12月1日，数据猿携手上海大数据联盟在上海举办了《魔方大数据12：行业应用系列论坛之年度论坛：“Building”+大数据》。

活动中，邀请了房地产+大数据相关产业内大咖领袖，共同探讨大数据时代下，房地产行业所面临的新挑战、新机遇、新趋势。

 与会分享嘉宾：

ZMENG众盟商业运营VP——曾丽芳

房价网CEO——张效海

新城控股CEO——罗艳兵

上海链家研究院院长——陈泽帅

上海脉策数据COO——汤舸 

个房CTO——叶文

微瑞思创联合创始人兼CTO——周像金

鲁班软件股份有限公司董事长——杨宝明

欲索取现场嘉宾分享的PPT，请公众号后台回复关键词【张效海】下载

以下内容为“房价网CEO张效海”分享，并由数据猿编辑整理发布：

大家下午好！马博刚刚简单介绍了我们公司，房价网。既然叫房价网，那么我先讲一个大家都比较感兴趣的话题。

前两天上海刚出台了最新的限购、限贷政策，作为房价网的带头人，我经常会被问到，这个房子能不能买，房价的走势怎么样等类似问题。房价，这是一个政府、媒体经常关注的热门话题。从十五年前开始，中国的房价一直往上涨，我也接触过很多房产行业的专家，也包括一些金融行业的专家，各有各的看法，总的来讲觉得中国的房价越来越高，风险也会越来越大。

举一些很具体的例子，比如可比性，我们都知道，2008年美国爆发了全球金融危机，其实引发的根源与房价相关，更深层次的原因是次贷危机。当时美国所有房子加起来的总价值是美国那一年GDP的170%。再往前推到90年代初，当时日本的房产总值和GDP的比例是多少呢？大概200%。

中国房市离崩盘还很远，但要警惕GDP增长率过高

大家可能很关心当前中国的比例是多少？280%，这是去年我看到得一个统计数据。大家听到这个数字，马上会想后面该怎么办？去年已经280%了，如果按照这个逻辑推理，我们离崩盘可能不远了。但我不这么认为，中国现在的情况离崩盘还有很远，为什么呢？

现在的房产在中国扮演了一个特殊角色，已经不是一般的自住和消费了，而是一种金融产品。很多金融机构、个人，开始把买房当成一种投资性的行为。要知道，中国现在的钱非常多，这么多钱都去哪儿了？总得有一个去处吧。大家都知道中国的实体经济现在不太好，政府也说中国经济的走向是L型，这种情况下，钱上哪去了？实际上大部分钱都投进了房地产。

在中国，如果实体经济好起来了，房价可能会往下跌，因为钱有去处了，不一定在房产这个领域里。你们一旦看到GDP的增长率蓬勃向上，那个时候就要小心一点。这是我的一个观点。

各地房价参差不齐，但一线城市投资风险更小

但同时，中国那么大，是不是每个地方的房价都是千篇一律的要么往上涨、要么往下跌呢？实际并不是这样的。这是我的第二个观点，房价在全国范围内是会参差不齐的。而且我相信在北上广深这些一线城市，不知道广州还算不算一线城市，有人说杭州现在也属于一线城市，这些城市的房价应该是保险的。因为风险肯定是从投资角度来讲，而不是消费。从投资角度来讲，这些一线城市应该没有问题。

这是一个规律，国外发展了那么多年，人最开始都是从乡村移向小城镇，再移向稍微大点的城市，最后向大城市聚集。这些大城市人越来越多，需求越来越大，要让房价跌下来还是蛮困难的，房产市场不好的时候最多也是持平，但我觉得不往上涨，这是后面会发生的事情。从投资的角度来讲，我在网上看到有人开玩笑，如果往前看十五年或二十年你买什么样的理财产品最好？大家都知道当然是买房子最好。

我一个朋友是一家公司的高管，现在已经实现财务自由了。他前面十年的时间里每年买一套房子，把所有的工资都拿去买房了。这个人是非常聪明的。房价的问题我们暂时讨论到这，有兴趣的话，我们之后可以继续讨论。

房价网，用大数据给每个地址定一个价格

下面说说房产大数据，因为今天的题目是“Building+”。我们有一个非常显著的定位就是Building price。我们做房价蛮多年了，主要都干了些什么呢？

其实，我们的服务对象不在房产行业，反而是金融行业。房产是有金融属性的。特别在中国，房子和人的关系非常密切，一个人住什么房子跟他的经济能力密切相关，而且我们买房子时候免不了跟银行打交道。现在很少有人把钱全部掏出来，一下子把房子的总价都付掉，这种情况很少。

我们所做的事情非常明确，给每个地址定一个价格，只要你给我们地址我们就能告诉你这个地址的价格是多少，这是我们做的最核心的一件事情。听上去很简单，实际上非常不容易，我们做了十年了，到现在还是对自己不太满意。

中国的情况实在是太复杂了，光地址就有各种各样的说法。上海的地址算是比较标准的，北京的地址呢，有很多院、胡同，内蒙古的地址又不一样。所有这些地址信息必须能够有非常强的处理能力，因为我们对接的是金融客户，他们需要的信息，要准确、快速，而这个时候我们对地址数据的处理能够要求非常高，而且对整个数据的并发也要求很高，可能是一秒钟之内给我们传过来几千次的请求。

要做到这一点，我们要采集很多数据，一方面是计算房价本身就要很多数据。房价有很多相关的因素，这些因素相关的数据聚合到房价网研发的房价模型，房价模型也属于是目前比较流行的数据挖掘、人工智能这方面的领域。

我们一开始做的房价模型非常粗糙，十年以前做的，需要一步步完善、积累，不断去改变，里面牵涉到成千上万的数据，包括很多权重、系数的调整。实际上在中国每个城市、行政区，每个板块，每个小区的情况都不一样，这里面的系数也不一样，这就是我们干了十年仍在干的事情。

银行比你更关心房价变化

从应用方面，我们给每一个地址定一个价。实际这里面，我们说的都是房子，这有一点像在造房子，这是我们的地基，地基一定要扎实，地基不扎实的话，上面都是空中楼阁了。因为我们能够做到给每一个地址定价，我们就可以回答这个问题了。当然每一套房子值多少钱肯定是能回答的，但是一堆房子，一万套房子加起来总价是多少，这些房子可能遍布在几十个城市，可以马上算出来吗？

这是金融行业面临的一些问题。银行把钱贷出去了，但手里面落下一堆的房子。有一点大家仔细想想，谁是房子最大的拥有者？不是老百姓，是银行。如果首付是35%，即使是你付了35%的钱，那65%的房子还是属于银行的，它会更加关心这个房子是涨还是跌。所以说它需要时时刻刻了解楼市的变化，因为这也是它的资产。

关于抵押贷款，要看抵押品值多少钱，万一你还不起钱，这个房子能不能卖掉，易处置的能力如何，所以这些我们都要帮他们分析的，而且，我们很多情况下用机器代替人去分析。这些应用场景原来银行存在吗？都是存在的，这不是我们发明的应用场景。

传统公司会遭受新技术冲击，但仍要寻找自身价值点去应对

现在很多做大数据的公司还在寻找一些合适的应用场景，我相信这是一个过程，但目前很多大数据公司都是处在寻找的阶段。我建议，一定要找到一个真正需要你的，而不是伪需求。我们现在做的事情，不是在发明一个新的需求，因为最早是评估公司做这些。

评估公司实际上是很传统的领域，本来银行有很多问题，都是由他们解决的。但像我们这样的公司冒出来之后确实给他们造成了一些我们意想不到的冲击。我们也不愿意这样，但确实我们用互联网大数据提供的这些信息之后，把他们用人工的东西，用机器替代了，当然不是所有，是特别标准化的我们用机器做掉了，成本也就快速下降。

每次访问我们一个数据接口，只收一块钱，这对他们来说是不可想象的。因为原来即使他们不当场看，在网络上面，比如说上房价网找一个价格，弄成一个报告，人工也要几百块钱人民币。现在有一家公司突然跳出来说一块钱也做，他们是崩溃的。

评估公司当然也有存在的理由，在美国，我们这样的公司已经做得非常大了，他们的评估公司照样存在，这并不矛盾。也就是说对于一些大宗的，特别是个性化非常强的房产的评估，评估公司还是有他们的价值的。只能说我们有交叉点，但做的事情不完全一样，我们跟评估公司之间也有合作。

我举这个例子想说明，一些新的技术开始或者发展，对一些传统的公司会造成冲击，但传统公司也得应对，因为这是一个潮流，即使不是房价网做，可能会有另外一家公司出来做的。

更多应用场景

这是我们自动化产生的报告，包括房子的具体信息、走势图，在电脑上一按就全出来了，原来需要人工一点点做出来，现在效率就提高很多，所以这是我们非常直接的应用场景。

刚才说我们主要服务金融行业。我虽然不是金融行业的专家，但我对它的理解是，一头把钱拿进来，一头把钱拿出去，从中间赚取利差，特别是中国的银行基本上靠这个挣钱，而且利差是国家规定的，所以他们自己行业里面一直说银行是躺着挣钱的，但据说某大银行的董事长说银行是弱势群体，不知道大家是否认同。

还有一块是信用贷款。信用贷款是没有房子做抵押的，这跟我们有什么关系呢？住的房子跟经济收入还是有很大关联的，这个人住豪宅里面应该钱比较多，即使不是自己买的，能够租在那也是不错的。所以做信用贷款、信用评分的时候，我们会根据居住地，上班的地方，这些我们都可以帮他挖掘出来，这是基于地址的信息挖掘。

当然，因为现在有很多数据公司都是画肖像的，我们不能说我们就是画肖像的，我们只是从我们的维度来做一些判断，但是我相信一个人住什么样的房子，这个信息对于金融机构来讲比他手机上面装了什么APP、他浏览什么网站，要直接得多。

我们还会根据他的地址，专门给他做一个财富评分报告，拥有的房子值多少钱，居住的区域是否在非常繁华的区域。当然这个话说的有点不妥，现在很多豪华别墅都在很偏僻的地方，也是挺有钱的。我们曾经帮一个证券公司做存量客户分析，希望能够帮它判断它的客户里面是否有一些没被发现的土豪，因为他们只能从证券公司本身的帐号里的钱来判断。最后我们发现，有些人他们帐号里没有什么钱，但住着价值六千万的房子，就在徐家汇那边，这个信息对他们来讲是非常有用的，后面他们就要跟进，卖高端的理财产品给他。

刚刚说到有钱人，上海最有钱的人在哪里？根据房价的话，我们画了一个分布图。数据显示，房子单价或者均价超过十万的，确实是徐汇区最多，很多人觉得是静安、黄浦，其实不是。

我们也是根据地理位置在做客户分类，主要还是根据住址或者工作地址判断他的经济能力。对于金融行业来讲，一定会关心这个人有没有钱，能够卖什么东西给他，这样的客户、服务对我们的数据应该都是有需求的，但我们也可以跟很多别的大数据公司合作。

总的来讲，合作有两个方面：一方面，只要你关心你的客户住的房子多贵或者说他的房子面积有多大，这些信息对你来讲有价值的话，可以通过我们的数据接口收录到你的系统里或者我们给你提供一些定制化服务，这是数据的输出。

另外一方面，因为是房子的信息，所以任何一个房子都跟地理位置有关，包括前面两位介绍的，一个是全国有很多的布点，还有鲁班软件，Building里面，都有提供很多信息。我们对于任何跟地理位置相关的信息业非常感兴趣，如果大家有这方面的信息都可以跟我们谈合作。

虽然我们整个的数据量已经非常大了，全国包括地级市以上的有366个。我们对外输出的数据形式以API为主。还有很多的户场景可以挖掘，希望能跟在座做大数据的公司，我们一起努力，把各自数据的价值充分发挥出来。

今天我的分享就到这里。谢谢大家！

没看过瘾？点击观看《魔方大数据12：行业应用系列论坛之年度论坛：“Building”+大数据》完整版视频

本文由Abby整理，微信：wmh4178

来源：数据猿