大數據之風刮到房地產，信達泰和為各行業決策賦能 | 愛分析調研

信達泰和作為房地產大數據服務商，處於產業鏈中間環節，上游對接數據源，下游服務客戶應用。信達泰和在房產評估行業積累多年，轉型后，其傾力於多源的數據採集，構建數據生態，打造核心房產大數據平台，服務於政府、金融機構、快遞公司、央企等客群。未來，開放房產大數據平台是信達泰和的終極目標。

指導 | 凱文

撰寫 | 關蕾

大數據、雲計算等新技術正撬動著一個又一個傳統行業，經過數年沉澱，房產大數據正逐步興起。如今，大數據已滲透到房產產業鏈的各個環節，從前期的精準選址、產品設計，到中後期的精準營銷、評估貸款、物業管理等，大數據為其提供了更精準的決策依據。

信達泰和作為獨立的第三方房產大數據服務商，為產業鏈各類主體提供房地產數據、房產評估、資產管理、房產指數等服務，為各行業提供房產相關決策信息。

近年來，基於數據的房產評估模型悄然興起，對傳統估價師的衝擊日益加劇。一般來說，傳統估價師需要3-7個工作日出具評估報告，對人力依賴較重，效率和可複製性都較低，無法滿足實時、批量、標準化的房產評估需求。

從國內市場來看，估價師職位銳減，2014年，一些估價師職業被取消職業資格許可和認定，如註冊資產評估師、土地估價師等。

信達泰和的誕生，源自創始人翟猛曾創立的一家房產評估公司內部孵化項目，基於對上述行業趨勢判斷，翟猛決定內部變革。作為一家帶有房產估價基因的公司，信達泰和將估價師的知識積累轉化成估值演算法模型，一邊完善估價模型，一邊收集、校驗各種渠道的房產大數據。

原本是想通過大數據技術，為房地產評估師工作帶來便捷，提質增效，做一次順應市場的業務轉型，卻意外收穫新的業務增長點。5年時間，信達泰和的房產大數據平台已完成40個大城市的房產信息積累，包括詳盡的地址信息、金融特徵信息、估價等多維度數據。

在其大數據平台上，除了房產評估業務，二手房指數報告、房產信息查詢、地址校正服務、資產管理等一系列增值產品已陸續落地，服務於政府、金融機構、快遞公司、央企等客群。翟猛表示，房產大數據平台需要用開放的心態構建數據生態，向社會開放是最終目標。

相比新房市場，二手房對房產估價、抵押貸款、地址校正、資產管理等數據服務的需求更加旺盛，信達泰和的大數據平台、產品及服務也以沉澱二手房數據為核心，逐步發展。

近年來，二手房交易市場活躍，以選取的11個樣本城市為例，二手房交易面積從2012年的近5000萬平方米，增長到2016年的1億多萬平方米，年複合增速達22.3%。此外，隨著城市新建商品房土地供應的逐步減少，在未來一段時間內，二手房成交佔總房地產總成交面積的比例將持續增高。

在二手房交易過程中，獲客、買賣、貸款、納稅、抵押等環節都需要對房產進行價格評估，二手房交易的快速增長將刺激房產大數據行業發展。

此外，近年來房地產市場受政策調控、供需比例等因素影響，房產價格波動較大，分別在2009、2012及2015年出現三次大幅度房價下跌。由此分析，銀行風控、押品價值復估的需求將隨之增加，批量、實時、標準化的押品復估需求將推動房產大數據進一步發展。

日益增長的估價需求，催生出越來越多的房產數據服務公司，大致分為以下三類：

一，轉型中的房產經紀公司。鏈家在2014年成立數據中心，收集30餘個城市的房產數據，推出「樓盤字典」，旨在用數據驅動業務。從數據的角度，經紀公司有房屋的真實交易價格，數據價值高，但由於房產經紀公司身份特殊，在與上下游廠商做數據打通稍顯困難，目前以自建生態為主。

二，互聯網房產公司。以搜房為代表，用大數據輔助其完成線上的房產交易。但互聯網房產公司的線下數據採集能力不強，更多的是依賴網路抓取和自營數據，此外，其估價模型也不算強項。

三，創新型房產評估公司。如信達泰和、世聯、雲房數據等公司，自帶傳統房產評估公司的基因，憑藉多年的評估經驗，這類公司的估價模型準確度最高，但多數房產評估公司不擅長直接獲取一手房產數據，對外界數據依賴度較大。

相比之下，互聯網房產公司的大數據實力較弱，對外輸出能力仍需市場驗證；房產經紀公司掌握真實交易數據，價值較高，但在房產交易過程中，經紀公司是利益關聯方，數據中立性存疑，自建的數據生態相對封閉；創新的房產評估公司能提供理想的估值模型，但在數據源上不佔優勢，數據採集是關鍵挑戰。

房產大數據可分為房產屬性數據、市場數據、用戶數據三個類別。

第一類，房產屬性數據，包括精確到戶的樓盤表數據、GIS（地理信息系統）及POI（信息點）數據；第二類，市場數據，能夠反映出房產價值，如掛牌、成交價格、宏觀數據等；第三類，用戶數據，包括房產相關的參與主體數據、行為數據等。

多樣繁雜的數據類型和數據來源是房產大數據的特徵，各大數據平台廠商在數據獲取的方式上也不盡相同。

在數據採集方面，信達泰和有自己的理解，採集方法包括線上抓取、合作互換、購買、線下自采、業務沉澱等方式。

線下自采對於信達泰和較為擅長，以北京為試點，其先後用4種方式採集數據，最終形成一套自有採集體系，通過自有測繪公司與當地房產專家結合的形式採集，對數據質量和採集效率有很大提升，是信達泰和的核心競爭力之一。

信達泰和團隊在評估行業經驗積累豐富，其創始人翟猛於1997年入行房地產估價領域，先後創立了房產評估公司國信達、房信測繪、思路信息、信達拍賣等公司，資源豐富。房信測繪公司為信達泰和提供定製化的房產數據線下採集服務。從2017年初開始，翟猛不再擔任其他公司職位，將全部精力投入信達泰和。

一個指數三個產品、未來或將按流量付費

信達泰和作為房地產大數據服務商，處於產業鏈中間環節，上游對接數據源，下游服務客戶應用。

產品層面，信達泰和公布了一個指數和三個產品。包括：城市二手房指數、智慧樓盤、智慧估價、押品估價全程通，年底將繼續擴充產品，將推出針對央企客群的房屋資產管理系統。

其核心產品房產大數據平台，產品可視為平台上的模塊化應用。在服務不同客群時，能夠快速組合封裝，有較強的通用性和可複製性。

以房產評估這條業務線分析，信達泰和擁有較強的房產評估輸出能力，2016年與工行、建行、中行簽訂合同，與總行合作，信達泰和或將得到長足的發展，今年客群拓展至多家城商行客戶，處於技術對接和POC階段。

信達泰和在銀行領域取得了較強的先發優勢，按照銀行用戶的特點，隨著項目合作的深入，銀行客群的粘度逐步加大，更換數據供應商的可能性較低。

此外，信達泰和還取得了政府機關、稅務局、公積金、互聯網金融、房產經紀、快遞公司等客群，為其提供二手房指數、房產估價信息、地址整治等產品和服務。

信達泰和的客群以中大型客戶為主，在初期合作時定製開發、諮詢服務的屬性會伴隨至項目成熟，與此同時，與大客戶服務的經驗也能集成到其產品中，打磨行業標準化產品和解決方案，在開拓同行業客群時，產品規模複製率將大幅提升。

據翟猛介紹，大數據平台建設工作將在2018年完成，覆蓋全國各級城市的房產信息，2B領域是其未來一段時期的主要目標客群，最終戰略是將大數據平台將向社會開放，或將變成按查詢流量支付的盈利模式。

國內外的房產大數據市場差異較大，除了政策、法律、歷史等宏觀因素以外，數據生態也是明顯的差異點之一。

以房源信息為例，在，沒有一個統一的房源信息匯聚平台，每家房產經紀公司獨自擁有不同的房產數據，以此建立相對封閉的資料庫和自我數據生態，而同一套房源信息也常被買房者給與多家經紀公司，但各家的數據結構化程度不同，亦無規範可循，因此，的底層房產數據呈現分散、繁雜、差異化、沉澱較薄等特點。

在美國，可查詢的公共數據資源豐富，有統一的數據平台，如房產資料庫、地理信息資料庫、房產稅資料庫等。這類資料庫多數由政府、協會統一管理，數據治理的更加規範，很多數據都有數十年的良好積累。

比如，在美國，房源信息來自於一套完善的美國經紀人信息共享系統MLS，由美國房地產經紀人協會NAR統一管理，服務於各類房地產專業人士。在MLS系統中，每套房產由委託經紀人獨家代理，房產機構和中介商可在MLS上精準查詢，線上考察。在共享的機制下，資源利用率和交易流程均得到大幅提升。在數據層面，美國的底層房產數據更加集中、統一、規模化、積累完善。

現階段，大數據技術助力房產大數據產業快速發展，數據的完整度、更新頻次、精準度都將成為各家房產大數據平台的競爭維度。

CoreLogic是信達泰和的對標企業，是美國房產數據領域的龍頭企業。1984年，Coerlogic成立，於2010年在紐交所上市，目前總市值40億美元。業務層面，Corelogic有PI（Property Intelligence）和RWW（Risk Management and Work Flow）兩條業務線，提供資產信息、數據分析、估價服務、風險管理等一系列與房產及其他數據相關的產品和服務。

信達泰和與Corelogic進行了4年的諮詢合作，借鑒其海外市場的成功經驗，將切入更多的房產數據相關場景，打造房地產大數據行業巨頭。

近日，愛分析對信達泰和董事長翟猛進行專訪，現將精彩內容分享如下。

愛分析：在房產大數據行業，信達泰和的定位是什麼？

翟猛：從各國的經驗看，社會財富70~80%都在房地產上，包括美國、澳大利亞等國家。據我們測算，住房市場容量是200萬億，非住宅市場有100萬億。我們的定位是財富的守護者，想依託於房地產數據，為各個行業做決策的幫手，增加他們做決策的信息。

愛分析：您之前在地產估價20年的經驗，對選擇轉型房產大數據來說，主要沉澱在哪裡？

翟猛：第一，對估價的情感；第二，對估價師就業的責任，全球趨勢上，傳統估價師職位驟減，我想把大家的作業方式改變，通過房產大數據，為大家提供更多的就業機會。

愛分析：據您測算，房產大數據市場空間有多大？

翟猛：參考CoreLogic，它在房地產數據行業的直接收益是50億美金，但衍生的應用收益300億美金，依靠Corelogic大數據平台，大家在上面做應用。市場將遠大於CoreLogic，預計是2-3倍。

愛分析：這個2-3倍是如何測算的？

翟猛：第一，房屋總量大，約是美國市場2倍左右；第二，人口就業流通性較高，將提高房產流轉率，釋放一定的市場空間；第三，我們的城市管理有待提高，地址信息等衍生品也有很好的商業化價值。

愛分析：CoreLogic的產品和業務包括哪些？

翟猛：CoreLogic覆蓋了整個銀行與房產相關的業務，從前端獲客、受理審批、中端的風險，後端的貸后管理，全覆蓋它的產品，在美國市場占達95%。像房貸、信用卡、資產證券化、房貸政策、外國人投資政策、都會用到CoreLogic的數據支持。

愛分析：房產大數據領域入場玩家並不多，您認為背後的原因是什麼？

翟猛：第一，做數據不能封閉，但大多數房產經紀公司都是自我生態，天生有天花板；第二，一定要有專業積累，包括地理信息、數據清洗ETL、數學分析和模型、房地產估價、產品及行業知識，包括銀行、保險、稅務等。

愛分析：房產大數據包括哪些數據類型？

翟猛：我們對40個地市的房產有記錄在案，包括基礎的靜態數據，及市場的活力數據。我們從三個維度描述房地產數據。

一，空間維度，我們用九級地址描述房產地址，國家-行政區-板塊-街道-小區-樓棟-單元-層-戶。現階段，標註地址需要憑藉技術設備，對每一棟樓進行採集，再用衛星、谷歌、天地圖等影像核實。

二，生命周期，我們對房子的生命周期進行記錄和描述，包括土地出讓、開發建設、一手房銷售、二手房銷售、物業管理、到徵收拆遷。國外的房子生命周期較長，的房子多數在二三十年。

三，特徵信息，如價格、變現周期、金融屬性、契稅等房地產特徵數據，現在正積極收集。

愛分析：房地產價格如何維護？

翟猛：我們維護每個單元、樓層的價格。通常，小區和樓的基準價需要人工維護，單元、樓層通過修正係數的方式給出，同一片區用一套修正係數，再會通過不同維度的數據交叉驗證，定期更新。

例如，互聯網掛牌數據，雖不夠精準但能夠表現價格漲幅，判斷趨勢。另外，收集各種渠道迴流的成交數據，通過模型計算估價，結合價格漲幅，按月更新。少數存在問題的，再用人工確認，隨著數據越全，後期人工參與會逐步減少。

愛分析：如何人工確認房產價格數據？

翟猛：很多方法，看網路數據、向中介核實、估價師去現場等辦法考證價格。

愛分析：信達泰和對接了哪些數據源？

翟猛：地址數據，小區-單元-戶號等樓盤表信息，依靠我們的測繪公司完成，每個城市有辦事處，由專業測繪人員結合當地房產專家共同完成。我們開發工具，如APP、後端系統，他們負責採集和錄入。

掛牌數據會以抓取的方式採集，一些矯正過的網簽數據部分城市已有公布。評估數據、成交數據多數與評估公司和經紀公司合作獲得，以及在客戶服務過程中沉澱、核准的數據等。

愛分析：這樣的話，採集數據對人力依賴很重？

翟猛：是很重，但效率很高，按APP中問題點選的方式進行。我們將互聯網數據、日常業務數據等都與採集系統做關聯，所有房地產數據都能互聯互通，並用可視化呈現。

愛分析：採集一個城市的成本有多少？

翟猛：北京在千萬量級。

愛分析：平台數據這種如何更新？更新的成本如何測算？

翟猛：依靠互聯網數據更新，發現一個必須核實。我們平均一個城市有數十人，有業務沉澱和自動化更新規則，只有少數疑難的，需要人工核實，更新的成本不高。另外，快遞業務對平台進行了反哺，地址查的越多，平台的準確度越高。

愛分析：與經紀公司如何合作？多久更新一次交易價格？

翟猛：一般是交換為主，我不要人名，只要地址和成交價格，是脫敏的，我們用房地產的數據服務和報告與其交換，與經紀公司的合作方式按月為主。

愛分析：經紀公司合作的有哪些？

翟猛：各個城市不太一樣，要分開談，我們有數據拓展部門，負責談合作互換。

愛分析：從客戶獲取哪些數據？

翟猛：房子的相關數據，包括地址、面積、貸款申請、時間、押入期價格等業務數據。

愛分析：每年在數據購買方面花費多少？

翟猛：數據購買在數百萬量級，以後會越來越多。大量的數據是互換、業務沉澱、自我採集的。從數量看，互聯網數據量占最大，從價值看，來自銀行、估價、中介等數據最值錢，以合作方式獲取。自我採集的數據最重要，可以驗證互聯網數據對錯。

以平台為核心，主營房產估價、地址服務

愛分析：信達泰和的房產地圖有哪些特點？

翟猛：百度、高德的地圖、導航精確到小區，我們的應用跟戶相關，及周邊所有影響價格的因素，包括配套設施等多個維度，集成在我們估價模型里。

愛分析：為客戶提供的產品包括哪些？

翟猛：目前以公布了一個指數和三個產品，包括：城市二手房指數、智慧樓盤、智慧估價、押品估價全程通，年底將擴充至6個。

我們的核心產品是智慧樓盤，集全國房地產基礎信息和市場信息於一體，以地圖載入樓盤字典的方式做呈現，包含樓盤信息管理、房產估價、分析統計、挖掘應用等功能。

愛分析：信達泰和發布的二手房指數，做指數是商業化困難的事情，這是如何考慮的？

翟猛：基於對我們房產數據的研究，2015年，我們與住建部、清華大學聯合發布的二手房指數。雖然二手房數據不完善、獲取較難，但真正使用價值最大，二手房均勻分佈於城市內，它能積極反應房地產是否健康、政策影響等問題。

我們的宏觀指數免費向政府、院校、銀行、保險、基金等行業提供，但微觀的研究需要付費。

愛分析：做二手房指數有哪些核心技術？

翟猛：第一，時效性，目前是按周更新，重大政策調整按天更新，從量、價等波動角度，用房產數據反饋政府及部門的政策落地情況。在美國，大家按房產指數做投資，指數按分鐘更新，更多的是購買房產，按周或天更新相對合理。

第二，估價的傳承，我們有20年的房地產估價經驗，傳統的估價報告需要3-4天，無法滿足互聯網經濟節奏，美國、澳大利亞，70%以上的估價師崗位已消失，現在更需要實時、自動、批量、精準、專業的評估報告，用技術替代傳統估價。

愛分析：指數方面，美國按分鐘，按周或按天，您認為背後的原因是什麼？

翟猛：原因在於數據生態，數據開放程度不同。國外政府數據是公開的，行業數據可互通互聯，有30年研究歷史。指數帶有預測性，需要長久的積累。我們經過多年積累，才逐漸開始。

愛分析：主要客群有哪些？分別提供怎樣的產品和服務？

翟猛：房產大數據的應用很廣泛，目前我們做估值、快遞地址、資產管理等服務。主要客群包括：

第一，銀行。種子客戶是工商銀行總行，去年與建設銀行總行、銀行總行合作。我們為銀行客戶提供：估價全程通、押品重估、風險評價等系統的銀行解決方案。

第二，互聯網金融。如百度金融的房產抵押業務，我們為其提供查詢和房產估價報告。

第三，快遞公司。快遞行業多數是人工參與地址解析和分級，效率較低。我們平台可以將原始快遞地址解析成規則的地址串，進行自動解析，通過API介面反饋給快遞公司，為其增效降本，目前在對接順豐、優速等，我們使用脫敏的地址數據，不涉及個人信息。

第四，資產管理。服務於大型企業等的房產管理，對租售價格、日常費用等數據進行每周報告，對接後續的租售服務。這款產品12月份上線，有兩大單位在試用。

第五，政府服務。我們給住建委、房管局及其房產系統軟體中標公司提供查詢和報告服務。

愛分析：與銀行、金融的房產評估是否要針對到人？

翟猛：我們只需要地址、面積等房產信息，不涉及個人信息。

愛分析：產品對接客戶的時候，現在應該更多的以項目為主，定製化程度佔多少比例？

翟猛：對銀行的押品復估產品以實現SaaS的形式。我們服務大型銀行，沉澱之後做標準化，再服務幾百上千的小行。除此之外，我們能主導80%，為其提供四大核心能力，除此之外，銀行可能增加1-2個需求。

愛分析：這四大能力包括哪些？

翟猛：一，地址拆分和服務能力；二，估價模型和精度能力；三，數據分析能力；四，數據質量。我們的數據質量是以生態為標準，不單純依靠自采和購買數據，通過業務，有自己沉澱數據和模型的能力。

愛分析：與工行、建行的項目是如何實施的？

翟猛：我們與建行共同開發房產估值模型。建行生產了一套銀行指數，包括貸款風險指數、資金指數、開發貸等，我們的房產數據是其中一個評價維度。

愛分析：對同一個行業不同客戶來說，輸出的是同一套東西？

翟猛：我們核心是一個數據服務平台，已經完成大城市的數據採集，剩下的小城市，還需要一年時間。之後，我會把平台向社會開放，做平台化的公司，按查詢量付費。

一個人和社會經濟80%都與地址相關，未來平台將會服務很多2B公司。目前，還要靠平台把銀行、快遞的業務模式跑通，但最終是一個房地產的數據生態平台。

愛分析：快遞公司的項目是否已經落地？

翟猛：落地了。寄件人通過語音軟體描述地址，轉成的文字傳到我的系統中分析、校正，變成標準地址，傳到快遞公司的數據中心，再進行配送。

愛分析：信達泰和有哪些核心優勢？

翟猛：一，我們與國內最頂級的院校清華大學、北京郵電大學、中科院、住建委、行業學會合作，資源互補。

二，我們以服務大客戶為主，像工行、建行，與大客戶服務會使得我們成長更快。

三，重視諮詢，我們對標企業是全球最大的房產數據公司CoreLogic，我們聘請其前總裁做了4年諮詢。此外，德勤、普華永道、安永是我們的客戶，做資產證券化、給銀行做風控、房貸、數據治理等。

愛分析：下一步的整體戰略是什麼？

翟猛：堅定不移的建設房地產數據服務平台不動搖，為銀行、房地產中介、快遞、政府服務，把這個事做起來，最大的戰略是做財富的守護者。我認為，這個行業應該是由政府參股，為全社會服務。

愛分析：目前團隊有多少人？未來業務穩定，團隊是怎樣的人員結構？

翟猛：不算測繪，我們目前不到500人，其中研發112人，產品和客服20人，數據200人，各地運營團隊150人。

各個渠道來的數據，大部分可自動化處理，但20%的數據在系統和平台不能識別，需要人工清洗梳理。但人的經驗又可變成規則，放到產品中，自動化輸出，人力依賴越來越少。未來的想法是數據部門300人，研發200人，產品和客服100人，銷售和解決方案300人，總數1000人以內。

愛分析：這樣看來，人力將一直是主要成本？

翟猛：對，第一成本是人員，佔60%，第二是數據，佔20%，還有設備、日常辦公等費用。比例在逐步變化，數據成本需要一年才能穩定。

愛分析：今年是否考慮做利潤？

翟猛：今年計劃收支平衡。

愛分析：快遞公司項目如何收費？

翟猛：按流量收費，我們初步商定按（次/條）收費。據行業數據，每天快遞包裹總量為1億，是優質穩定的市場。

愛分析：服務快遞公司，查詢量劇增，增加了多少成本？

翟猛：我們組建了一個呼叫中心，增加了3個IDC機房，在北京、西安、哈爾濱，支持每天幾千萬條查詢。

愛分析：長期來看，毛利空間會在多少？凈利空間如何？

翟猛：參考國外對標，毛利率約70%，凈利率35-40%。

愛分析：預計業務穩定還需要多久？

翟猛：平台還差一年時間建完，預計2018年以後會有比較好的現金流，項目類的客戶會越來越少，產品類的客戶將越來越多。

新龍榜

新龍榜TOP125

新金融

互聯網金融TOP100 | 互聯網金融TOP50

互聯網保險TOP35 | 消費金融TOP25

財富管理TOP42 | 投資機構TOP30

互聯網支付TOP20 | 虎鯨榜TOP50

互聯網保險TOP25 | 互金概念股TOP30

創富人物榜TOP50 | 影響力50人

企業服務

企業服務TOP100 | 企業服務TOP50

大數據TOP72 | B2B電商TOP50

雲服務TOP50 | 網路安全TOP30

大數據影響力50人 | B2B電商影響力50人

其它

出行服務TOP50

人工智慧TOP50

教育科技TOP50

語言教育TOP20

移動醫療TOP30

汽配維修TOP20

家居家裝TOP36

新零售TOP100

幼教TOP35

Adobe | Salesforce | 阿里雲

AWS | Atlassian | Tableau

Cloudera | Palantir | Zendesk

Hubspot | WeWork | MircoStrategy

金山雲 王育林訪談 | Hortonworks

360企業安全調研 吳雲坤訪談

UCloud調研 季昕華訪談 | 樂視雲

TalkingData調研 崔曉波訪談

紛享銷客 羅旭訪談 | 北森

國雙科技調研 祁國晟訪談

容聯雲通訊 | 秒針 | 銷售易

圖森互聯 | 數據堂 | 星環科技

MuleSoft | 明略數據 吳明輝訪談

Sensoro 趙東煒訪談