房地产市场数据挖掘及分析方法探讨

龙源期刊网房地产市场数据挖掘及分析方法探讨作者：陈蓉泉来源：《现代经济信息》2013年第19期摘要：随着社会的不断发展，房地产行业想要在日益激烈的竞争中保持竞争优势，信息资源的整合以及分析起到了越来越大的作用。数据挖掘这等房地产用于市场预测以及分析的新技术应运而生。本文主要从数据挖掘在房地产行业市场研究中体现的价值入手，分析了数据挖掘在房地产行业进行市场研究，尤其是对于客户信息的引用，从数据挖掘的概念以及价值来进行深入探讨。关键词：房地产产业；数据挖掘；技术；市场中图分类号：F293.3文献标识码：A文章编号：1001-828X（2013）10-0-02龙源期刊网一、引言近几十年来，随着社会经济的不断发展，很多的新型产业在不断地发展当中，在这其中，发展最为迅猛的是房地产产业。目前我国的房地产行业已然逐步变成了能对我国社会经济发展产生重大影响的产业部门，房地产产业给企业家带来了巨大的经济效益，增加了国民经济的发展的收入，并在经济发展的过程当中占主导地位，这使得许多的企业家投入房地产产业的投资当中，房地产行业在一时之间商业价值迅速增大，然而伴随着房地产行业的快速发展，我国的房地产行业越来越多的问题被凸显出来，如房屋空置率居高不下，房价增长幅度过快，房地产业投资过度等。而数据挖掘技术中的神经网络模拟法，可以充分对房地产市场进行预测以及分析，并且可以得出可靠的结论，降低问题所引发的风险，这样才能够保障房地产产业能够健康并稳健地发展。二、房地产行业需要数据发掘技术支持由于市场的竞争日益加大，很多新型产业由于得到不较为合理的发展需求而一夜倒闭，因此房地产行业想要在日益加剧的竞争中取得胜利，就需要有准确的市场判断与充分的信息支持。行业信息，客户信息以及经济环境等大量的信息数据积累是房地产行业市场运作的主要参考。在面对成几何级数快速增长的庞大数据，房地产行业需要一个可以将庞大数据转化为有价值知识的有力分析数据工具。否则也只是空有丰富数据但是可用信息贫乏的数据坟墓。数据挖掘，就是一项数据处理的有效工具，它可以从庞大的数据中发现潜在的模式以及关联，并且能有效的进行预测性分析。在一些统计学、人工智能等数据库技术领域有着广泛的应用。数据挖掘有助于充分看清业务发展趋势，最大化的对未来结果进行预测，并且帮助房地产行业所面临的问题分析出解决的关键性因素，使得企业保持竞争优势地位。三、数据挖掘在房地产行业的应用数据挖掘技术在众多领域有着广泛应用，且成效卓著，因而逐渐被应用于房地产行业的相关工作和研究。（一）数据挖掘的概念数据挖掘是一项针对企业庞大的信息存储进行系统的理解以及检查雏菊的工具。数据挖掘可以根据预先设定的商业目标，对庞大的数据进行分析探索，寻找出数据中隐含的商业经济规律，并且生成相对应的预测分析模型。数据挖掘由于所发现的都是可执行，可以理解以及目前未知的信息，所以也常常被称之为KnowledgeDiscoveryinDatabases即知识发现。与传统的统计分析技术相比较，数据挖掘技术能更好地与数据库进行结合，而且数据挖掘技术中用以发现信息中隐藏的商业规律已经不仅仅局限于统计技术，其中遗传算法，神经网络，自组织图，神经模糊系统等逐渐发展而出。数据龙源期刊网挖掘技术发现的信息只是，不仅可以用于预测模型的构建，更可以被统计分析师用以丰富背景只是，然后在适应的时候运用到数据分析中。描述与预测是一般情况下数据挖掘的两类任务。描述性的数据挖掘任务主要是用来刻画数据库中数据所存在的一般特性。而预测性的数据挖掘任务则主要是以目前的数据为基础，通过不断的推算以进行未来预测。具体来说，数据挖掘技术主要可以处理一下几种问题：1.关联分析。所谓关联规则，则是在同一件事中出现不同项时，寻找属性间的相关性。例如在某个项目住宅的目标客户对该项目各个方面评价的相关性分析，所寻找的是某些事件时间上的关联，如房地产周期以及该项目的股票涨跌等。2.预测与分类。分类是根据预设好的标准以及类别，将数据库中所记录的信息进行分类，如根据房地产客户消费决策模式，建立预测模式，为潜在客户的职业家庭，收入等个人属性分类，预测出其在购房方面可消费支出。房地产行业客户可以分为实际客户，潜在客户与购买者，想要如此分类，分类系统则会产生相应的规则：如果该客户愿意并且可以承担每个月XX元的月供，并且在X年内计划在某地区进行购房，他/她则是潜在客户；而进行过至少一次业务询问的客户，则是购买者。3.聚类。聚类是想数据库整体分成不同的群组，使得群组与群组直接的差别明显化，并且使得同一群组的数据尽可能的相似。聚类与分类看似相同，其实差别甚大。分类是在进行分类之前，以及知道要将数据分成什么性质的哪几类，而聚类则相反。4.演变分析。演变分析师指数据挖掘所藐视的行为随着时间而变化的趋势以及规律，并且对其分析对象进行建模。如将教育水平发展趋势，社会经济发展以及认购构成变动进行结合，对房地产日后消费趋势进行分析。5.描述可视化。通过进行空间聚集以及相似计算等一些具体的地理位置聚类概化，形成形象的某区域的描述。（二）数据挖掘的市场研究价值数据挖掘的技术运用多方面，在房地产的运用当中有十分普遍，并且数据挖掘技术在房地产市场的使用价值十分高，因此所产生的经济效益也是十分可观的。同时数据挖掘的应用也极其广泛。房地产行业的客户一般具有特征面熟复杂，客户人群数量庞大，需求不一，并且容易受到外界因素影响，所以，数据挖掘在应用当中不是一层不变的，而是它具有多变性以及多层性的特点。合理的应用数据挖掘技术，不仅可以识别客户的购买行为，分析客户的购买趋势以及购买模式，还可以设计出更好的营销方案，较少商业成本，充分满足客户需要。数据挖掘在房地产行业的应用价值详见下表。（三）在房地产行业中应用数据挖掘技术龙源期刊网随着社会的不断发展，技术的不断创新，房地产的发展迅速，数据挖掘技术在房地产的使用越来越多，在房地产和房地产业的研究方面应用逐渐广泛，为房地产业带来了诸多的产业效益。1.数据挖掘技术在房地产的应用数据挖掘技术应用于房地产，具体需要开展以下工作：明确商业目标。数据挖掘技术应用的首要任务就是必须明确需要达到何种程度的商业目标，以及需要解决的问题。商业目标描述需要尽可能地清晰以及细化，以便选择适合的挖掘方法以及便于对数据挖掘效果的检测，以判断建立的模式是否有效。在实际应用时，就需要数据挖掘工作人员对房地产业的目标有一个整体把握，在目标指导下开展数据收集、分析工作，从而确保房地产朝着前景广阔的方向发展。数据准备。在明确商业目标的基础上，为了保证所需要提出的数据质量，除了在进行必要的数据修正以及检查，还需要在不同源的数据之间考虑其一致性。如果一段数据中包含过多的字符，则需要找到对模型输出影响最大的字符，适当地减少其他不影响模型输出的多于字符。若是数据集是有许多变量组合起来的，需要选择性的扩大变量范围，形成效果良好的预测变量，因此在准备数据阶段，需要依照实际，考虑是否需要建立新的变量。在房地产中，就需考虑客户、市场消费信息调查数据的重复性、特殊性等问题，确保调查所得数据能够反映真实的市场情况和客户需求，进而做出正确决策。然而某些缺失的数据本身存在有特殊的意义，比如一些富有的客户常常会忽略收入或者是价格的影响，所以对于收集数据要进行适当整理和准备。建立模型。模型的建立是一个反复完善的工程，并不是一个一次性的工作。选择适合解决某问题的模型，在其建立过程中，可能会对数据产生新的理解，并且修改，甚至改变开始对于问题的设定。大部分的数据挖掘模型并不是为了某个问题而特意设定的，模式之间也不存在于排斥问题，某个模型并不一定是解决这个问题的最好方法。比如：CART决策树以及神经网络既可以帮助分类树的建立，又可以建立回归树。数据模型是房地产市场信息的脉络，课使领导者对于相关信息有一个整体的把握，进而分配各项事务，推动房地产的发展。输出结果评价以及解释。模型建立之后，还有一项重要的工作，就是解释其价值以及评价其结果。在实际中，应用数据的变化会影响模型的准确率。但是模型选择的正确评价方法并不一定是参照准确度。对模型的评价需要了解错误类型以及产生的相关费用多少。在不同预测错误产生不同代价的模型中，代价最小的模型将是最好的选择而不是出错率最小的模型。实施。模型在建立成功并且验证通过后，有两种常见的使用方法。第一是给分析师提供参考，由其进行分析查看此输出模型，并且做出方案建议以及解释。第二是将模型应用进不同的数据集合上。正确的输出模型可以标示同一类事例，以及给同一类客户进行打分等。然而在应用模型之后，即使其应用结果很成功，也不能放弃不断监控模型效果。因为一切事物都是在不龙源期刊网停变化与发展的，过了一段时间后，很可能随着人们的消费观点以及购买方式的改变，此模型已经无法再进行作用。因此，要随着时间的变化，以及事实结合，对模型进行测试，完善，甚至有些时候需要重新建立更新模型。通过以上五个具体步骤完成数据挖掘，并应用到实际的房地产工作中，就能实现数据挖掘技术的价值，促进房地产的进一步发展。2.数据挖掘技术在房地产研究的应用数据挖掘是进行房地产市场分析和预测的新技术，目前已逐渐应用于房地产业的相关研究当中，但仍有许多问题有待完善。数据挖掘技术在房地产研究的应用主要有以下几个方面：周期和规律研究。房地产在某段时间、某些特定地区的发展会有波动，通常会以周期的形式出现，有规律可循，这也是房地产商进行投资等决策的依据之一。数据挖掘技术科应用于分析影响房地产波动的周期性因素以及这些因素之间的相互关系。市场发展趋势研究。房地产业属于市场经济的一部分，受市场的影响很大，包括楼盘供应情况、房地产投资开发、房地产市场的需求、国民经济增长等。数据挖掘技术则应用于相关信息的收集，了解房地产的市场需求，并对市场进行预测和预警，及时采用有效的措施对房地产市场加以有效的宏观调控，促进其可持续发展。房地产客户和竞争对手研究。研究者通过关联分析和序列分析这两种数据挖掘方法，可了解房地产客户需求及其影响因素，找出客户的消费行为模式，为营销人员提供依据；也可了解竞争对手的信息和发展状况，以便及时进行策略调整。房地产经济区划的研究。针对房地产经济发展区域分布不均衡现象，研究者应用数据挖掘的比较分析方法对经济区划进行动态分析，及时制定和调整规划。在我国，数据挖掘技术与房地产领域的结合研究是近几年一个较新的课题，因而还面临许多问题，如国家缺乏数据挖掘技术在房地产应用的具体标准，尚未建立相关的大型数据库，研究的结果的效用不高等等。解决好这些问题，对于房地产业的发展具有重要意义。四、结束语综上所述，随着市场经济的不断发展，科学技术的不断创新，人们生活水平的不断提高，新型产业的不断诞生，房地产产业带来的巨大的经济效益已经不容小视，如何才能在社会竞争中，保持房地产效益的增值呢，这就需要研发者精湛的研发技术和市场销售者敏锐的观察力了，数据挖掘技术正是房地产能够保持快速发展的较好技术支持。数据挖掘技术在房地产行业的应用，有利于其把握市场经济动态以及客户购买趋势，使得其利于激烈竞争中优势地位。更能有效的解决快速发展中出现的各种问题，使其服务水平以及营业效率更上一层楼。龙源期刊网参考文献：[1]陈琳.江苏房地产投资与经济增长关系实证研究[D].江苏大学，2007.[2]肖建雄.中国房地产业建立战略联盟研究[D].湖南大学，2007.[3]陈超.我国房价的非理性波动研究[D].东北师范大学，2007.[4]汤丹花.江苏省现代服务业发展研究[D].江苏大学，2006.[5]伊元元.LG集团投资房地产的竞争战略研究[D].哈尔滨工业大学，2006.[6]林智敏.浅析中国房地产泡沫与金融风险[D].江西财经大学，2006.作者简介：陈蓉泉（1978-），女，浙江宁波