|
|
1. 问题的提出及研究意义 人类发展的过程中，随着城镇化的快速发展，都会引起房地产行业的兴起与繁荣，中国也不例外。从1998年中国大部分单位取消了福利分房的政策之后，中国的房地产开始进入了快速繁荣的发展时期。首先，1998年到2003年，是相对稳定协调发展的阶段。国家出台《个人住房贷款管理办法》提倡贷款买房，并提供了1000亿元贷款指导性计划。政府支持性的政策是亚洲金融危机之后改善房地产需求的转折点，同时因为房地产行业巨大的经济效益和对国民经济的促动作用，也使得房地产业成为中国经济的支柱产业之一。但是，2005年的国八条清晰传达了政府对房价上涨过快的忧虑，同年又出台了新的国八条，但是房价依然一路坚挺。到2008年全球金融危机爆发，房地产暂时进入严冬。但随着2009年越来越多的投资进入房地产市场，市场开始复苏。2010年，房价持续走高，二三线城市增幅更创历年新高。同年，政府出台一系列调控措施，政策由之前的支持开始转向抑制投机，其中包括土地、金融、税收等多种调控措施。2010年的国十一条、新国五条、央企退出房地产业，2011年，新国八条、限购政策，房地产行业又一次从卖方市场变成了买房市场。中国房地产市场经过几十年的发展，起伏好几次，对房地产开发商来说，如何应对变化莫测的市场，如何应对国家政策的变化，如何应对同行业的竞争，如何抓住客户，是继续扩张还是转型变革，是精细化市场还是全业态发展，这都是迫在眉睫要解决的问题。而在这个信息爆发的年代，房地产开发企业又能怎样利用新兴技术，帮助自己解决困惑呢？ 数据挖掘技术逐渐进入了房地产开发者的眼中。对国外的房地产公司来说，数据挖掘已经有了半个世纪的积累。国外的房地产行业中，已经将数据挖掘应用在了客户分类研究、经济形势研究、楼盘供应研究、市场走向研究等等。对国内的房地产公司来说，数据挖掘尚处于起步阶段。对部分房地产公司来说认为数据挖掘是一个镜花水月，高不可攀的科技新技术，对另一部分房地产公司来说，是一种哗众取宠，糊弄群众的新骗术，不管是哪种，都对数据挖掘不清楚，不了解。对中国房地产行业来说，目前没有多少成文的理论，也没有专门应用于房地产行业的挖掘系统。本文意图通过研究房地产企业对数据的需求，主要探讨在多元化的信息时代，房地产企业如何合理、高效、科学的运用数据挖掘所带来的便利，提升企业在产业决策、增加盈利空间，实现精确营销方面的核心竞争力，以应对国内竞争日益激烈的房地产市场。 毋庸置疑，这是一个最好的时代，也是一个最坏的时代，是一个机遇与挑战并存的时代。怎样才能发现自己的生存之道，是我们所在的每个企业都要思考的问题。 2． 文献评述 一、国外房地产数据挖掘的文献综述 阿尔文·托夫勒在1980年发表了《第三次浪潮》，中，他将数据热情地赞颂为“第三次浪潮的华彩乐章”。数据挖掘早在海外市场运用自如，数据的积累也已经有半个世纪之久，基本已形成合理体系，成为海外房地产企业决策的重要依据。 在每日经济新闻的《海外房地产数据挖掘服务:开发商根据客户需要盖房》一文中写到英美等成熟市场从1945年开始，成熟的数据积累有50年了，比中国的数据基数大得多。在美国房地产市场，数据分为居住类和商用两部分。数据形成产业链，高度细分。有专门的房地产数据库运营商，提供全面的数据服务。在成熟市场数据库运营商的数据交换平台上，参与者包括机构投资者、开发商、物业持有者、资产管理公司、经纪顾问公司、基金管理公司等。因为参与的企业全、拿到的数据精准，可以用于支持投资判断。充分的数据基础用于计量经济学的模型分析，可以支持各种商业及学术研究。通过再深入了解国外房地产细分，可以预见适合国内房地产的分类标准。 21世纪中国不动产副董事长兼总裁卢航曾在中国房地产估价师与房地产经纪人学会年会上指出美国有很多的网站，比如zillow，可以通过搜集一个房子，就可以看到房屋360度实境状态，房屋所在区域的就业率，区域的学校情况，如果房屋是二手房，还可以查到房子的产权，曾经的交易信息，这些都是公开有序的系统，客户的体验效果非常高，这无疑是数据挖掘带给人们的众多益处之一。 Jiawei Han、Micheline Kamber 和Jian Pei 在《数据挖掘 概念与技术》一书中全面讲述数据挖掘领域的重要知识和技术创新，更展示了该领域的最新研究成果，例如挖掘流、时序和序列数据以及挖掘时间空间、多媒体、文本和Web数据。 张文彤在2013年发表的《IBM SPSS数据分析与挖掘实战案例精粹》一书中，提供了医疗、金融、保险、汽车、快速消费品、市场研究、互联网等多个行业的数据分析、挖掘案例，详细讲解整个案例的完整分析过程，并将模型和软件的介绍融于案例讲解之中，对分析房地产行业的数据需求，以及如何分析数据、挖掘数据提供了实用的例子。 二、国内房地产数据挖掘的文献综述 国内的房地产企业普遍对数据挖掘的应用还很陌生，毕竟中国的房地产企业发展也只有二三十年的历史。但是，一些领头的企业，如万科、搜房控股。已经开始对数据的关注，并且贴合自己企业的实际情况，摸索着数据挖掘的中国式发展 Corelogic亚太地区高级副总裁，RPData公司首席执行官GrahamMirabito 曾指出，数据挖掘可以帮助我们建立透明度，并且使实验变成可能，有更强大的定制化能力和自动制定决策，带来新的商业变革。 搜房控股董事长、中国指数研究院院长莫天全在房地产年会上曾指出，数据挖掘有三个方向的应用：市场预测，项目估值和需求结构分析。在市场趋势预测方面，开发商可以提早发现热点楼盘，为房企蓄客、开盘提供参考；为房企在不同区域布局、确定物业类型、蓄客及确定开盘时间等提供数据参考。针对大型房地产开发集团，提早发现热点区域和热门城市，指导大型地产集团进行全国布局。项目估值方面：针对区域型开发商，数据挖掘为房企了解竞争对手发展现状，以便适时调整发展方向；为资本市场估值、确定投资对象提供数据支撑，针对大型房地产开发集团，数据挖掘使开发商及时了解不同区域的市场价值，了解对标企业的发展动态。需求结构和营销策略分析方面，营销部门和战略部门，数据挖掘用于产品客户定位、战略研究、产品销售策略定制等。 张良均等在《数据挖掘 实用案例分析》中提到，数据挖掘与分析已经成为关键的环节之一，通过十多个案例，总结出数据挖掘建模过程中的主要任务，包括：数据探索、数据预处理、分类与回归、聚类分析、时序预测等，从中找出可以借鉴房地产企业数据挖掘的步骤。 Dimitri Maex和Paul Brown在《大数据营销定位客户》中提出，客户率如果增长5%，就会产生25%~100%的利润。每个企业都有2面，供应面和需求面，需求面是公司无法掌握的，决定权在客户手中。过去几年发明的工具可以轻而易举的将所有数据分门别类，在市场营销方面，不再光凭直觉和经验行事。 Gordon S.Linoff 和 Michael J.A.Berry在《数据挖掘技术-应用于市场营销、销售与客户关系管理》一书中介绍数据挖掘的概念和技术，再通过实例研究，来说明客户需求和现有算法之间的关系。书中的示例都是作者数十年工作中遇到的数据挖掘案例，碰到问题以及解决方案的总结，而不是凭空捏造的案例，虽然行业不同，但是对其他行业的数据挖掘的应用也非常有参考价值。 卢辉在2013年发表的《数据挖掘与数据化运营实战：思路、方法、技巧与应用》中结合自己数据化运营实践中大量的项目经验，用通俗易懂的“非技术”语言和大量生动的案例，围绕数据分析挖掘中的思路、方法、技巧与应用，全方位整理、总结、分享 “以业务为核心，以思路为重点，以分析技术为辅佐”的数据挖掘实践思路。通过此书可以结合房地产运营方面的知识，整理如何在房地产运营方面运用数据挖掘技术。 3、研究方案 3.1 论文的类型（专题研究、调研报告、企业诊断、案例报告） 专题研究 3.2 研究目标及拟解决的关键问题 通过了解数据的本质，及现有的数据挖掘技术、分析方法，研究数据挖掘在房地产行业的实用性，分析其精细化营销、客户关系管理的提升以及数据挖掘背景下的客户隐私方面的风险，得出房地产企业应用数据挖掘时需要考虑的问题，需要注意的地方，以及在国家政策限制和金融系统收紧的情况下，房地产企业转型应该思考的一些问题，以应对经济发展时行业变革可能遇到的风险。 3.3研究思路与研究内容 通过分析现有房地产企业在数据方面的需求，通过研究借鉴数据挖掘技术在其他行业中的应用，提取适合房地产行业的特别的相关部分，列举出其可在房地产行业中的实现方法。同时比较国内房地产行业已有的一些数据挖掘应用。然而，数据挖掘的概念无论对哪个行业都是非常新鲜的，在国外也仅有半个世纪的数据积累，分析应用。而且国外的房地产行业也同中国的房地产行业有很大区别，对国内这方面的实际应用并不能有很大帮助，同时，由于在中国行业内的商业保密行为，数据并不开源等大环境，分析房地产公司现有能做的业务功能，并对未来前景提出分析。 3.4 研究方法 文献资料法：搜集和分析研究各种现存的数据挖掘有关文献资料，从中选取信息，并对这些资料做出恰当分析和使用。 调查法：通过分析现有数据挖掘应用情况，结合企业自身，分析数据挖掘在房地产企业中，在哪些方面可以应用，哪些方面不适用。 比较研究法：通过搜集国外发达国家已用的数据挖掘应用情况及数据基础，分析国内数据挖掘应用情况及数据基础，比较双方的相同与不同，总结可以借鉴的地方。 3.5 研究的可行性及可能存在的难点问题 可行性：数据挖掘是一个新兴概念，在很多领域已经得到了很好的运用，比如著名的沃尔玛啤酒与尿不湿的案例，比如Google公司在甲型H1N1流感爆发前就预测到了一个流感的传播。比如奥巴马成功的连任美国总统。这些听起来不可思议的事情，都是数据挖掘应用的实例。那么，既然如此多的行业和个人可以使用数据挖掘而获利或者产业得到更新发展，那么房地产行业是不是也可以从中得到什么呢？是不是可以通过它在拿地、销售、物业等方面得到新的启示，更准确的发展下去呢，答案必然是肯定的，所以我希望可以通过研究数据挖掘的应用，从别的行业触类旁通，总结分析出一些适合中国房地产企业应用数据挖掘的方法。 难点：正如在可行性分析里所说，数据挖掘是一个新兴的概念，国外的发达国家开始应用它，并且进行数据积累也只有半个世纪。复杂的算法，创新的分析方法，数据的真实性等等，成功的案例有，失败的案例的更多，不管是国内还是国外，大家都是在探索。而国内外的房地产环境又各不相同，市场的成熟度也不相同，所以找到适合中国自己的方法就是数据挖掘在房地产上的应用就是困难之处。 3.6 研究的特点或预期创新 主要是以总结国外经验和国内现有应用实例的角度，来分析数据挖掘技术，并且运用到现代中国房地产企业中去。预期创新是从其他行业已有案例中寻找适合房地产的应用。 3.7 写作的进度计划 第一阶段：（2014年9月中旬）：论文定题，收集并阅读相关文献资料收集，确定论文的写作思路； 第二阶段：（2014年9月下旬至11月中旬）：确定论文的写作思路，完成论文提纲，审查、修改、完成开题报告； 第三阶段：（2014年11月至2014年1月）：查阅资料，调查研究，与导师沟通，完成论文初稿； 第四阶段：（2014年2月至3月）：毕业论文中期检查； 第五阶段：(2014年4月)：在导师的知道下，补充和完善论文初稿； 第六阶段：（2014年4月）：根据修改意见，进一步修稿、定稿，提交答辩委员会； 第七阶段：（2014年5月）：论文答辩。 4、论文大纲 第1章 绪论 1.1 论文的选题背景及研究意义 1.1.1 论文选题的背景 1.1.2 论文研究的目的和意义 1.1.3 论文的研究方法 1.2 国内外现状及发展趋势 1.2.1 数据挖掘的发展现状及前景 1.2.2 数据挖掘在国外房地产行业应用现状 1.2.3 数据挖掘在国内房地产行业应用现状 1.3 研究的思路与框架 第2章 相关理论 2.1数据挖掘理论 2.1.1数据挖掘产生的背景 2.1.2 数据挖掘的定义 2.1.3 数据挖掘的主要分析方法 2.1.4 数据挖掘在房地产中的应用 2.2 消费者行为理论 2.2.1 消费者行为理论主要分析模型 2.2.2 影响消费者购买的因素 2.2.3 消费者行为研究对房地产的重要性 2.3 CRM理论 2.3.1 CRM客户关系管理的核心内容 2.3.2的系统种类 2.3.3 CRM客户关系管理对房地产的重要性 第3章 基于数据挖掘的房地产消费者行为分析 3.1 数据挖掘应用于获取客户 3.1.1识别优质潜在客户 3.1.2 选择信息渠道 3.1.3 选择适当信息 3.2 数据挖掘应用精确营销 3.2.1 响应建模 3.2.2 加强固定预算的响应 3.2.3 优化直接营销收益率 3.2.4 传递给最受信息影响的潜在客户 第4章 基于数据挖掘的房地产客户关系管理应用 4.1 数据挖掘应用于客户关系管理 4.1.1 匹配客户 4.1.2 减少信用风险 4.1.3 确定客户价值 4.1.4 交叉销售、追加销售和推荐 4.2 数据挖掘应用于发现潜在客户 4.2.1 追踪潜在客户 4.2.2 收集新的客户信息 4.2.3 从时间变量预测将来的结果 第5章 Zillow 房地产公司数据挖掘应用实践分析 5.1公司概况 5.2 Zillow公司基于数据挖掘的客户聚类分析 5.2.1 基于消费行为的客户细分过程 5.2.2 消费者偏好分析 5.2.3 数据选取 5.2.4 建模 5.2.5 模型结果分析 5.2.6 营销效率的提高 5.3 Zillow公司基于数据挖掘的客户关系管理 5.3.1 处理不同客户流失的类型 5.3.2 客户何时会返回 5.3.3 客户价值 5.3.4 建模 5.3.5 模型结果分析 5.3.6 全面提升服务质量 5.3 Zillow房地产公司数据挖掘应用的SWOT分析 5.3.1 优势分析 3.3.2 劣势分析 3.5.3机会分析 3.5.4威胁分析 5.4 经验教训 第6 章 数据挖掘在房地产行业运用的总结及对中国企业带来的思考 6.1 数据挖掘在房地产行业运用总结 6.1.1 精确营销应用 6.1.2 客户关系管理应用 6.2 数据挖掘在中国企业中的应用建议 6.2.1 企业管理层面的建议 6.2.2 IT建设的建议 5、参考文献 [1] 维克托·迈尔-舍恩伯格，肯尼思·库克耶.大数据时代：生活、工作与思维的大变革[M].浙江江人民出版社,2013 [2] 麦德奇,保罗B. 布朗.大数据营销-定位客户[M].机械工业出版社,2014 [3] 卢辉.数据挖掘与数据化运营实战-思路、方法、技巧及应用[M].机械工业出版社,2013 [4] 西安美林电子有限责任公司.大话数据挖掘[M].清华大学出版社,2013 [5] 维克托·迈尔-舍恩伯格.删除[M],浙江人民出版社,2014 [6] 张良均、陈俊德、刘名军、陈荣.数据挖掘-实用案例分析[M].机械工业出版社,2013 [7] 阿尔文·托夫勒.第三次浪潮[M].中信出版社,2006 [8] 张文彤、钟云飞.IBM数据分析与挖掘实战案例精粹[M].清华大学出版社,2013 [9] Jiawei Han、Micheline Kamber 和Jian Pei.数据挖掘概念与技术[M],机械工业出版社,2012 [10] Gordon S.Linoff 和 Michael J.A.Berry.数据挖掘技术-应用于市场营销、销售与客户关系管理[M].清华大学出版社,2013 [11] Chengqi Zhang，Shichao Zhang．Association Rule Mining[M].Oversea Publishing House,2007 [12] 韩家炜，坎伯著，范明.数据挖掘概念与技术[M].机械工业出版社,2001 [13] 陈峻青．基于数据挖掘的房地产价格分析与预测[D].中山大学软件工程，2007 [14] 纪希禹.数据挖掘技术应用实例[D].机械工业出版社,2009 [15] 严娟.基于大数据的房地产企业精确营销研究[J].东南大学,2013 [16] 谭璐.数据仓库技术在房地产数据分析中的应用研究[D].武汉理工大学信息管理与信息系统，2006 [17] 陈峻青.基于数据挖掘的房地产价格分析与预测[D].中山大学软件工程，2007 [18] 吕晓玲，谢邦昌.数据挖掘：方法与应用[M].中国人民大学出版社．2009 [19] UsamaF. Proceeding Data Using Data Mining.The Second International Conference on Knowledge Discovery and DataMining[M].Portland,OregonAAAIpress, 1996 [20] Treynor，J．How to Rate Management of Investment Funds[M].Harvard BusinessReview，1965 [21] 毛国军,段立娟,千实.数据挖掘原理与算法[M].清华大学出版社,2005 [22] Adriaans P., Zantige D.Data Mining and Data Warehouse[M].AddisonWesley,1996 [23] Reed Jacobson.Microsoft SQL Server 2000 Analysis Services.[M].Microsoft Press,2000 [24] W.H. Inmon, Hackathorn R.Using the Data Warehouse[M].John Wiley& Sons,Inc.,1994 [25] 李小兵，吴锦林，薛永生，翁伟．关联规则挖掘算法的改进与优化研究[J]．厦门大学学报(自然科学版)，2005, 海外房地产大数据服务:开发商根据客户需要盖房 http://business.sohu.com/20140516/n399624584.shtml 美国房地产行业的发展历史 http://doc.mbalib.com/view/3465e58c4fc47af093d6137d07015f0d.html 中国房地产估价师与房地产经纪人学会年会精彩演讲摘录 http://www.realestate.cei.gov.cn/files/20147/20140730164145.html 万科携手链家 一场大数据引发的地产渠道变革 http://news.xinhuanet.com/house/bj/2014-09-12/c_126979004.htm 房地产迎来“大数据”时代 http://house.yzdsb.com.cn/dujia/2013/0829/11455.html 中国房地产各阶段发展史 http://www.doc88.com/p-1661663332574.html |
