摘要：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。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。
关键词：大数据；房地产；风控；土地价值评估
一、大数据概念
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。
二、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。
三、房地产价值评估的影响因素
1.房地产价格构成。房地产的价格构成项目通常包括七项，即土地取得成本、开发成本、管理费用、资金成本、销售费用、销售税费、开发利润。其中，开发成本包括了土地开发成本、建筑物建造成本。在评估时，评估对象房地产一般会分为土地、建筑物及房地合一状态下的房产三种基本存在形态。不同的评估对象，其成本构成项目不尽相同，从而使得最终的评估结果也会有所不同。因此，明确其价格构成项目就显得尤为重要。
2.房地产的价格影响因素。房地产的价格影响因素主要包括三大因素。首先是一般因素，即房地产普遍、共同的因素，如社会因素、经济因素、政策因素等，房地产价格普遍会受到该因素的影响。其次是区域因素，即房地产所在特定区域及地段的自然、社会、经济、政策等因素相结合所产生的区域性特征对房地产价格的影响。由于房地产是物质实体、权益及区位的综合体，由此可知，区域因素对房地产价格有着重大影响。此外，在评估时还应注意评估对象的用途，不同用途的房地产，区域因素对其价格的影响程度也有所不同。最后是个别因素，即房地产的个别性对房地产个别价格的影响因素，具体涉及土地、建筑物、房地产权益三个方面，可细分为面积、形状、邻街状况、用途、结构、楼层、朝向、新旧程度、权属、容积率、土地使用权年限等方面，市场上所谓的“一房一价”由此体现。
四、大数据下房地产的拿地环节分析
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。
期刊文章分类查询,尽在期刊图书馆
（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。
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动动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.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，则有助于提升其营造与回款的效率，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。
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。
参考文献：
[1]李妍，肖良生.大数据和GIS的房地产信息体系构建[J].中国房地产，2015.
[2]俞薇，赵静，秦俊武.城市基础设施资本存流量配置差异与房地产投资空间分布研究[J].重庆大学学报（社会科学版），2015.
论文作者:李敬文
论文发表刊物:《基层建设》2019年第12期
论文发表时间:2019/7/19
标签：数据论文; 城市论文; 房地产论文; 因素论文; 地块论文; 价值论文; 土地论文; 《基层建设》2019年第12期论文;