大数据颠覆房地产中介,选房神器帮你挑好房
房屋买卖不再靠中介一间间带着看房,房价信息、贷款搜索大数据透明化,哪一栋房的宜居指数最适合你,动一动手指就能找得到。
香港寸金寸土,对大部分人来说,买房子是一项很大的投资。因我父亲从事土地测量工作,我从小就耳濡目染,明白城市规划的数据对房价的影响。比如,未来小区附近是否会建地铁站或公园,以及学校数量等规划,都会对该区房价产生极大影响。因为对一个地方的评价不仅取决于房子本身的好坏,还包括了对周围空气、公共设施、绿化甚至光照等因素的考虑。
大家是否想过,当你打算购买房子时,这些信息和数据你都能拿到吗?你又知不知道每个因素对房价的影响有多大?如果不懂如何分析,最终你可能会迷失在众多指标中。另外,在找房子的时候,你的参考价格是多少呢?最常见的是比较附近的同类房产价格,但这种粗略的方式,却没有考虑到一些更新的信息,例如政府的房地产政策、社区内垃圾站的搬迁、附近公共设施的配套、小区居民的群体变化等等。
美国有个网站Zillow,利用大数据提供免费房地产估价服务,他们取得美国许多地区MLS(房产中介者共享的买卖数据库)的使用资格,利用交易数据加上房主主动提供的信息,再配合线上线下收集到的小区数据,根据大量数据中的历史及实时交易价格变动,开发了一套系统去估算房产目前的市价。
类似的还有HomeUnion、Redfin等,他们都利用了银行、保险、地产中介、小区规划等数据来估算房产的价格。我记得上次去美国访谈HomeUnion时,印象特别深刻,因其创办人本身就是房地产中介出身,故从特别了解每个地区的中介人那里,搜集一些经验规律来提高房地产估价的准确度。
到目前为止,刚才提到的公司里面,我认为最好的一家所估出来的价格,跟实际价格大概有7%~16%误差。这个结果固然有待改善,特别是在数据比较少的地区,幸运的是,资料化(datafication)还在继续高速发展。美国有个叫Citymaps(城市地图)的App,可让每一个人都制作自己的小区地图,这些地图会显示比如哪里的咖啡好喝、哪里有不错的意大利餐厅、哪里有百货公司、哪里有公园可以散步等等。有了这些信息,我们就可知道每个小区的特色,进而知道这个小区是否是你心仪的风格,最终你是否愿意住在这里,这在多元的社会里尤其重要。
大数据挑楼神器若追溯历史,从根本而言,中国风水也可以说就是一门大数据收集、计算并加以分析的学问。风水虽有迷信色彩,但它讲求观察各种地貌,了解地气走向,实际上就是凭数据研究哪种类型的环境适合人们居住。从这个意义看,未来我们若能在房屋内外安装传感器,可以大面积、精确地收集每天的风力雨水、阳光冷暖、空气净度……久而久之,我们就能在充足数据基础上,描绘出一幅适合不同人群居住的建议地图,而宜居指数也可能成为房地产估值最关键的指数。
从大数据角度看,风水这门学问或许快被颠覆了,而且也不再像想象中那么神秘。我们可以根据这些数据对自己居住的房子和小区有更客观的了解,帮助你投资更适合你而又物有所值的房产。
房地产中介大数据案例:Zillow
Zillow是美国房地产搜寻网站,2006年在西雅图创立。Zillow通过大数据搜集到全美超过110万个房屋相关信息,包含房产中介业者的买卖数据库所提供的出租及出售状况、买卖相关数据、金额,再通过自家研发的房屋价值预测系统Zestimate,分析、估算房产最新市价,并且借此提供使用者房屋买卖、租赁、融资、改造等各种参考信息。
思考
如果你身在房地产中介相关产业,请思考大数据将给房地产中介业带来什么样的变革?对你的工作流程与绩效将产生什么样的改变?
1. 传统房地产中介对象多仅限在区位、总价、格局、面积等,如何运用大数据进一步帮客户找出全新购房模式?
2. 房地产中介核心价值不是买卖,而是精准配对。想一想大数据可以怎么帮助你提供专业咨询,与店里、线上的全渠道精准配对给客户?
3. 不动产实价登记、不动产授信统计信息等大数据开放后,提供民众购房的参考依据,这些大数据可以如何结合进你的服务里?
4. 感动来自于更懂顾客,想一想可以如何运用大数据,增加对房屋周围环境的判断,再搭配地图功能,方便顾客找出最适合的房源?