论文部分内容阅读
摘要：房地产市场是一个由土地供应、房地产开发、房屋交易及开发企业、金融机构、经纪中介、购房者等多方参与的多层次、多结构的复杂大系统。房地产市场本身受物理世界（房屋本身）、市场交易行为和人类社会活动（房地产相关的宏观经济环境）的综合作用，因此房地产市场大数据是有关房地产的位置空间数据、市场交易数据、参与主体动态行为数据以及与房地产相关的宏观经济、土地、人口、交通等的数据集合。基于此，文章对大数据在房地产市场分析中的应用进行了详细的阐述与研究。
关键词：大数据；房地产市场
1、大数据的构成
1.1房屋的基础数据
房屋既是构成房地产市场的物理单元，同时也是市场进行交易的对象。房屋的基础数据主要包括以下几个方面：地理位置、房屋楼栋、建筑信息、配套设施以及周边的环境等。
1.2交易数据
交易活动是房地产市场的核心部分，房地产市场交易的数据主要包括以下几个方面：商品房市场预售与成交量价数据、存量房市场成交量价的数据、房屋抵押登记的数据、房屋价格的评估数据及租赁市场量价的数据等方面。
1.3宏观经济、金融投资
房地产行业的发展状况与国民经济及其他产业部门及整个宏观经济环境是密切相联的，因此房地产市场分析要把房地产业置于整个经济系统与产业链条中，才能得出客观有益的结论。与房地产业数据主要包括：宏观经济、金融投资、土地的规划与利用、土地交易、人口、交通以及市政规划等方面。
1.4动态行为数据
购房者是房地产市场最主要的参与主体，作为对市场发展具有重要影响的因素要进行考量。随着移动互联网时代的不断发展，人们对于网络信息已产生了很大的依赖性，人们通过移动互联网的定制与获取有关服务的时候，也留下了有关需求选择、兴趣取向等重要信息，这些都与房地产动态行为数据中蕴含大量对房地产市场导向与反馈具有指示意义的人类行为模式，并从中挖掘到信息，极大地丰富与拓展了现有房地产市场的内容。2013年11月，国家统计局与阿里、百度等11家企业签定了大数据战略合作框架协议。
2、大数据分析及其在房地产市场中的应用
2.1大数据分析及其种类
大数据分析是数据与信息、知识之间相互交互的重要桥梁，大数据分析是通过分析获取传统信息分析方法无法获得的、智能深入的、有价值的信息和知识，其典型任务是通过对海量数据做统计性的搜索比较，发现潜在关联，获取有用信息，从而实现模式挖掘与预测分析。大数据越来越强调日益膨胀的用户网络行为数据的积累，如何对这一类蕴含有宝贵市场信息的非结构化数据进行深入挖掘分析、管理和应用，是我们面临的重大挑战。
在房地产大数据挖掘与分析领域，主要有关联分析、聚類分析、演变和预测分析等。关联分析，是寻找属性间的相关性，利用关联规则寻找在同一事件中出现的不同项的相关性，挖掘分析大量数据集合之间有趣的关联关系。比如通过房地产大数据分析，建立房地产相关服务与用户行为之间的关联规则。聚类分析，是将整个数据对象分成多个组群，在同一组群内部对象之间具有较高的相似度，而不同组群之间对象的差异较大。在房地产市场分析领域，借助聚类分析可以用来研究需求类型构成、片区市场分异，进而为楼盘开发类型的选择、区域房地产调控政策的制定提供科学依据。演变和预测分析，通过提取对象的重要数据进行建模，把握对象随时间变化的规律和趋势，进而进行合理预测。比如，结合人口构成变动、金融信贷发展趋势进行房地产消费趋向分析等。
2.2大数据分析在房地产市场中的应用范围
寻找关联、发现知识、挖掘价值是大数据时代信息分析的真正需要。大数据背景下，房地产市场相关的研究工作都是围绕着海量的房地产大数据展开的，基于数据挖掘算法，应用大数据分析技术，有效帮助我们从不断积累与更新的数据中提取有价值的信息，及时掌握市场发展动态、科学引导市场供需力量，合理制定产业调控政策。大数据分析在房地产市场中的实际应用日趋丰富，主要有以下几个方面：
房地产周期研究。研究房地产波动周期，寻找某个时间段内特定区域房地产的波动周期及规律，分析影响房地产波动周期的因素及其相互关系。
房地产市场发展趋势研究。分析房地产市场需求与国民经济增长、人均可支配收入、土地出让面积、房地产开发投资等因素之间的关系，运用统计回归、神经网络等方法建立模型、进行预测分析。
房地产经济预警指标体系研究。对房地产市场运行态势进行分析、测度和判断，并对未来的发展状况进行预测、预报和预警，以便及时采用有效措施来平缓波动，促进房地产市场的健康、可持续发展。
房地产市场区域板块研究。针对房地产经济区域发展不均衡的现象，运用比较分析、聚类分析等方法对区域板块市场进行动态分析。
房地产市场供给研究。综合人口住房条件及分布、土地利用现状、市政规划、交通分布信息等，通过聚类及层次分析方法，科学测算区域内不同类型不同业态房屋的供给数量及各自的地理位置和发展计划。
房地产市场需求研究。利用关联分析和序列分析研究房地产客户的需求，发现购房者的消费行为模式，找出购房消费的影响因素，为制定差别化营销策略提供依据。
3、结束语
综上所述，房地产行业是一个数据量大、关联性强、结构复杂、影响因素众多的非线性经济系统。传统的市场统计分析已经不能满足科学决策的需要，房屋全生命周期动态数据库的建设和基于GIS空间数据及房管大数据、BI等技术打造的一体化分析方法，将数字和图形巧妙的结合，提供系统的数据分析、报表、监控预警和信息化的房地产市场分析成果，实现房地产市场分析从定性到定量、由静态到动态、由事后向实时进而向事前的转变。更加直观的体现房地产市场状况，提高了市场分析成果的应用价值，为领导决策提供依据，为政府对房地产市场的调控提供数据支撑，通过数据分析引导房地产市场健康发展。
参考文献：
[1]范志勇.大数据分析技术在我国房地产市场分析中的应用.北方经贸.2015.26-27
[2]文庭孝.大数据时代的信息分析变革研究.图书情报知识.2015.5
[3]李先光.房地产市场分析预测中的数据挖掘技术应用研究.贵州工业大学学报.2007.1
关键词：大数据；房地产市场
1、大数据的构成
1.1房屋的基础数据
房屋既是构成房地产市场的物理单元，同时也是市场进行交易的对象。房屋的基础数据主要包括以下几个方面：地理位置、房屋楼栋、建筑信息、配套设施以及周边的环境等。
1.2交易数据
交易活动是房地产市场的核心部分，房地产市场交易的数据主要包括以下几个方面：商品房市场预售与成交量价数据、存量房市场成交量价的数据、房屋抵押登记的数据、房屋价格的评估数据及租赁市场量价的数据等方面。
1.3宏观经济、金融投资
房地产行业的发展状况与国民经济及其他产业部门及整个宏观经济环境是密切相联的，因此房地产市场分析要把房地产业置于整个经济系统与产业链条中，才能得出客观有益的结论。与房地产业数据主要包括：宏观经济、金融投资、土地的规划与利用、土地交易、人口、交通以及市政规划等方面。
1.4动态行为数据
购房者是房地产市场最主要的参与主体，作为对市场发展具有重要影响的因素要进行考量。随着移动互联网时代的不断发展，人们对于网络信息已产生了很大的依赖性，人们通过移动互联网的定制与获取有关服务的时候，也留下了有关需求选择、兴趣取向等重要信息，这些都与房地产动态行为数据中蕴含大量对房地产市场导向与反馈具有指示意义的人类行为模式，并从中挖掘到信息，极大地丰富与拓展了现有房地产市场的内容。2013年11月，国家统计局与阿里、百度等11家企业签定了大数据战略合作框架协议。
2、大数据分析及其在房地产市场中的应用
2.1大数据分析及其种类
大数据分析是数据与信息、知识之间相互交互的重要桥梁，大数据分析是通过分析获取传统信息分析方法无法获得的、智能深入的、有价值的信息和知识，其典型任务是通过对海量数据做统计性的搜索比较，发现潜在关联，获取有用信息，从而实现模式挖掘与预测分析。大数据越来越强调日益膨胀的用户网络行为数据的积累，如何对这一类蕴含有宝贵市场信息的非结构化数据进行深入挖掘分析、管理和应用，是我们面临的重大挑战。
在房地产大数据挖掘与分析领域，主要有关联分析、聚類分析、演变和预测分析等。关联分析，是寻找属性间的相关性，利用关联规则寻找在同一事件中出现的不同项的相关性，挖掘分析大量数据集合之间有趣的关联关系。比如通过房地产大数据分析，建立房地产相关服务与用户行为之间的关联规则。聚类分析，是将整个数据对象分成多个组群，在同一组群内部对象之间具有较高的相似度，而不同组群之间对象的差异较大。在房地产市场分析领域，借助聚类分析可以用来研究需求类型构成、片区市场分异，进而为楼盘开发类型的选择、区域房地产调控政策的制定提供科学依据。演变和预测分析，通过提取对象的重要数据进行建模，把握对象随时间变化的规律和趋势，进而进行合理预测。比如，结合人口构成变动、金融信贷发展趋势进行房地产消费趋向分析等。
2.2大数据分析在房地产市场中的应用范围
寻找关联、发现知识、挖掘价值是大数据时代信息分析的真正需要。大数据背景下，房地产市场相关的研究工作都是围绕着海量的房地产大数据展开的，基于数据挖掘算法，应用大数据分析技术，有效帮助我们从不断积累与更新的数据中提取有价值的信息，及时掌握市场发展动态、科学引导市场供需力量，合理制定产业调控政策。大数据分析在房地产市场中的实际应用日趋丰富，主要有以下几个方面：
房地产周期研究。研究房地产波动周期，寻找某个时间段内特定区域房地产的波动周期及规律，分析影响房地产波动周期的因素及其相互关系。
房地产市场发展趋势研究。分析房地产市场需求与国民经济增长、人均可支配收入、土地出让面积、房地产开发投资等因素之间的关系，运用统计回归、神经网络等方法建立模型、进行预测分析。
房地产经济预警指标体系研究。对房地产市场运行态势进行分析、测度和判断，并对未来的发展状况进行预测、预报和预警，以便及时采用有效措施来平缓波动，促进房地产市场的健康、可持续发展。
房地产市场区域板块研究。针对房地产经济区域发展不均衡的现象，运用比较分析、聚类分析等方法对区域板块市场进行动态分析。
房地产市场供给研究。综合人口住房条件及分布、土地利用现状、市政规划、交通分布信息等，通过聚类及层次分析方法，科学测算区域内不同类型不同业态房屋的供给数量及各自的地理位置和发展计划。
房地产市场需求研究。利用关联分析和序列分析研究房地产客户的需求，发现购房者的消费行为模式，找出购房消费的影响因素，为制定差别化营销策略提供依据。
3、结束语
综上所述，房地产行业是一个数据量大、关联性强、结构复杂、影响因素众多的非线性经济系统。传统的市场统计分析已经不能满足科学决策的需要，房屋全生命周期动态数据库的建设和基于GIS空间数据及房管大数据、BI等技术打造的一体化分析方法，将数字和图形巧妙的结合，提供系统的数据分析、报表、监控预警和信息化的房地产市场分析成果，实现房地产市场分析从定性到定量、由静态到动态、由事后向实时进而向事前的转变。更加直观的体现房地产市场状况，提高了市场分析成果的应用价值，为领导决策提供依据，为政府对房地产市场的调控提供数据支撑，通过数据分析引导房地产市场健康发展。
参考文献：
[1]范志勇.大数据分析技术在我国房地产市场分析中的应用.北方经贸.2015.26-27
[2]文庭孝.大数据时代的信息分析变革研究.图书情报知识.2015.5
[3]李先光.房地产市场分析预测中的数据挖掘技术应用研究.贵州工业大学学报.2007.1