前言：
大数据是一个事关我国经济社会发展全局的战略性产业，大数据技术为社会经济活动提供决策依据，提高各个领域的运行效率，提升整个社会经济的集约化程度，对于我国经济发展转型具有重要的推动作用！2016年，由中国首席数据官联盟发起并承办，北京大学信息化与信息管理研究中心、中国新一代IT产业推进联盟、数邦客协办的“影响中国大数据产业进程100人”大型人物专访活动全面启动，被采访对象分别来自政府、产、学、研、企各个领域，他们将从不同角度，不同层面向大家阐述当前大数据产业热点、难点、疑点问题，为中国大数据产业健康、持续发展探索经验、保驾护航，敬请关注！
首席数据官联盟专家组成员，云房数据 CEO 王晨
王晨个人简介：
首席数据官联盟专家组成员，云房数据CEO，注册房地产估价师，中国地理信息产业协会不动产工作委员会副主任。历任仁达房地产评估个贷部总经理、数据信息事业部总经理职务。2006年至今，一直从事房地产评估以及房地产数据相关工作。10年的工作经验，8年的信息化系统平台的研究开发灰机数据采集整理方面的管理经验，对饭店数据信息领域有着深刻的理解。
本期特邀嘉宾中国首席数据官联盟发起人刘冬冬，就中国的房地产大数据与王晨先生进行深入探讨。
刘冬冬：公司最初发展为何切入房地产数据方向，看到了怎么样的潜在发展？
王晨：云房数据和其它的互联网数据公司有一些不同，我们实际上是从传统行业转型到大数据和互联网这个领域来的。之前近十年我们一直是做房地产估价业务的，2008年之后，我们的业务量比较大，其中最大的一块就是个贷评估业务。例如单就北京一天几百单的评估量，我们操作的流程就要面临评估之前先打电话，或者是通过QQ，我的房子值多少钱，先询价，在询价的时候我们就面临两件事情：第一，他打电话过来说我是某某小区，我们的脑海中就要知道小区位置在哪里，状况怎么样。等于说我们要把小区想象出来；第二，我要知道小区现在的价格，最近有没有成交，市场行情怎么样。
实际上有两个挑战，首先我们需要把楼“立”起来，楼的动态价格要附上去。这时候就面临建基础数据库，因为要靠人，我们北京这么大，不能所有的小区都熟悉。当然也不仅是北京，我们全国各地都面临这个问题。我们公司最早的任达评估，在全国有11家分公司，都面临要把这个城市的楼“立”起来的问题。所以先要把城市的基础数据库建起来。现在比较热门的词“楼盘字典”，链家或者搜房说我要建楼盘字典，现在是房地产经纪行业，这就是基础库。
其次，动态的价格附上去之后，如果只靠人的想象，或者去做市调附这个价格，我们只是知道小区的价格，但小区楼栋和楼栋之间，户与户之间是有差异性的，怎么样反映差异性。另外，有些小区有成交，有些没有，没有成交的小区你怎么给他做出来，这就面临了一套估值算法，把全市房子的价格都给算出来，而且要建立一整套的估值模型，基础数据库和案例数据库进行匹配，加上估值模型。这是当时的一个挑战，所以我们想往这方面去努力。
刘冬冬：大家都关心数据的商业价值，您对房地产数据的商业价值怎么看？
王晨：大数据的应用一定要结合于场景，许多行业的具体问题可以通过数据分析来解决。房地产不论从国民经济，还是从百姓生活来看，都是最具有场景性应用的行业，目前很多大数据行业也是在积极的与房地产结合。
其次，房地产是人们所有行为的落地载体，换句话说，大多数的行业数据或行为都会和房地产进行结合，不论是具体的空间，还是具体的地址匹配，大到政府的各职能部门的业务管理，还是企业的经营管理，小到个人的经济行为，所有的数据都可以与房地产数据结合。
房地产既是大的场景，也是各个行业大数据关联的重要底层。
刘冬冬：您怎样看待房地产行业这样一个场景应用的价值？
王晨：我们做过一个统计分析，中国的房产总资产有240万亿，围绕240万亿体量的房产触发的经济行为量巨大，这些经济行为都需要估值。我们以“数据+估值”为核心点，一点多面的应用数据：
1、金融领域：如何实现服务的升级，贷前快速估值匹配贷款；贷中评估报告价值审核；贷后押品价值动态监测，降低风险；
2、评估行业：基数数据、案例数据的共享；实时的在线询价系统，提高评估行业的作业效率；
3、地税部门：房产的涉税批量评估；房产税模拟评税的应用；房地产评估税收征管系统等，避免纳税人瞒报、谎报房产信息及价格的行为，同时为政府合理制定相应的评税方案提供参考和依据，保障纳税人的利益；
4、房地产开发商：房产数据的推送；拿地分析及房地产市场分析及预判，为开发商业务的开展提供一定的数据借鉴和分析；
5、不良资产：近一两年，不良资产行业进入了一个爆发期，而资产的定价就显得尤为重要，这也是我们的应用领域；
6、房产交易领域：将房产信息、价格公开，使交易场景透明，同时将房产估值前置，提高房产买卖效率，使市场更透明，让交易更顺畅。
简而言之，在房地产这样一个技术偏于落后的大行业，数据的结合应用是最有可能实现行业的升级和转型的。
刘冬冬：云房数据是独立第三方的房地产数据公司，您是如何理解房地产数据的呢？
王晨：房产大数据包括两方面：
1、底层的基础数据（静态数据），包括了土地、新建住宅、二手住宅、商业、写字楼等物业类型的物理属性，即房产的地址、门牌号，房屋的属性等。我们一般考量基础数据如何，从两个方面进行判断，一是数据的覆盖度，及宏观层面的数据量。全国289个城市，数据能覆盖多少城市，每个城市能覆盖房产总量的百分比。另一方面，则是房产数据的颗粒度，拿住宅举例，每户住宅包含地址、户型、面积、朝向等在内超过300个字段的基础属性数据，每个房产的数据字段是否够全，描述房产的信息是否够细致，这也是我们考量基础数据的一个方向。
2、房产数据的另一重要方面，便是房产的经济指标信息（价格属性）。据云房数据理解，每个房产都有7个维度的价格属性。云房数据一直在做的事情便是给每户房产估出其市场价格，并在此基础上做其他价格属性的研究。目的为让房产数据更加透明。
刘冬冬：做房地产数据是否有难度？
王晨：难度肯定是有的。在众多的垂直领域应用中，都会产生数据，而房地产数据行业最大的难度是缺少房地产数据标准，从而在数据的获取、关联整合及应用造成很大的困难。
我们认为，单一数据来源都不能解决房地产数据专业应用的问题。一方面，房地产数据有政府的、中介交易的、网络媒体的、地图平台等，每个领域的数据都有各自的特点，政府侧重于行政管理，中介侧重于实际交易、网络媒体侧重于信息发布、地图平台侧重于空间分布。另一方面，从具体的房地产分类来看，也分为一手房、二手房；土地和房地产；住宅、商业、写字楼等。第三从房地产的核心关联数据-地址来看，也分为产权确认的证载地址和实际地址等。在这众多非标准的房地产细分类中，要想做到数据的全面、及时、有效，是非常难把握的。对此，我们提出了数据生态的理念。
我们目前通过政府、互联网、金融、评估行业、房地产中介、第三方等多渠道的数据整合，通过我们自主研发的数据清洗整理平台，已经实现了全国260多个城市，近8000万户，跨度超20年，涉及住宅、商业、写字楼、土地等多类型结构化数据。
刘冬冬：贵公司的区别于其他数据公司的优势或者差别是什么？
王晨： 其实前面也有所介绍了，说到云房数据，我觉有这几方面的区别或者优势吧。
首先：身份立场。云房数据是独立第三方的数据公司。这个非常重要，在众多的行业结合应用时，数据的客观公正性尤为关键。
其次：专注，专业。我们专注于房地产数据，自主研发了房地产价值的大数据算法模型，实现了每套房屋价值的测算。我们服务的对象是政府的纳税、金融机构的房贷业务等专业的应用，这样的应用服务对于数据的精度和质量要求很高。
第三，数据源。在数据这个原材料的获取中，一定要多纬度、多应用的建立数据生态，从专业应用出发，来解析和整理数据。
第四，人的优势，其实在大数据行业整体来看，存在着技术端和业务端不匹配的问题，换句话说就是懂技术的不懂业务，懂业务的不了解技术，仅仅有大数据的技术很难能深入行业从而解决行业内部的问题。。我们历经这几年的发展，培养和沉淀了一批顾问专家，技术研发的人懂业务，业务出身的人也掌握技术，在房地产行业的具体问题中，能够很好地提出解决方案。
中国首席数据官联盟（中国CDO精英俱乐部）是国内首个以CDO为核心的公益性联盟，发起人是刘冬冬、鲁四海、葛涵涛。联盟遵循自愿、平等、合作的原则，为推动中国大数据产业创新发展而努力，为实现中国大数据产业全球领先而奋斗。联盟努力打造跨行业、跨领域的大数据精英交流平台，目前已经汇集了数万名来自国内外知名企业、科研机构、高校的大数据精英，已经成为国内最大的以CDO为核心的大数据智库。希望通过我们的努力，推动中国大数据产业的进步与发展，提升CDO（首席数据官）在企业中的地位，促进各行业的大数据应用升级，帮助企业实现大数据+战略升级。
第三十五届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：chenjian
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
