城市房价的泡沫风险
3. 如何提高投资阶段目标地块研发的效率？
禾略针对在投资阶段的意向或目标地块研发“快速定位”的方法。
项目定位首先在于定价，定价在于确定“项目的锚”。锚有两个，一个是动态的客户，一个是相对静态的“土地属性”。引入大数据来定这两个锚，减少对个人经验的依赖，提升定位效率。
客户锚方面：通过全国323城的智联招聘数据（带有行业、公司、岗位、月薪、工作地经纬度等信息），针对大部分城市的项目，找到周边基于就业视角的客群，并且根据“月薪—月供—总价”的计算关系，得到客群的总价承受力区间，选定一手房成交金额最大的总价区间段。
土地锚方面：通过全国所有城市的地理大数据，对任何地块的交通通达性、就业资源、生活配套价值进行计算，得到量化的土地属性，在此基础上判断产品的大类型。
综上所述，“快速定位”是一个需要两个工作日的轻量级服务——
第一个工作日：定锚三步法：①初选客户锚，②定土地锚，③定客户锚（比选目标地块和竞品的土地属性与客群吸引力）；
第二个工作日：定产品“总价段、面积段、单价段”。
划重点：
工具1：一手房成交“强弱+-”矩阵
工具2：一手房单价和总价等高线
工具3：二手房需求变化趋势图
解决以上问题用到了很多的工具方法，而以上的所有的工具方法都即将集成在一个小小的物件当中。
那就是禾略种子（研发代号：地产盒子）
这是一个全新的、软硬件结合的设备，是面向越来越明确的智能决策需求而推出的、新一代的智能数据产品。
紧跟移动互联网、AI 的技术浪潮，地产盒子具有功能完备的、中心化的云服务体系。极海的云平台在核心数据资源的基础上，开发了图形渲染、地理计算、大数据智能分析、行业应用等核心能力，然后通过容器化和微服务将这些技术融合在一起，以 API 和 Web 的形式提供出来。
所以，我们可以在线上的云环境中，进行数据访问、可视化、分析计算、二次开发等工作。正因为强大的云平台的支撑，我们能够持续不断地为几万个用户同时提供服务，还能在各处部署几十套私有化的云服务，以满足客户对私有云的需求。
或许，不少用户对于在线中心化的方式有所疑虑，因为你必须把所有相关的资源放到集中的云环境，而有些核心敏感的数据是不可以上传到云环境的，于是它们也很难和外部的数据进行碰撞、融合。而私有云，又伴随着较大的立项、长周期的开发，这对于很多中小型的用户是不够友好的。因此，去中心化、把核心的运行环境切换到本地就是另一种很有价值的模式。
在这种模式下，云可以单向地向本地传输资源，而大量的计算和处理都在本地环境中进行，这就避免了数据泄露的问题，也减轻了对在线环境的依赖，一旦资源同步到了本地，你甚至可以在没有网络的情况下进行工作。这个本地的运行环境就是“地产盒子”。
从硬件上，地产盒子是ARM计算设备，它包含四核的CPU，有支持CUDA的GPU，它的计算能力相当于一部小型数据处理中心。从软件上，地产盒子是一套可以 OTA 更新的系统，是一整套完整的、统一的本地运行环境。
一旦将地产盒子通过 USB 和工作电脑相连，就可以马上从浏览器中进入“种子”的操作界面。主要功能总结成 3 块主要的工作界面，分别是找数据、看数据、用数据，这分别代表了我们使用数据的不同目的和阶段。
第一阶段找数据：帮助用户寻找到有用的关联的数据
数据资源包括云端数据和私密数据两部分。云端数据是我们在云端提供用户订阅的数据内容，私密数据则是用户自己的私密环境，凡是自己提供的数据，或者“种子”计算的数据结果，都存放在私密数据中。
第二阶段看数据：通过各种可视化的方式来对数据进行探索，初步选择和了解数据
各种数据都在同一个工作空间中进行可视化，而且可视化的效果实时可调。同时，不同的数据可以在一起进行对比，寻找其中的相关性和其它规律。这本质上是现在大部分数据 BI 工具做的事情，在数据分析环节中，相当于数据探索的过程。
第三阶段用数据，在更具体的场景下进行数据的智能分析
用数据主要包括各种行业场景的数据分析模块，这些模块同样通过 OTA 的方式更新到本地、并直接运行。我们已经开通房地产通用场景若干用数据模块，每个模块都是一个完整的独立运行小环境。模块运行结束后会把结果直接呈现出来，并按需要存储到私密数据中去。
总的来说，地产盒子可以让原来需要通过开发系统来满足的、高级的定制需求，转变为开发「用数据」模块，前者周期长风险高，后者则轻量、高效、风险低。由衷希望未来地产盒子可以成为城市管理者、地产分析师、零售优化师等等，相当于各个行业的数据分析师的一个必备工具。
部分内容转载自禾略