参考中国报告网发布《2017-2022年中国房地产行业市场发展现状及十三五发展机会分析报告》
基金项目：重庆市教委研究生科技创新项目(CYS16185)；重庆交通大学优质课程项目资助
1 引言
房地产业是国民经济的支柱产业之一，同时也是一个信息密集型的行业。房地产信息资源的有效配置，对于行业的健康发展有着重要意义。近年来，随着市场的繁荣和信息技术的推广应用，房地产信息处于急剧膨胀状态，大数据时代已悄然来临。而《不动产登记暂行条例》的颁布实施，要求土地、房屋信息须统一、互联共享，更是对房地产信息服务提出了更高的标准和要求，传统的信息服务模式已经不能满足需要。因此，研究在大数据环境下的房地产信息创新模式具有一定的实际价值。
为此，本文在分析大数据下的房地信息服务现状及其特点的基础上，指出大数据下房地产信息服务面临的挑战，并从改善信息处理技术、促进信息共享、完善数据使用机制等角度提出对策。
2 大数据下的房地产信息服务现状及其特点
2.1 房地产信息服务现状
房地产信息在促进房地产投资、开发、经营、管理等活动的顺利开展、保障房地产市场的繁荣稳定和秩序等方面发挥着重要作用。国内外研究者都发现，在房地产交易中，房地产信息的不对称是房地产价格非正常上涨的一个诱因，房地产经纪人往往也利用自己掌握的信息加快房产的销售速率，甚至获取高额利润，及时准确的信息登记和披露，被当作是确保交易安全的重要手段。然而，房地产自身的固定性、唯一性、长期使用性及行业关联性高等特点，决定了房地产信息具有数量大、重复使用、彼此交互且衔接程度高的特点，房地产信息服务经常存在残缺不全和孤岛现象，信息不对称、不公开、不透明的问题较为严重。
为了疏通房地产信息交流渠道，需要建立起相应的信息服务体系，为行业提供房地产行情指数、房屋租售信息发布与查询、交易信息登记和披露、房地产管理信息平台等服务。为此，研究者和业内人士开展了大量工作。早在1963年，Bailey等就提出了搜集交易数据、运用回归统计分析构建房地产价格指数的方法，而Quigley利用特征价格模型对房地产价格指数的算法做了改进，这些工作奠定了房地产价格指数建立的基础，并推动研究者进一步分析了房地产信息与房地产行情指数之间的联系。除此以外，也有研究者深入研究了房地产信息公开制度的法律基础和存在的问题，讨论了房地产行业的信息统计工作。研究发现，由于政府是房地产市场的重要参与者和管理者，其拥有大量的房地产信息资源，在房地产信息服务中处于主导地位，应充分利用和促进房地产信息资源的市场化开发。
房地产信息服务与信息技术有着天然的联系，并随着信息技术的发展而涌现出新的应用模式与手段。在研究中，Kummerow和Lun发现信息科技对于提高房地产生产力、改善行业结构和发挥市场效率有突出贡献，唐根年等和曹新建等研究了房地产信息系统的应用与开发，Fang等设计了一套基于服务导向的房地产经纪人信息系统，吴勇等也研究了互联网上房地产信息的开发与利用，并以信息服务的效率对部分房地产网站进行了测评。
近年来，随着互联网科技的不断推进，房地产信息服务已逐渐转移到网络空间，像我国的搜房和乐居、英国的Rightmove、美国的MLS(Multiple Listing Service)等已成为房地产业信息服务的主要平台，这些网络平台和越来越多的网络应用日积月累地生成大量数据，乃至除了原有的房屋信息、客户信息、价格信息等结构化数据外，更多的如视频、搜索关键词、位置信息等非结构化数据也进入了房地产信息的范畴，成为房地产大数据的重要组成部分。在这个背景下，房地产信息的来源、类型以及搜集、整理、处理方式将发生颠覆性变革，传统的信息服务模式在大数据时代的冲击下已不再适应需求，需要与时俱进地进行创新，在大数据背景下探讨信息服务的新模式。
2.2 大数据下的房地产信息特点
按照资料显示，大数据是指“那些大小已经超出了传统意义上的尺度，常规的数据库技术难以完成捕捉、存储、管理和分析的数据集合”。一般的观点认为，大数据之大表现在如下几个方面(通常被称作4V)：①Volume：数据体量大。②Variety：数据类型繁杂。③Velocity：处理速度快。④Veracity：信息价值可用性密度低。房地产行业尽管缺乏全球性市场，但同样受到大数据浪潮的影响，给未来的发展和转型带来了众多挑战和机会。
在大数据时代，房地产的信息来源不再局限于传统的购房者资料、楼盘信息、交易记录、价格行情信息等结构化数据，人们的网络浏览痕迹、搜索关键词、网络平台和社交工具上的只言片语、手机位置信息、车辆传感器信息等非结构化数据亦成为分析和反映房地产行情和热点、趋势和走向的重要信息，传统信息服务所依赖的关系型数据库已不敷使用。根据不同的产生方式，房地产大数据可以分为大交易数据、大交互数据、大机器数据三种类型：
(1)大交易数据主要指发生交易行为所留下的数据信息。这类数据存在时间很长，包括最初的传统银行、电信交易数据及随互联网发展的网银、支付宝交易等传统、非传统交易数据。根据所发生交易行为数据信息，可直接用来预测消费行为、市场需求及发展趋势等。这类数据多掌握在大型电子商务公司、金融机构、电信公司等手中，往往是房地产业信息服务的基础数据。
(2)大交互数据主要指Facebook、Twitter、微博、微信和论坛等日常社交网络所留下的数据信息。这类数据主要以非结构化数据形式存在，重要性也逐渐呈上升趋势，在人们日常社交行为中隐藏着大量的信息，这类信息虽不直接反映消费者需求意向，但承载着人类的行为信息，折射出人们现实中的行为趋势和规律。这类数据拥有者主要为网站、社交网络平台等，数据形式不一，多为非结构化数据，庞杂繁琐但利用价值高，可以将此类信息进行分类分析，将碎片化的信息相关联，提取有效信息。
(3)大机器数据主要指各类机器、包括基于物联网发展的机器传感器所产生的数据，这类数据通过使用而产生，通过记录仪或传感器而被储存提取，附加着人类社会的诸多重要信息，比如车辆传感器数据可呈现出某地区的车流量信息，手机内置传感器数据可反映某地区平均人数，轻轨站公交卡机刷卡数据可反映某区域人流量信息等，这些数据主要掌握在社会服务设施、公共事业等的运营者手中。
2.3 大数据下的房地产信息应用
房地产大数据可为房地产行业提供宏观决策、市场分析和经营管理的多种信息，比如，根据大交易数据可以搜集市民的消费行为，反映居民物质生活水平和经济承受能力，帮助项目决策和建设；大交互数据隐藏着大量的消费者个人信息，通过社交网络、网上引擎等交互数据甚至可以分析消费者群体年龄、爱好、生活理念等，从而为房地产开发商提供精准的营销推广和物业服务的基础信息。依托物联网所发展的机器数据也可以通过许多看似不相关的数据提取有价值、有意义的信息，比如通过电梯的运行数据分析楼盘的空置率等。综合利用好这些数据，在保证信息安全的基础上构建大数据管理平台，可为未来的房地产信息服务提供更加广阔的信息资源。
很多房地产业界的研究者和从业人员都认识到大数据背景下房地产信息服务所面临的机会和挑战，并展开了一些研究工作。比如杜丹阳和李爱华针对大数据在房地产业的潜在应用进行了总结分析，并列表说明了部分知名企业在大数据上的投资及其应用；董倩等尝试运用百度的搜索引擎数据构建房地产价格预测模型，他们的工作与Wu和Brynjolfsson的一样，致力于探索大数据背景下利用非结构化数据提供房地产信息服务的潜力。王博永等也利用网络搜索数据对房地产宏观调控政策进行了尝试，发现行政政策是最有效的调控手段，从另一个角度显示了非结构化数据在政策分析上的作用；刘枬和刘小娟对大数据的研究现状和趋势进行了梳理，提出了未来房地产大数据的四个研究方向：层次结构、融合利用、交易与定价机制、市场运作机制。从这些研究可以发现，大数据背景下的房地产数据在质和量上面都有巨大变化，导致房地产信息服务的强度和难度增大，未知数增加，在带来广泛而深远的应用价值和市场潜力的同时，也带来了前所未有的挑战。
3 大数据下的房地产信息服务的挑战
如上所述，尽管国内外学者已经对房地产大数据的应用开展了一些研究，但还缺乏深入的、有针对性的工作。本文通过对大数据及房地产信息相关特征的综合分析，对当前房地产信息服务面临的挑战进行梳理。
3.1 数据类型复杂为提取采集有效信息造成挑战
在大数据时代，房地产信息除了传统结构性数据外，更多的数据来源于互联网，这些数据多为半结构性或非结构性数据，它们更新速度快、时效性强、数据量大且隐含可用信息多，但相对结构性数据，存在冗余、不完整、不精准、不易提取分析等问题。这些信息的有效提取将会为房地产信息服务带来隐含的市场信息，但面对各种不同种类的数据信息，如何实现数据提取，甄别虚假错误的信息进行筛选，降低决策风险及市场定价干扰因素，依据数据关联性完善不完整信息，对有效数据提取与处理技术提出了挑战。
3.2 庞大的数据体量给计算机存储加工及提高数据运行速度带来挑战
数据的不断更新使得每秒钟都有新的数据被采集和处理，数据体量的不断扩大，带来对存储空间的要求迅猛增加。而相对于目前的存储技术水平，对数据的存储和管理也需要新的技术开发，以处理大量类型庞杂的非结构性数据诸如网络日志、互动评论、搜索浏览痕迹等以及传感数据等。这样的系统需要对数以万计的文档、照片以及海量的其他数据进行实时更新、快速处理与反应，对于目前的技术现状仍是一个很大的挑战。
3.3 难以建立有效平台共享数据，缺乏可靠交易机制及精准定价模式
在大数据时代，“数据即资产”的前景将使拥有房地产数据的政府职能部门、企业、金融机构、网站坐拥丰厚资产，但不同的组织拥有的数据可能迥然不同，需要互通有无才能发挥价值，避免闲置和浪费。大数据所有者之间应建立起合理的、共赢的数据交易机制，按照一定的定价原则，实现数据资产的共享，这不仅关系到数据资产的盘活套现，是数据价值实现的关键点，也是机制创新与管理研究乃至政府服务型职能转换的重要环节，譬如，房地产行政主管部门可依靠其拥有的房产物质信息和交易数据，为二手房购买者提供成交前的验房和信息查询服务，也可将所掌握的数据外包给专业数据处理公司做二次处理，提供专业的咨询服务。但实际现状是政府职能部门、企业、金融机构、网站等不同的社会群体各自掌握着不同的数据，对所拥有数据有所保留，各自对数据分析运用，并未实现真正意义的数据共享将数据进行关联挖掘出更为准确有效的数据信息，在此种情况下难以实现数据共享，建立合理的交易机制与定价模型，发挥数据的最大价值。
3.4 一旦实现数据共享难以进行数据安全保护
大数据时代每个人都暴露在数据中，看似毫无关联的数据用适当的方式可能被提取出有效的隐私或保密信息，在没有健全的数据保护体系下实现数据共享将存在极大的安全隐患。某种意义上说，政府职能部门未实现数据的完全公开也有这个方面的考虑，这是国家层面亟待解决的法律和技术问题。
基金项目：重庆市教委研究生科技创新项目(CYS16185)；重庆交通大学优质课程项目资助
1 引言
房地产业是国民经济的支柱产业之一，同时也是一个信息密集型的行业。房地产信息资源的有效配置，对于行业的健康发展有着重要意义。近年来，随着市场的繁荣和信息技术的推广应用，房地产信息处于急剧膨胀状态，大数据时代已悄然来临。而《不动产登记暂行条例》的颁布实施，要求土地、房屋信息须统一、互联共享，更是对房地产信息服务提出了更高的标准和要求，传统的信息服务模式已经不能满足需要。因此，研究在大数据环境下的房地产信息创新模式具有一定的实际价值。
为此，本文在分析大数据下的房地信息服务现状及其特点的基础上，指出大数据下房地产信息服务面临的挑战，并从改善信息处理技术、促进信息共享、完善数据使用机制等角度提出对策。
2 大数据下的房地产信息服务现状及其特点
2.1 房地产信息服务现状
房地产信息在促进房地产投资、开发、经营、管理等活动的顺利开展、保障房地产市场的繁荣稳定和秩序等方面发挥着重要作用。国内外研究者都发现，在房地产交易中，房地产信息的不对称是房地产价格非正常上涨的一个诱因，房地产经纪人往往也利用自己掌握的信息加快房产的销售速率，甚至获取高额利润，及时准确的信息登记和披露，被当作是确保交易安全的重要手段。然而，房地产自身的固定性、唯一性、长期使用性及行业关联性高等特点，决定了房地产信息具有数量大、重复使用、彼此交互且衔接程度高的特点，房地产信息服务经常存在残缺不全和孤岛现象，信息不对称、不公开、不透明的问题较为严重。
为了疏通房地产信息交流渠道，需要建立起相应的信息服务体系，为行业提供房地产行情指数、房屋租售信息发布与查询、交易信息登记和披露、房地产管理信息平台等服务。为此，研究者和业内人士开展了大量工作。早在1963年，Bailey等就提出了搜集交易数据、运用回归统计分析构建房地产价格指数的方法，而Quigley利用特征价格模型对房地产价格指数的算法做了改进，这些工作奠定了房地产价格指数建立的基础，并推动研究者进一步分析了房地产信息与房地产行情指数之间的联系。除此以外，也有研究者深入研究了房地产信息公开制度的法律基础和存在的问题，讨论了房地产行业的信息统计工作。研究发现，由于政府是房地产市场的重要参与者和管理者，其拥有大量的房地产信息资源，在房地产信息服务中处于主导地位，应充分利用和促进房地产信息资源的市场化开发。
房地产信息服务与信息技术有着天然的联系，并随着信息技术的发展而涌现出新的应用模式与手段。在研究中，Kummerow和Lun发现信息科技对于提高房地产生产力、改善行业结构和发挥市场效率有突出贡献，唐根年等和曹新建等研究了房地产信息系统的应用与开发，Fang等设计了一套基于服务导向的房地产经纪人信息系统，吴勇等也研究了互联网上房地产信息的开发与利用，并以信息服务的效率对部分房地产网站进行了测评。
近年来，随着互联网科技的不断推进，房地产信息服务已逐渐转移到网络空间，像我国的搜房和乐居、英国的Rightmove、美国的MLS(Multiple Listing Service)等已成为房地产业信息服务的主要平台，这些网络平台和越来越多的网络应用日积月累地生成大量数据，乃至除了原有的房屋信息、客户信息、价格信息等结构化数据外，更多的如视频、搜索关键词、位置信息等非结构化数据也进入了房地产信息的范畴，成为房地产大数据的重要组成部分。在这个背景下，房地产信息的来源、类型以及搜集、整理、处理方式将发生颠覆性变革，传统的信息服务模式在大数据时代的冲击下已不再适应需求，需要与时俱进地进行创新，在大数据背景下探讨信息服务的新模式。
2.2 大数据下的房地产信息特点
按照资料显示，大数据是指“那些大小已经超出了传统意义上的尺度，常规的数据库技术难以完成捕捉、存储、管理和分析的数据集合”。一般的观点认为，大数据之大表现在如下几个方面(通常被称作4V)：①Volume：数据体量大。②Variety：数据类型繁杂。③Velocity：处理速度快。④Veracity：信息价值可用性密度低。房地产行业尽管缺乏全球性市场，但同样受到大数据浪潮的影响，给未来的发展和转型带来了众多挑战和机会。
在大数据时代，房地产的信息来源不再局限于传统的购房者资料、楼盘信息、交易记录、价格行情信息等结构化数据，人们的网络浏览痕迹、搜索关键词、网络平台和社交工具上的只言片语、手机位置信息、车辆传感器信息等非结构化数据亦成为分析和反映房地产行情和热点、趋势和走向的重要信息，传统信息服务所依赖的关系型数据库已不敷使用。根据不同的产生方式，房地产大数据可以分为大交易数据、大交互数据、大机器数据三种类型：
(1)大交易数据主要指发生交易行为所留下的数据信息。这类数据存在时间很长，包括最初的传统银行、电信交易数据及随互联网发展的网银、支付宝交易等传统、非传统交易数据。根据所发生交易行为数据信息，可直接用来预测消费行为、市场需求及发展趋势等。这类数据多掌握在大型电子商务公司、金融机构、电信公司等手中，往往是房地产业信息服务的基础数据。
(2)大交互数据主要指Facebook、Twitter、微博、微信和论坛等日常社交网络所留下的数据信息。这类数据主要以非结构化数据形式存在，重要性也逐渐呈上升趋势，在人们日常社交行为中隐藏着大量的信息，这类信息虽不直接反映消费者需求意向，但承载着人类的行为信息，折射出人们现实中的行为趋势和规律。这类数据拥有者主要为网站、社交网络平台等，数据形式不一，多为非结构化数据，庞杂繁琐但利用价值高，可以将此类信息进行分类分析，将碎片化的信息相关联，提取有效信息。
(3)大机器数据主要指各类机器、包括基于物联网发展的机器传感器所产生的数据，这类数据通过使用而产生，通过记录仪或传感器而被储存提取，附加着人类社会的诸多重要信息，比如车辆传感器数据可呈现出某地区的车流量信息，手机内置传感器数据可反映某地区平均人数，轻轨站公交卡机刷卡数据可反映某区域人流量信息等，这些数据主要掌握在社会服务设施、公共事业等的运营者手中。
2.3 大数据下的房地产信息应用
房地产大数据可为房地产行业提供宏观决策、市场分析和经营管理的多种信息，比如，根据大交易数据可以搜集市民的消费行为，反映居民物质生活水平和经济承受能力，帮助项目决策和建设；大交互数据隐藏着大量的消费者个人信息，通过社交网络、网上引擎等交互数据甚至可以分析消费者群体年龄、爱好、生活理念等，从而为房地产开发商提供精准的营销推广和物业服务的基础信息。依托物联网所发展的机器数据也可以通过许多看似不相关的数据提取有价值、有意义的信息，比如通过电梯的运行数据分析楼盘的空置率等。综合利用好这些数据，在保证信息安全的基础上构建大数据管理平台，可为未来的房地产信息服务提供更加广阔的信息资源。
很多房地产业界的研究者和从业人员都认识到大数据背景下房地产信息服务所面临的机会和挑战，并展开了一些研究工作。比如杜丹阳和李爱华针对大数据在房地产业的潜在应用进行了总结分析，并列表说明了部分知名企业在大数据上的投资及其应用；董倩等尝试运用百度的搜索引擎数据构建房地产价格预测模型，他们的工作与Wu和Brynjolfsson的一样，致力于探索大数据背景下利用非结构化数据提供房地产信息服务的潜力。王博永等也利用网络搜索数据对房地产宏观调控政策进行了尝试，发现行政政策是最有效的调控手段，从另一个角度显示了非结构化数据在政策分析上的作用；刘枬和刘小娟对大数据的研究现状和趋势进行了梳理，提出了未来房地产大数据的四个研究方向：层次结构、融合利用、交易与定价机制、市场运作机制。从这些研究可以发现，大数据背景下的房地产数据在质和量上面都有巨大变化，导致房地产信息服务的强度和难度增大，未知数增加，在带来广泛而深远的应用价值和市场潜力的同时，也带来了前所未有的挑战。
3 大数据下的房地产信息服务的挑战
如上所述，尽管国内外学者已经对房地产大数据的应用开展了一些研究，但还缺乏深入的、有针对性的工作。本文通过对大数据及房地产信息相关特征的综合分析，对当前房地产信息服务面临的挑战进行梳理。
3.1 数据类型复杂为提取采集有效信息造成挑战
在大数据时代，房地产信息除了传统结构性数据外，更多的数据来源于互联网，这些数据多为半结构性或非结构性数据，它们更新速度快、时效性强、数据量大且隐含可用信息多，但相对结构性数据，存在冗余、不完整、不精准、不易提取分析等问题。这些信息的有效提取将会为房地产信息服务带来隐含的市场信息，但面对各种不同种类的数据信息，如何实现数据提取，甄别虚假错误的信息进行筛选，降低决策风险及市场定价干扰因素，依据数据关联性完善不完整信息，对有效数据提取与处理技术提出了挑战。
3.2 庞大的数据体量给计算机存储加工及提高数据运行速度带来挑战
数据的不断更新使得每秒钟都有新的数据被采集和处理，数据体量的不断扩大，带来对存储空间的要求迅猛增加。而相对于目前的存储技术水平，对数据的存储和管理也需要新的技术开发，以处理大量类型庞杂的非结构性数据诸如网络日志、互动评论、搜索浏览痕迹等以及传感数据等。这样的系统需要对数以万计的文档、照片以及海量的其他数据进行实时更新、快速处理与反应，对于目前的技术现状仍是一个很大的挑战。
3.3 难以建立有效平台共享数据，缺乏可靠交易机制及精准定价模式
在大数据时代，“数据即资产”的前景将使拥有房地产数据的政府职能部门、企业、金融机构、网站坐拥丰厚资产，但不同的组织拥有的数据可能迥然不同，需要互通有无才能发挥价值，避免闲置和浪费。大数据所有者之间应建立起合理的、共赢的数据交易机制，按照一定的定价原则，实现数据资产的共享，这不仅关系到数据资产的盘活套现，是数据价值实现的关键点，也是机制创新与管理研究乃至政府服务型职能转换的重要环节，譬如，房地产行政主管部门可依靠其拥有的房产物质信息和交易数据，为二手房购买者提供成交前的验房和信息查询服务，也可将所掌握的数据外包给专业数据处理公司做二次处理，提供专业的咨询服务。但实际现状是政府职能部门、企业、金融机构、网站等不同的社会群体各自掌握着不同的数据，对所拥有数据有所保留，各自对数据分析运用，并未实现真正意义的数据共享将数据进行关联挖掘出更为准确有效的数据信息，在此种情况下难以实现数据共享，建立合理的交易机制与定价模型，发挥数据的最大价值。
3.4 一旦实现数据共享难以进行数据安全保护
大数据时代每个人都暴露在数据中，看似毫无关联的数据用适当的方式可能被提取出有效的隐私或保密信息，在没有健全的数据保护体系下实现数据共享将存在极大的安全隐患。某种意义上说，政府职能部门未实现数据的完全公开也有这个方面的考虑，这是国家层面亟待解决的法律和技术问题。
资料来源：中国报告网整理，转载请注明出处（ww）。
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
