摘要：近年来，头部房地产企业正在完成由建筑业向金融业的转型，由营造驱动转变为金融驱动，金融的关键在于风控，而对于房地产，风控的核心又在于精准评估土地价值。文章试结合此行业背景，探讨大数据助力房地产评估土地价值的必要性，旨在分析在大数据时代下，如何利用数据进行城市选择、地块分析、市场洞察，从而改善房地产土地价值评估的分析方法，降低投资风险。

关键词：大数据，房地产，风控，土地价值评估

房地产业是我国的支柱型产业，对国民经济和城市经济发展具有重大影响。近年来，由于宏观政策和市场趋势，头部房地产正在完成由建筑业向金融业的转型，逐渐由营造驱动变为金融驱动，其核心在于利用高质量数据建立风控体系。本文结合大数据的时代背景，简述房地产行业可应用的相关数据，并结合实际场景指出房地产应如何利用海量数据改善融资链条下风控中的土地价值评估环节，以控制资产交易的风险。

一、大数据下房地产的数据信息储备

大数据普及与云计算技术的革新，使得一个大规模生产、分享和应用数据的时代正在开启。通过精进的数据科学处理能力，可以结合大数据对具体情景进行分析预测，使决策更为精准，释放出更多的数据隐藏价值。大数据相比传统数据，具有“4V"特征：体量大，大数据的数据量将达 PB、EB、ZB 级；种类多，大数据是由文字、声音、视频、多媒体等组成的结构化、半结构化和非结构化的多维异构数据；速度快，在海量数据的情况下，大数据仍需做到实时处理；价值密度低，应用价值大但价值密度低，通过对海量数据进行提取、处理和分析，才能获得一部分有用的信息。

二、房地产的相关数据构成

在信息时代，高质量的大数据意味着海量的精准信息，其战略价值毋庸置疑。大数据时代下，全量人口为样本的行为数据已可以获取。房地产作为重资产、低消费频率、长价值链条的行业，其相关数据可以分为以下三类：①静态数据：官方统计数据、房地产交易数据、购房消费者线上线下行为数据、城市静态POI数据、垂直网站开源数据等；②动态数据：百度路况等的热力数据、城市实时交通出行数据、细分维度的点评数据、人口迁移数据等；③多维度动态数据：各渠道消费数据、手机信令数据、人口城市迁移数据、公交出行数据、出租单车的移动轨迹数据等。面对数据的急剧增长，房地产企业分析必须借助大数据的分析和挖掘技术，提高决策能力和经济效益。

三、基于大数据云计算平台的房地产估价可比案例选取

市场比较法的运用核心在于对可比案例的调整，因此可比案例的选择直接影响房地产估价结果的准确性和可靠性，而在现行的房地产估价作业中，可比案例的选择一般由估价师根据经验进行主观选择。而在大数据时代的推动下，评估师可以通过大数据云计算平台的相似度分析功能将房地产可比案例的选择由主观选择转变为客观选择，通过云计算将大量交易实例与估价对象进行相关性分析，量化交易实例与估价对象的相似程度，科学地选择可比案例。该方法不仅消除了人为选择案例的主观性，从而进一步提高房地产估计的可信度。

四、云计算对房地产影响因素及其权重分析的影响

影响房地产价格的因素多而复杂，各因素对房地产价格的影响程度是不完全相同的，以教育因素为例，随着社会对教育的重视程度加深，教育配套对房地产价格影响程度更加明显。此外，相同因素在不同区域所表现出的影响程度也会存在差异，以环境因素为例，在生态环境问题相对严峻的地区，则环境因素对价格的影响程度也会更显着， 因此是默认各因素的影响权重一致，将会导致估价结果脱离现实。

随着大数据的不断发展，评估师可以利用云计算平台的数据处理能力进行权重分析，将传统的定性分析模式转变为定性与定量相结合的模式，进一步量化各个因素对各区域房地产价格的影响程度， 从而确定各因素的权重。

随着大数据时代的到来，数据的采集与分析在技术层面已不再是难点，如何结合房地产具体业务场景对海量的多维度数据并深入挖掘分析，从而产生价值，才是现阶段的关键。目前，在头部房地产正在完成由建筑业向金融业的转型这一行业大背景下，须将从数据中提炼的有效信息与房地产行业的具体业务知识进行结合分析，才能提高房地产企业的城市空间分析能力，从而完成土地价值评估这一环节的有效变革，提高回款效率，控制投资风险。

参考文献：

[1]李妍，肖良生.大数据和 GIS 的房地产信息体系构建[J].中国房地产，2015.

[2]俞薇，赵静，秦俊武.城市基础设施资本存流量配置差异与房地产投资空间分布研究[J].重庆大学学报（社会科学版），2015.

[3]缪涛，洪建国，林波，田鑫.大数据在房地产市场分析中的应用[J].中国房地产，2016.

[4]刘策.看万科、中海如何科学拿地[J].中国房地产，2015.