基于大数据的地产C2B模式数据采集场景探析

文｜对外经济贸易大学统计学院 孙会想

0.背景分析

随着居民生活水平的提高和对改善型住房的需求不断攀升，“房住不炒”被写入了十九大报告。行业发展环境及住房评价标准在改变，更加注重项目规划及建造的科学性，房屋居住舒适性。这将会深刻改变房地产企业的发展战略、运营模式及价值逻辑。

开发商会更加注重房屋品质，更加关注房屋的居住价值，并以此为导向开展规划、设计和建造等工作。而利用基于大数据的C2B来辅助进行开发过程及产品的改进，将是大数据在地产开发领域的重要应用之一。

1 地产开发C2B模型

房地产开发过程主要包括前期拿地、规划设计、施工建造、推盘销售、物业客服（商业地产还会涉及商业租赁）等环节。随着企业信息系统建设不断深入，以及对AI、VR、3D打印、BIM等技术的不断引入，可以将很多原来不能数据化的过程、工艺、场景等进行数字化处理，与购房者的交互方式也更加多元化。大数据将会在房地产开发领域起到越来越重要的推动作用。而基于大数据平台的C2B模式就是其应用之一。

C2B模式是互联网经济时代新的应用模式，是一种消费者贡献价值的增值利用。一般领域的C2B 模式，由消费者提出需求而后展开生产，需要消费者的直接参与度比较高。但由于地产开发过程的特殊性：即规划设计和建造复杂性、多方主体协同性和技术专业性，让消费者直接参与其中不太现实。因此在地产开发领域的C2B模式通常表现为在各环节的客户触点引导并记录业主（或购房者）的需求及建议。然后通过大数据平台，将客户的非结构化输入做处理，纳入到专业的数字化模型库（专业数据库、BIM模型、图纸、工法）中，并在规划、设计、建造环节可以被应用平台所调用，并通过构建良好的沟通平台与其进行交互，形成闭环促进产品改进、提升业主（及购房者）的满意度，为企业创造价值。

2 应用前提-大数据平台构建

在企业开展基于大数据平台的C2B应用建设。首先是需要企业具备自主可控的大数据平台，这是大数据应用的基础。大数据平台需要具备对企业内外部系统的数据聚合与处理能力，并可对数据资产进行统一管理与数据封装，实现对企业数据、应用管理与服务能力的支撑。满足以下原则：（1）一体化：兼顾内外，统一数据视图，服务各系统及应用领域，实现跨业务、跨系统的数据支撑；（2）先进性：确保平台符合SOA标准，提供可扩展、稳定、可平滑演进、资源可弹性调配的能力；（3）智慧型：转变传统以报表为主的数据服务方式，以洞察为导向，提高分析处理能力，强化在感知、调度、触发等方面的智慧性；（4）开放性：服务对象不仅包括内部还包括外部的合作伙伴及业主（购房者）。可依据数据安全标准、服务内容设定不同的数据权限；（5）安全性：具备统一完善的安全机制。可针对不同的服务对象和数据内容构建差异化的安全访问策略和分级管理机制，确保资产信息保存、访问和传输的安全性；（6）易用性：构建统一数据资产，实现可视化。确保用户的良好体验，具备易用的交互界面与灵活的展现方式；（7）易维性：运维功能深入且直观，易理解，功能描述准确细致，逻辑清晰。

针对于大数据平台的技术架构，考虑到企业历史数据及未来发展。需要同时兼顾企业信息系统的私有部署状况及外部数据的云化部署，在进行大数据平台构建时需要充分考虑各数据来源属性。

地产企业大都已经建成了贯穿全业务链的内部信息系统，并有部分企业开展了BIM、建筑智能化体系建设，构建了成本、产品、部品、品牌、经营等专业数据库。在此基础上开展了侧重于运营分析及决策支持的数据应用分析，但经营预测及洞察涉猎较少。

企业ERP数据是地产大数据平台的核心数据资产，同时行业的产业协作链条很长，因此还需要注重产业链协作（政府、规划、设计、施工等）数据，期间会产生如电子商务、行为链路、技术模型（图纸、BIM、构件参数）等数据。

开发建设过程中所应用的新技术如AI、3D打印、VR/AR等需要与外部厂商合作，且基本都通过云的方式，这要求大数据平台需要足够的开放性，以统筹引入外部数据，有效整合外部服务商及合作伙伴。

在技术架构层面，由于需要面对不同部署方式的系统及数据，因此需要基于SOA架构对企业的信息系统平台进行构建。在规划、建设时需要依据企业及行业发展趋势慎重选择技术路线，选择具有持续增长潜力且较为成熟的方案。

在数据治理层面，需要做好顶层设计，对数据标准及接口建立规范，借助于专业技术厂商通过建立主数据平台、符合SOA规范的企业服务集成（ESB）等对数据层打通，对数据权限进行控制，整合包括内部系统数据、现场采集数据、用户触点数据及外部数据在内的大数据资源。

在此基础上进行应用场景分析，进行商业建模，明确数据逻辑。对数据进行格式转换、数据清洗、数据同步、场景数据抽取等工作。

3 地产开发C2B模式-触点数据收集

大数据的应用价值需要通过场景来体现，并确立分析目标。对于基于大数据的地产开发C2B模式，需要对房地产开发链条进行客户触点及业务链触点分析。客户触点数据收集主要集中于推盘销售、物业服务、商业服务等后端环节。而前端的规划、设计和施工主要的触点数据比较集中于第三方（政府、合作商）的交互数据（签证变更、专业方案、BIM模型、图纸、工法等）。

购房者及业主是C2B所涉及数据的主要贡献者，其数据结构，包含基本信息、个人信息、特征信息、交互信息、交易数据和行为数据等。基于线上、线下的触点，从不同维度、贯穿整个开发过程对消费者进行洞察。

销售推盘环节是地产公司运营、经营成果的集中体现，也是与购房者交互频繁的环节，是数据采集的重点。该环节最重要的数据是交易数据，基本都在CRM系统中,通过这些数据可以有效的进行房产去化、价格、成交、偏好等分析，可以初步推断受欢迎的户型、产品等。但CRM在设计时很少考虑与前置环节的打通，没有与产品数据关联，因而无法通过数据来反馈产品对销售的影响，也无法从销售数据逆向到产品，不能形成闭环。因此，还需要关注收集客户在交易过程中的反馈以及对于楼盘、户型、景观等非结构化评价数据。有别于传统意义只对项目数据进行描述分析而忽略了趋势性分析。还应该利用统计学的方法，进行洞察分析挖掘。

以往样板间、示范区主要用于营销展示，而忽略了其作为用户触点的价值。样板房、示范区是很好的数据与实体的统一载体，可以充分利用物联网技术、人像识别、轨迹跟踪等对购房者进行立体跟踪并采集对建筑规划、户型设计、建材选用、空间利用、行动轨迹、楼盘对比等信息。

楼盘配套的物业服务是企业品牌的形象展示窗口。品牌地产商都很重视物管建设，传统上物业管理是一个劳动密集型的部门，对新技术的应用度不高，水平也较低。但在互联网时代，物业服务成为了互联网与传统服务的交汇地，成为了数据采集及应用的重地。物业公司拥有大量社区客户资源，可以接触很多个人及消费、生活习惯、行为信息，与业主打交道的频次远高于其他环节。在很大程度上弥补了房地产开发对于居民生活数据、对所建造产品的体验数据的捕捉能力。将这些信息结合地产开发链条上的数据加以深度利用将产生巨大的商业价值。

以往的物业服务对于投诉保修主要体现在对投诉的响应与解决，停留在事务层面，没有体系性的进行数据挖掘、分析。借助于移动互联技术及物业管理体系，可以通过对相关数据进行分析，找到产品及服务的改进点。可以通过呼叫中心（客服系统）获取业务的服务需求及投诉信息，通过网络爬虫技术抓取互联网上的客户评价及建议，及时纳入数据库。

在过去，物业社区的智能化设备往往更关注于功能性，而忽视了数据化，在建设时忽视了数据采集，在运营时也很少考虑数据分析。这种状态需要改变，在规划设计和建造阶段就应充分考虑智能化和数据化，前瞻性的在人性化家装、智能化家居和智能化社区方面进行布局，在进行诸如安防监控、停车门禁、电子巡更等系统的建设时，要充分考虑数据接口符合数据平台规范，能够有效接入大数据平台。

对于商业地产，还会涉及到商业租赁及消费体系的数据化场景。大数据采集主要聚焦于商户经营数据与顾客消费数据。建立完善的收银、导航、客流等系统，叠加外部数据，以分析商户的经营情况、坪效。以往购物中心的热区、冷区、动线等主要依赖于规划及设计人员的经验，而忽视了数据对规划设计的参考作用。而现在随着各项智能化设备的数据化，可以通过数据进行分析挖掘。

4 数据清洗、转化及建模

基于前期采集的数据，后续需要进行数据整理，将数据融入到各专业数据库，供后续应用。首先要做的就是进行数据预处理。根据具体的业务场景及目标，接入数据源。对数据进行预处理使得数据能够标准化及结构化，从而提高数据质量（准确性、完整性和一致性），这其中利用的方法主要有数据清理、数据集成、数据规约和数据变换等。

数据清理是光滑噪声、识别离群点，对缺失数据填充缺省值。数据集成是集成多个来自不同场景的数据源。数据归约是根据应用场景对数据集合进行简化表示，便于后续操作。数据变换是使得数据集合规范化、并进行概念分层。经过数据清洗后，进行数据转化及建模工作，归集到专业库，供后续利用。同时不可忽视的是，要定期的对转化方法、模型及应用效果进行回顾分析，评价模型的优缺点，持续进行改进。

综上，本文对基于大数据的C2B模式在房地产领域的应用进行了阐述，并就C2B应用中的数据采集及转化环节进行探析。