大数据下房地产土地价值评估的分析方法

2018-04-04朱品王培娟汪丽丽官林

价值工程 2018年10期

朱品王培娟汪丽丽官林

摘要：近年来，头部房地产企业正在完成由建筑业向金融业的转型，由营造驱动转变为金融驱动，金融的关键在于风控，而对于房地产，风控的核心又在于精准评估土地价值。文章试结合此行业背景，探讨大数据助力房地产评估土地价值的必要性，旨在分析在大数据时代下，如何利用数据进行城市选择、地块分析、市场洞察，从而改善房地产土地价值评估的分析方法，降低投资风险。

Abstract： In recent years， the head real estate enterprises are completing the transition from the construction industry to the financial industry， their driving force changes into finance. The key of financial industry lies with the risk control. For real estate， the core of risk control lies in the accurate assessment of land value. This paper tries to discuss the necessity of using big data to help real estate to evaluate land value in this industry background. It aims to analyze how to make use of data for urban selection， plot analysis and market insight in the era of big data so as to improve the analysis method of land value assessment of real estate and reduce investment risk.

關键词：大数据；房地产；风控；土地价值评估

Key words： big data；real estate；risk control；land value assessment

中图分类号：TP311.1；F301.24 文献标识码：A 文章编号：1006-4311（2018）10-0219-02

0 引言

房地产业是我国的支柱型产业，对国民经济和城市经济发展具有重大影响。近年来，由于宏观政策和市场趋势，头部房地产正在完成由建筑业向金融业的转型，逐渐由营造驱动变为金融驱动，其核心在于利用高质量数据建立风控体系。本文结合大数据的时代背景，简述房地产行业可应用的相关数据，并结合实际场景指出房地产应如何利用海量数据改善融资链条下风控中的土地价值评估环节，以控制资产交易的风险。

1 大数据下房地产的数据信息储备

1.1 大数据相关概念

互联网的普及与云计算技术的革新，使得一个大规模生产、分享和应用数据的时代正在开启。通过精进的数据科学处理能力，可以结合大数据对具体情景进行分析预测，使决策更为精准，释放出更多的数据隐藏价值。

大数据相比传统数据，具有“4V”特征：体量大，大数据的数据量将达PB、EB、ZB级；种类多，大数据是由文字、声音、视频、多媒体等组成的结构化、半结构化和非结构化的多维异构数据；速度快，在海量数据的情况下，大数据仍需做到实时处理；价值密度低，应用价值大但价值密度低，通过对海量数据进行提取、处理和分析，才能获得一部分有用的信息。

1.2 房地产的相关数据构成

在信息时代，高质量的大数据意味着海量的精准信息，其战略价值毋庸置疑。大数据时代下，全量人口为样本的行为数据已可以获取。房地产作为重资产、低消费频率、长价值链条的行业，其相关数据可以分为以下三类：

①静态数据：官方统计数据、房地产交易数据、购房消费者线上线下行为数据、城市静态POI数据、垂直网站开源数据等；②动态数据：百度路况等的热力数据、城市实时交通出行数据、细分维度的点评数据、人口迁移数据等；③多维度动态数据：各渠道消费数据、手机信令数据、人口城市迁移数据、公交出行数据、出租单车的移动轨迹数据等。

面对数据的急剧增长，房地产企业分析必须借助大数据的分析和挖掘技术，提高决策能力和经济效益。

2 房地产土地价值评估的现状

由于宏观政策和市场趋势，头部房地产正在完成由建筑业向金融业的转型。在此背景下，房地产价值链条中营造部分的权重逐渐降低，融资部分的权重不断攀升。融资的核心在于风控，其中土地价值评估是首要也是风险最高的工作环节。

目前房地产在评估土地价值的分析中，首先要结合自身实力及项目定位，从城市的高度上审视项目，明确趋势以整合政府资源加以利用。其次需要对地块价值进行清晰的判断，包括对城市规划、周边配套和土地自身条件等条件，明确土地价值的核心优势点及劣势点。最后则需对房产交易市场、消费者进行深入研究，从市场现状、发展趋势、竞争压力和客户需求等角度明确地块市场价值及走势，为拿地决策提供科学合理的依据。

可以看到，大部分房地产在土地价值评估的分析过程中，更多的在于利用官方统计数据和市场交易数据对城市具体地块做宏观分析和市场判断，没有对大数据时代下消费者的行为数据进行结合并深入挖掘分析。

3 大数据下房地产的拿地环节分析

3.1 大数据下判断城市潜力

首先房地产企业需结合自身实力与项目定位，评估该城市的进入门槛与成本。房地产企业判断城市潜力的核心考察点在于，该城市能否吸纳人口。可根据PEST企业宏观环境分析模型展开分析。

①宏观政策，利用官方统计数据，判断城市是否有政策扶持，是否处于高速发展圈内，是否有周边城市虹吸效应影响，基础建设的规模及发展力度；②经济发展，利用城市企业的规模与数量，城市招商引资力度等经济数据，结合商业数据或市场调研数据判断城市企业提供的职位质量及数量，城市居民人均收入水平及消费能力；③社会现状，利用城市在往年春节期间的人口流动行为数据，判断城市外溢还是吸纳人才，以及外溢或吸纳人才的幅度和趋势；④技术能力，利用市场调研数据和互联网垂直网站数据及开源数据，判断城市房地产的市场饱和度、市场泡沫度、需求量的走势等。

3.2 大数据下区分地块价值

根据房地产行业发展规律，房地产必须把握城市的发展动向，找到重点发展的地块、土地价值上升空间大的地块进行投资，从而控制投资风险。大数据时代下，可以利用海量多维度数据结合GIS地理信息系统，将相关数据信息进行地理化，帮助企业看清城市的发展趋势，完成城市中不同地块的价值评估分析。如以下实际应用场景：

①利用官方统计数据、经济数据等，并结合市场调研和城市基础建设发展情况，判断该城市的具体发展方向，发展现状及发展力度；②利用互联网开源数据，判断城市不同地块的城市生活配套设施的分布情况，如地铁、医院、学校、商圈、广场等，具体关注各地块中的配套设施的聚集程度，以及其质量和数量；③利用公交地铁等交通数据，以及滴滴、共享单车定位的商业数据，结合GIS做出人口潮汐图，分析不同时间段的人口流動轨迹和人口聚集情况，判断各地块属性偏向于就业还是居住。

3.3 大数据下市场交易分析

房地产企业要评估各个地块的市场交易发展趋势。房地产市场环境主要是由城市的房地产发展趋势和供需关系所决定的。市场环境好，则有助于提升企营造与回款的效率，从而进一步的开拓和发展新项目。如果市场环境不好，那么企业进入该市场也会受到多方面的约束，效率降低，风险上升，从而影响进一步的发展。

①利用网上的开源数据以及商业数据，如不同时间点的房产属性、成交量、成交额、成交时长等，判断各地块的房地产市场现状及趋势，并可结合GIS地理信息系统，判断各类城市生活配套设施对房地产价格影响的权重，作为价值评估体系的一部分；

②利用消费者线上行为数据及市场交易数据，完成目标消费者人群画像，包括其性别分布、年龄分布、消费能力、家庭状况、关注户型、相关网页浏览时长等，判断出目标消费者的核心需求以及迫切程度，并结合房地产企业所要开发的项目类型、开发成本与周期，判断其可行性；

③利用商业数据，分析消费者完成消费的地点为集中还是分散，并结合RFM模型，即消费者的消费频率、人均消费水平、消费者最近一次消费的信息，判断地块各商圈的市场消费活力与辐射范围。

大数据在房地产评估土地价值这一环节的实际应用，关键点在于要将房地产行业相关数据信息进行地理化分析，并结合各地块房地产市场环境的现状及趋势，完成城市空间地图，构建城市地块价值评估指标体系，从而找到该城市的价值洼地，控制投资风险，提高整体效率。

4 结论

随着大数据时代的到来，数据的采集与分析在技术层面已不再是难点，如何结合房地产具体业务场景对海量的多维度数据并深入挖掘分析，从而产生价值，才是现阶段的关键。目前，在头部房地产正在完成由建筑业向金融业的转型这一行业大背景下，须将从数据中提炼的有效信息与房地产行业的具体业务知识进行结合分析，才能提高房地产企业的城市空间分析能力，从而完成土地价值评估这一环节的有效变革，提高回款效率，控制投资风险。