精彩直击：禾略2019年投策客研分享会（深圳站）

回首2019年，开发商实在是有点“南”。

各地土地市场低温、重点城市市场规模调整，很多房企资金面承压，产品去化压力大，中国地产行业集中度，也基本已达上限。

展望2020年，开发商依旧“南上加南”。

全年经济增速仍然稳步放缓，在“房地产不作为短期刺激经济的手段”和“因城施策”的背景下，全国房地产市场调整压力可能会进一步凸显。

开发商想要持续、高效经营，唯有不断打磨技艺，了解行业周期，挖掘产品竞争力，提高降本增效的能力。

为此，禾略举办2019投策客研分享会，以不同的角度，真实的数据，前瞻的理念，与大家共同探讨房地产市场的起起落落落落，同时带来一颗理想的“种子”，希望与更多业内专业人士进行面对面的互动探讨，聆听不同的声音。

今天分享的主题有： 

1、择时与择地

2、城市投资量化方法

3、万物的尺度|客户研究 

4、地产未来5年的变与不变

5、量化带来效率

6、有监督和无监督

7、产业勾地研究体系

8、简单的复杂性|元胞自动机一窥

9、为未来埋下一颗理想的种子 

一、《择时与择地》官明谦

城市投资只有在合适的时机&合适的地点投资才能达到最好的效果。

1、选择合适的时机：从历史的房价波动规律，预判未来房价的走势。

2、选择合适的地点：

（1）从大中城市看，首先要理解城市发展的阶段，判断住宅的需求，然后根据城市空间扩张的规律，判读城市扩张的方向以及把握土地价值的变化规律，选择合适的位置并采取对应的投资策略；

（2）从中小城市看，重点是要关注人口聚集的红利，对于很多中小城市来说，人口红利可以给房价带来很大的增长空间。

二、《城市投资量化方法》赵陆祎

我们当前不仅是数据信息爆炸，也是理论爆炸的时代。量化方法可以将理论在数据上的可验证性，与理论在逻辑和常识上的可解释性统合起来，从而得到较为可靠的理论模型，提升辅助投资决策的科学性。

针对解决的业务场景问题主要分为三类：

1、量化择城，如何选择城市投资标的？为什么在过去一段时间这些城市房价提升比其他城市多？城市房价上涨不仅是一种货币现象，也是一种供需矛盾的结果，我们通过借鉴金融市场资产定价模型的量化方法找到城市供需的影响因子，根据影响因子辅助城市进入决策。

2、量化择区，如何评估城市区位因素对地块价值的影响？为什么在同一个城市，这个地块价值提升得比其他地块多？将区域房价变动视作随时间变动的多种效应叠加的综合结果，通过运用量化建模方法，将地块提升的区位因子对房价影响的净效应剥离出来，辅助地块投资定价。案例：成都地铁规划对周边房价影响。

3、量化择机，如何找准投资节奏？，eg：为什么这个时间投资比另一个时间要划算？利用地产市场指标之间的基本相互关系，找到市场的有效领先指标，用来作为预测市场走向的指标。利用对数周期幂律模型监测城市房价的泡沫风险。

三、《万物的尺度》呙裴

为什么要做客研？因不同的人站的角度不同，所以看到的风景不同，由此做出的判断不同。

客研的本质：获得与目标客户产生共情的能力，让选择自然发生。

客研的内容：分类、排序、策略。通过分类、排序，确定目标客群，根据目标客群确定策略。

两大核心问题：人为何买房：因购买力变化（购买力结构变化）、因生命生活进入不同的阶段（生命周期对居住的需求）、因价值观消费观的变化（消费观念促进需求转变）。

作为开发商如何挖掘、利用好客户需求，去抓住结构上的机会？客户最真实的选择-以怎样的总价在怎样的土地上购买了什么产品？客户的决策因子、开心因子是怎样？

如何在竞争中获得优势？重点在客户敏感需求没有得到满足的领域发力，找出对营销有价值的需求，并最终界定显性对购买有价值的需求。

如何将客户需求落地？小众产品大众化，大众产品高价值化。

四、《地产未来5年的变与不变》钟小军

3个行业不变

1、强需求：中国大部分城市仍处于住宅需求快速发展周期；

2、高增长：2030年，行业规模中位值预判在44万亿；

3、高配置：2020年全国整体资金总量流动性不足，但住房仍具有相对高的吸引力。 

4个行业变化

1、从沿海到内陆：全国来看，广东、河北、河南、山西、云南等省域历史住房总缺口总量大；

2、从整体到局部：江淮城市群、粤东、粤西城市群、成渝和滇中城市群等将成为主要的人口红利区；

3、从大到小：未来5-10年，河南、河北、湖南、四川、安徽、云南、广西等地区将成为主要的土地红利区；

4、从涨到跌：2020年，全国居民首付及月供压力处于历史高位，短期房价有下调回归风险。 

4个企业启示

1、大可能小：行业集中度将面临拐点，头部企业市场份额减小，并非寡头垄断；

2、大并非强：很多房企过去的成功来自胆量，即杠杆越高，规模越大，而非能力；

3、持续分化：未来的选城能力，将超越周转能力，城市间人口流动成为重点；

4、百花齐放：未来10年，大中小城市将迎来百花齐放的格局，而非单一发展核心城市。 

3个策略建议

1、准+快：大部分中小房企需聚焦乡土中国以“住房”为主的城市化机会；

2、居住+场景：腰部房企可聚焦中国城市以“产业+消费”为主的城市化的机会；

3、耐心+能力：头部房企需关注全球城市以“建筑+运营”为主的城市化的机会。

五、《量化带来的效率》林德立

禾略针对在投资阶段的意向或目标地块研发“快速定位”的方法。

项目定位首先在于定价，定价在于确定“项目的锚”。锚有两个，一个是动态的客户，一个是相对静态的“土地属性”。引入大数据来定这两个锚，减少对个人经验的依赖，提升定位效率。

客户锚方面：通过全国323城的智联招聘数据（带有行业、公司、岗位、月薪、工作地经纬度等信息），针对大部分城市的项目，找到周边基于就业视角的客群，并且根据“月薪—月供—总价”的计算关系，得到客群的总价承受力区间，选定一手房成交金额最大的总价区间段。

土地锚方面：通过全国所有城市的地理大数据，对任何地块的交通通达性、就业资源、生活配套价值进行计算，得到量化的土地属性，在此基础上判断产品的大类型。

综上所述，“快速定位”是一个需要两个工作日的轻量级服务——

第一个工作日：定锚三步法：①初选客户锚，②定土地锚，③定客户锚（比选目标地块和竞品的土地属性与客群吸引力）；

第二个工作日：定产品“总价段、面积段、单价段”。

利用三个工具：

1、一手房成交“强弱+-”矩阵；

2、一手房单价和总价等高线；

3、二手房需求变化趋势图。

六、《有监督和无监督》于梅雪/文嘉穗

在地产研究中，我们沉淀出了一些快速分析研判的算法，对于板块空间关系和土地价值探索起到了很好的辅助和指导功能。

以下主要是3类方法：

莫兰指数，这是探索空间自相关性较为常用的算法，突破一维回归相关性探索，考虑板块之间的空间距离关系，并在分析中加入了板块动态变化的观测，更好地找到热点区域和潜力区域；

熵值法， 这是利用信息熵理论对多属性决策的一个综合评价算法，通过对数据的离散度和效用值的计算，确定指标属性所占据的权重，探索对于土地板块各因素的重要度和贡献度；

板块房价预测，结合机器学习和深度学习的强大工具，在海量数据的支持下，完成了对区域理论房价的测算，帮助我们完成对高地、洼地的定位，对区域内精细化的投策提供数据支持。

技术工具不断迭代更新，禾略对地产的新视角探索从未止步。

七、《产业勾地研究体系》汪国文

任何发展都会伴随困难的注脚，产业地产如是，现今横亘在产业地产发展阳关大道前面的有两大主要矛盾——

1、政府日益泛滥的开发区与开发商无法聚焦价值之间的矛盾

通过城市空间扩张阶段&元胞机城市扩张预测，帮助开发商与产业商真正聚焦有价值的区域

2、开发商日益拙劣的演技与政府建设美好未来愿景之间的矛盾

通过产业勾地菜鸟三步走方法，帮助开发商、产业商与政府之间建立信任，达成共识。

八、《简单的复杂性》傅华

我们研究自然界的种种规律，研究人类社会的种种规律，它是多样的，复杂的，变化无穷的，由这些规律，我们制定了很多规则来约束人和社会行为。在人为规则与自然法则之间的互动中，混沌总是如影随形，推开这混沌之雾，获得清晰简单的模型来解析整个世界，也可能混沌本身就是这个世界的规则。

世界的复杂性远高于当今计算机所能模拟的能力，利用元胞自动机我们仿佛模拟出了一点点。借助计算机越来越强大的算力和人的智慧，希望我们可以逐渐看到更多一点真相。

九、《为未来，埋下一颗理想的种子》郑永祥

如何利用创新技术赋能经营决策智能化转型发展之路？禾略为行业的明天带来了一颗“禾略种子”。

以下是广告时间：

这是一个全新的、软硬件结合的设备，是面向越来越明确的智能决策需求而推出的、新一代的智能数据产品。

紧跟移动互联网、AI 的技术浪潮，禾略种子具有功能完备的、中心化的云服务体系。整个云平台在核心数据资源的基础上，开发了图形渲染、地理计算、大数据智能分析、行业应用等核心能力，然后通过容器化和微服务将这些技术融合在一起，以 API 和 Web 的形式提供出来。

所以，我们可以在线上的云环境中，进行数据访问、可视化、分析计算、二次开发等工作。正因为强大的云平台的支撑，我们能够持续不断地为几万个用户同时提供服务，还能在各处部署几十套私有化的云服务，以满足客户对私有云的需求。

或许，不少用户对于在线中心化的方式有所疑虑，因为你必须把所有相关的资源放到集中的云环境，而有些核心敏感的数据是不可以上传到云环境的，于是它们也很难和外部的数据进行碰撞、融合。而私有云，又伴随着较大的立项、长周期的开发，这对于很多中小型的用户是不够友好的。因此，去中心化、把核心的运行环境切换到本地就是另一种很有价值的模式。

在这种模式下，云可以单向地向本地传输资源，而大量的计算和处理都在本地环境中进行，这就避免了数据泄露的问题，也减轻了对在线环境的依赖，一旦资源同步到了本地，你甚至可以在没有网络的情况下进行工作。这个本地的运行环境就是我们的“禾略种子”。

从硬件上，禾略种子是ARM计算设备，它包含四核的CPU，有支持CUDA的GPU，它的计算能力相当于一部小型数据处理中心。从软件上，禾略种子是一套可以 OTA 更新的系统，是一整套完整的、统一的本地运行环境。

一旦将禾略种子通过 USB 和工作电脑相连，就可以马上从浏览器中进入“种子”的操作界面。主要功能总结成 3 块主要的工作界面，分别是找数据、看数据、用数据，这分别代表了我们使用数据的不同目的和阶段。

第一阶段找数据：帮助用户寻找到有用的关联的数据

数据资源包括云端数据和私密数据两部分。云端数据是我们在云端提供用户订阅的数据内容，私密数据则是用户自己的私密环境，凡是自己提供的数据，或者“种子”计算的数据结果，都存放在私密数据中。

第二阶段看数据：通过各种可视化的方式来对数据进行探索，初步选择和了解数据

各种数据都在同一个工作空间中进行可视化，而且可视化的效果实时可调。同时，不同的数据可以在一起进行对比，寻找其中的相关性和其它规律。这本质上是现在大部分数据 BI 工具做的事情，在数据分析环节中，相当于数据探索的过程。

第三阶段用数据，在更具体的场景下进行数据的智能分析。

用数据主要包括各种行业场景的数据分析模块，这些模块同样通过 OTA 的方式更新到本地、并直接运行。我们已经开通房地产通用场景若干用数据模块，每个模块都是一个完整的独立运行小环境。模块运行结束后会把结果直接呈现出来，并按需要存储到私密数据中去。

总的来说，禾略种子可以让原来需要通过开发系统来满足的、高级的定制需求，转变为开发「用数据」模块，前者周期长风险高，后者则轻量、高效、风险低。由衷希望未来禾略种子可以成为城市管理者、地产分析师、规划师、零售优化师等等，相当于各个行业的数据分析师的一个必备工具。