- 数据智能
- 信达泰和
- 地址校准
- 房产大数据
- 房产评估
信达泰和作为房地产大数据服务商，处于产业链中间环节，上游对接数据源，下游服务客户应用。信达泰和在房产评估行业积累多年，转型后，其倾力于多源的数据采集，构建数据生态，打造核心房产大数据平台，服务于政府、金融机构、快递公司、央企等客群。未来，开放房产大数据平台是信达泰和的终极目标。
大数据、云计算等新技术正撬动着一个又一个传统行业，经过数年沉淀，房产大数据正逐步兴起。如今，大数据已渗透到房产产业链的各个环节，从前期的精准选址、产品设计，到中后期的精准营销、评估贷款、物业管理等，大数据为其提供了更精准的决策依据。
信达泰和作为独立的第三方房产大数据服务商，为产业链各类主体提供房地产数据、房产评估、资产管理、房产指数等服务，为各行业提供房产相关决策信息。
近年来，基于数据的房产评估模型悄然兴起，对传统估价师的冲击日益加剧。一般来说，传统估价师需要3-7个工作日出具评估报告，对人力依赖较重，效率和可复制性都较低，无法满足实时、批量、标准化的房产评估需求。
从国内市场来看，估价师职位锐减，2014年，一些估价师职业被取消职业资格许可和认定，如注册资产评估师、土地估价师等。
信达泰和的诞生，源自创始人翟猛曾创立的一家房产评估公司内部孵化项目，基于对上述行业趋势判断，翟猛决定内部变革。作为一家带有房产估价基因的公司，信达泰和将估价师的知识积累转化成估值算法模型，一边完善估价模型，一边收集、校验各种渠道的房产大数据。
原本是想通过大数据技术，为房地产评估师工作带来便捷，提质增效，做一次顺应市场的业务转型，却意外收获新的业务增长点。5年时间，信达泰和的房产大数据平台已完成40个大城市的房产信息积累，包括详尽的地址信息、金融特征信息、估价等多维度数据。
在其大数据平台上，除了房产评估业务，二手房指数报告、房产信息查询、地址校正服务、资产管理等一系列增值产品已陆续落地，服务于政府、金融机构、快递公司、央企等客群。翟猛表示，房产大数据平台需要用开放的心态构建数据生态，向社会开放是最终目标。
二手房交易活跃，估价需求驱动行业增长
相比新房市场，二手房对房产估价、抵押贷款、地址校正、资产管理等数据服务的需求更加旺盛，信达泰和的大数据平台、产品及服务也以沉淀二手房数据为核心，逐步发展。
近年来，我国二手房交易市场活跃，以选取的11个样本城市为例，二手房交易面积从2012年的近5000万平方米，增长到2016年的1亿多万平方米，年复合增速达22.3%。此外，随着城市新建商品房土地供应的逐步减少，在未来一段时间内，二手房成交占总房地产总成交面积的比例将持续增高。
在二手房交易过程中，获客、买卖、贷款、纳税、抵押等环节都需要对房产进行价格评估，二手房交易的快速增长将刺激房产大数据行业发展。
此外，近年来中国房地产市场受政策调控、供需比例等因素影响，房产价格波动较大，分别在2009、2012及2015年出现三次大幅度房价下跌。由此分析，银行风控、押品价值复估的需求将随之增加，批量、实时、标准化的押品复估需求将推动房产大数据进一步发展。
日益增长的估价需求，催生出越来越多的房产数据服务公司，大致分为以下三类：
一，转型中的房产经纪公司。链家在2014年成立数据中心，收集30余个城市的房产数据，推出“楼盘字典”，旨在用数据驱动业务。从数据的角度，经纪公司有房屋的真实交易价格，数据价值高，但由于房产经纪公司身份特殊，在与上下游厂商做数据打通稍显困难，目前以自建生态为主。
二，互联网房产公司。以搜房为代表，用大数据辅助其完成线上的房产交易。但互联网房产公司的线下数据采集能力不强，更多的是依赖网络抓取和自营数据，此外，其估价模型也不算强项。
三，创新型房产评估公司。如信达泰和、世联、云房数据等公司，自带传统房产评估公司的基因，凭借多年的评估经验，这类公司的估价模型准确度最高，但多数房产评估公司不擅长直接获取一手房产数据，对外界数据依赖度较大。
相比之下，互联网房产公司的大数据实力较弱，对外输出能力仍需市场验证；房产经纪公司掌握真实交易数据，价值较高，但在房产交易过程中，经纪公司是利益关联方，数据中立性存疑，自建的数据生态相对封闭；创新的房产评估公司能提供理想的估值模型，但在数据源上不占优势，数据采集是关键挑战。
多样数据源，数据采集是壁垒
房产大数据可分为房产属性数据、市场数据、用户数据三个类别。
第一类，房产属性数据，包括精确到户的楼盘表数据、GIS（地理信息系统）及POI（信息点）数据；第二类，市场数据，能够反映出房产价值，如挂牌、成交价格、宏观数据等；第三类，用户数据，包括房产相关的参与主体数据、行为数据等。
多样繁杂的数据类型和数据来源是房产大数据的特征，各大数据平台厂商在数据获取的方式上也不尽相同。
在数据采集方面，信达泰和有自己的理解，采集方法包括线上抓取、合作互换、购买、线下自采、业务沉淀等方式。
线下自采对于信达泰和较为擅长，以北京为试点，其先后用4种方式采集数据，最终形成一套自有采集体系，通过自有测绘公司与当地房产专家结合的形式采集，对数据质量和采集效率有很大提升，是信达泰和的核心竞争力之一。
信达泰和团队在评估行业经验积累丰富，其创始人翟猛于1997年入行房地产估价领域，先后创立了房产评估公司国信达、房信测绘、思路信息、信达拍卖等公司，资源丰富。房信测绘公司为信达泰和提供定制化的房产数据线下采集服务。从2017年初开始，翟猛不再担任其他公司职位，将全部精力投入信达泰和。
一个指数三个产品、未来或将按流量付费
信达泰和作为房地产大数据服务商，处于产业链中间环节，上游对接数据源，下游服务客户应用。
产品层面，信达泰和公布了一个指数和三个产品。包括：中国城市二手房指数、智慧楼盘、智慧估价、押品估价全程通，年底将继续扩充产品，将推出针对央企客群的房屋资产管理系统。
其核心产品房产大数据平台，产品可视为平台上的模块化应用。在服务不同客群时，能够快速组合封装，有较强的通用性和可复制性。
以房产评估这条业务线分析，信达泰和拥有较强的房产评估输出能力，2016年与工行、建行、中行签订合同，与总行合作，信达泰和或将得到长足的发展，今年客群拓展至多家城商行客户，处于技术对接和POC阶段。
信达泰和在银行领域取得了较强的先发优势，按照银行用户的特点，随着项目合作的深入，银行客群的粘度逐步加大，更换数据供应商的可能性较低。
此外，信达泰和还取得了政府机关、税务局、公积金、互联网金融、房产经纪、快递公司等客群，为其提供二手房指数、房产估价信息、地址整治等产品和服务。
信达泰和的客群以中大型客户为主，在初期合作时定制开发、咨询服务的属性会伴随至项目成熟，与此同时，与大客户服务的经验也能集成到其产品中，打磨行业标准化产品和解决方案，在开拓同行业客群时，产品规模复制率将大幅提升。
据翟猛介绍，大数据平台建设工作将在2018年完成，覆盖全国各级城市的房产信息，2B领域是其未来一段时期的主要目标客群，最终战略是将大数据平台将向社会开放，或将变成按查询流量支付的盈利模式。
对标CoreLogic, 中美市场数据生态存差异
国内外的房产大数据市场差异较大，除了政策、法律、历史等宏观因素以外，数据生态也是明显的差异点之一。
以房源信息为例，在中国，没有一个统一的房源信息汇聚平台，每家房产经纪公司独自拥有不同的房产数据，以此建立相对封闭的数据库和自我数据生态，而同一套房源信息也常被买房者给与多家经纪公司，但各家的数据结构化程度不同，亦无规范可循，因此，中国的底层房产数据呈现分散、繁杂、差异化、沉淀较薄等特点。
在美国，可查询的公共数据资源丰富，有统一的数据平台，如房产数据库、地理信息数据库、房产税数据库等。这类数据库多数由政府、协会统一管理，数据治理的更加规范，很多数据都有数十年的良好积累。
比如，在美国，房源信息来自于一套完善的美国经纪人信息共享系统MLS，由美国房地产经纪人协会NAR统一管理，服务于各类房地产专业人士。在MLS系统中，每套房产由委托经纪人独家代理，房产机构和中介商可在MLS上精准查询，线上考察。在共享的机制下，资源利用率和交易流程均得到大幅提升。在数据层面，美国的底层房产数据更加集中、统一、规模化、积累完善。
现阶段，大数据技术助力中国房产大数据产业快速发展，数据的完整度、更新频次、精准度都将成为各家房产大数据平台的竞争维度。
CoreLogic是信达泰和的对标企业，是美国房产数据领域的龙头企业。1984年，Coerlogic成立，于2010年在纽交所上市，目前总市值40亿美元。业务层面，Corelogic有PI（Property Intelligence）和RWW（Risk Management and Work Flow）两条业务线，提供资产信息、数据分析、估价服务、风险管理等一系列与房产及其他数据相关的产品和服务。
信达泰和与Corelogic进行了4年的咨询合作，借鉴其海外市场的成功经验，将切入更多的房产数据相关场景，打造房地产大数据行业巨头。
近日，爱分析对信达泰和董事长翟猛进行专访，现将精彩内容分享如下。
20年房产估价团队，转型房产大数据
爱分析：在房产大数据行业，信达泰和的定位是什么？
翟猛：从各国的经验看，社会财富70~80%都在房地产上，包括美国、澳大利亚等国家。据我们测算，中国住房市场容量是200万亿，非住宅市场有100万亿。我们的定位是中国财富的守护者，想依托于房地产数据，为中国各个行业做决策的帮手，增加他们做决策的信息。
爱分析：您之前在地产估价20年的经验，对选择转型房产大数据来说，主要沉淀在哪里？
翟猛：第一，对估价的情感；第二，对估价师就业的责任，全球趋势上，传统估价师职位骤减，我想把大家的作业方式改变，通过房产大数据，为大家提供更多的就业机会。
爱分析：据您测算，房产大数据市场空间有多大？
翟猛：参考CoreLogic，它在房地产数据行业的直接收益是50亿美金，但衍生的应用收益300亿美金，依靠Corelogic大数据平台，大家在上面做应用。中国市场将远大于CoreLogic，预计是2-3倍。
爱分析：这个2-3倍是如何测算的？
翟猛：第一，中国房屋总量大，约是美国市场2倍左右；第二，我国人口就业流通性较高，将提高房产流转率，释放一定的市场空间；第三，我们的城市管理有待提高，地址信息等衍生品也有很好的商业化价值。
爱分析：CoreLogic的产品和业务包括哪些？
翟猛：CoreLogic覆盖了整个银行与房产相关的业务，从前端获客、受理审批、中端的风险，后端的贷后管理，全覆盖它的产品，在美国市场占达95%。像房贷、信用卡、资产证券化、房贷政策、外国人投资政策、都会用到CoreLogic的数据支持。
爱分析：房产大数据领域入场玩家并不多，您认为背后的原因是什么？
翟猛：第一，做数据不能封闭，但大多数房产经纪公司都是自我生态，天生有天花板；第二，一定要有专业积累，包括地理信息、数据清洗ETL、数学分析和模型、房地产估价、产品及行业知识，包括银行、保险、税务等。
自采、互换、采购等多种方式获取数据源
爱分析：房产大数据包括哪些数据类型？
翟猛：我们对中国40个地市的房产有记录在案，包括基础的静态数据，及市场的活力数据。我们从三个维度描述房地产数据。
一，空间维度，我们用九级地址描述房产地址，国家-行政区-板块-街道-小区-楼栋-单元-层-户。现阶段，标注地址需要凭借技术设备，对每一栋楼进行采集，再用卫星、谷歌、天地图等影像核实。
二，生命周期，我们对房子的生命周期进行记录和描述，包括土地出让、开发建设、一手房销售、二手房销售、物业管理、到征收拆迁。国外的房子生命周期较长，中国的房子多数在二三十年。
三，特征信息，如价格、变现周期、金融属性、契税等房地产特征数据，现在正积极收集。
爱分析：房地产价格如何维护？
翟猛：我们维护每个单元、楼层的价格。通常，小区和楼的基准价需要人工维护，单元、楼层通过修正系数的方式给出，同一片区用一套修正系数，再会通过不同维度的数据交叉验证，定期更新。
例如，互联网挂牌数据，虽不够精准但能够表现价格涨幅，判断趋势。另外，收集各种渠道回流的成交数据，通过模型计算估价，结合价格涨幅，按月更新。少数存在问题的，再用人工确认，随着数据越全，后期人工参与会逐步减少。
爱分析：如何人工确认房产价格数据？
翟猛：很多方法，看网络数据、向中介核实、估价师去现场等办法考证价格。
爱分析：信达泰和对接了哪些数据源？
翟猛：地址数据，小区-单元-户号等楼盘表信息，依靠我们的测绘公司完成，每个城市有办事处，由专业测绘人员结合当地房产专家共同完成。我们开发工具，如APP、后端系统，他们负责采集和录入。
挂牌数据会以抓取的方式采集，一些矫正过的网签数据部分城市已有公布。评估数据、成交数据多数与评估公司和经纪公司合作获得，以及在客户服务过程中沉淀、核准的数据等。
爱分析：这样的话，采集数据对人力依赖很重？
翟猛：是很重，但效率很高，按APP中问题点选的方式进行。我们将互联网数据、日常业务数据等都与采集系统做关联，所有房地产数据都能互联互通，并用可视化呈现。
爱分析：采集一个城市的成本有多少？
翟猛：北京在千万量级。
爱分析：平台数据这种如何更新？更新的成本如何测算？
翟猛：依靠互联网数据更新，发现一个必须核实。我们平均一个城市有数十人，有业务沉淀和自动化更新规则，只有少数疑难的，需要人工核实，更新的成本不高。另外，快递业务对平台进行了反哺，地址查的越多，平台的准确度越高。
爱分析：与经纪公司如何合作？多久更新一次交易价格？
翟猛：一般是交换为主，我不要人名，只要地址和成交价格，是脱敏的，我们用房地产的数据服务和报告与其交换，与经纪公司的合作方式按月为主。
爱分析：经纪公司合作的有哪些？
翟猛：各个城市不太一样，要分开谈，我们有数据拓展部门，负责谈合作互换。
爱分析：从客户获取哪些数据？
翟猛：房子的相关数据，包括地址、面积、贷款申请、时间、押入期价格等业务数据。
爱分析：每年在数据购买方面花费多少？
翟猛：数据购买在数百万量级，以后会越来越多。大量的数据是互换、业务沉淀、自我采集的。从数量看，互联网数据量占最大，从价值看，来自银行、估价、中介等数据最值钱，以合作方式获取。自我采集的数据最重要，可以验证互联网数据对错。
以平台为核心，主营房产估价、地址服务
爱分析：信达泰和的房产地图有哪些特点？
翟猛：百度、高德的地图、导航精确到小区，我们的应用跟户相关，及周边所有影响价格的因素，包括配套设施等多个维度，集成在我们估价模型里。
爱分析：为客户提供的产品包括哪些？
翟猛：目前以公布了一个指数和三个产品，包括：中国城市二手房指数、智慧楼盘、智慧估价、押品估价全程通，年底将扩充至6个。
我们的核心产品是智慧楼盘，集全国房地产基础信息和市场信息于一体，以地图加载楼盘字典的方式做呈现，包含楼盘信息管理、房产估价、分析统计、挖掘应用等功能。
爱分析：信达泰和发布的中国二手房指数，做指数是商业化困难的事情，这是如何考虑的？
翟猛：基于对我们房产数据的研究，2015年，我们与住建部、清华大学联合发布中国的二手房指数。虽然二手房数据不完善、获取较难，但真正使用价值最大，二手房均匀分布于城市内，它能积极反应房地产是否健康、政策影响等问题。
我们的宏观指数免费向政府、院校、银行、保险、基金等行业提供，但微观的研究需要付费。
爱分析：做二手房指数有哪些核心技术？
翟猛：第一，时效性，目前是按周更新，重大政策调整按天更新，从量、价等波动角度，用房产数据反馈政府及部门的政策落地情况。在美国，大家按房产指数做投资，指数按分钟更新，中国更多的是购买房产，按周或天更新相对合理。
第二，估价的传承，我们有20年的房地产估价经验，传统的估价报告需要3-4天，无法满足互联网经济节奏，美国、澳大利亚，70%以上的估价师岗位已消失，现在更需要实时、自动、批量、精准、专业的评估报告，用技术替代传统估价。
爱分析：指数方面，美国按分钟，中国按周或按天，您认为背后的原因是什么？
翟猛：原因在于数据生态，数据开放程度不同。国外政府数据是公开的，行业数据可互通互联，有30年研究历史。指数带有预测性，需要长久的积累。我们经过多年积累，才逐渐开始。
爱分析：主要客群有哪些？分别提供怎样的产品和服务？
翟猛：房产大数据的应用很广泛，目前我们做估值、快递地址、资产管理等服务。主要客群包括：
第一，银行。种子客户是中国工商银行总行，去年与建设银行总行、中国银行总行合作。我们为银行客户提供：估价全程通、押品重估、风险评价等系统的银行解决方案。
第二，互联网金融。如百度金融的房产抵押业务，我们为其提供查询和房产估价报告。
第三，快递公司。快递行业多数是人工参与地址解析和分级，效率较低。我们平台可以将原始快递地址解析成规则的地址串，进行自动解析，通过API接口反馈给快递公司，为其增效降本，目前在对接顺丰、优速等，我们使用脱敏的地址数据，不涉及个人信息。
第四，资产管理。服务于大型企业等的房产管理，对租售价格、日常费用等数据进行每周报告，对接后续的租售服务。这款产品12月份上线，有两大单位在试用。
第五，政府服务。我们给住建委、房管局及其房产系统软件中标公司提供查询和报告服务。
爱分析：与银行、金融的房产评估是否要针对到人？
翟猛：我们只需要地址、面积等房产信息，不涉及个人信息。
爱分析：产品对接客户的时候，现在应该更多的以项目为主，定制化程度占多少比例？
翟猛：对银行的押品复估产品以实现SaaS的形式。我们服务大型银行，沉淀之后做标准化，再服务几百上千的小行。除此之外，我们能主导80%，为其提供四大核心能力，除此之外，银行可能增加1-2个需求。
爱分析：这四大能力包括哪些？
翟猛：一，地址拆分和服务能力；二，估价模型和精度能力；三，数据分析能力；四，数据质量。我们的数据质量是以生态为标准，不单纯依靠自采和购买数据，通过业务，有自己沉淀数据和模型的能力。
爱分析：与工行、建行的项目是如何实施的？
翟猛：我们与建行共同开发房产估值模型。建行生产了一套银行指数，包括贷款风险指数、资金指数、开发贷等，我们的房产数据是其中一个评价维度。
爱分析：对同一个行业不同客户来说，输出的是同一套东西？
翟猛：我们核心是一个数据服务平台，已经完成大城市的数据采集，剩下的小城市，还需要一年时间。之后，我会把平台向社会开放，做平台化的公司，按查询量付费。
一个人和社会经济80%都与地址相关，未来平台将会服务很多2B公司。目前，还要靠平台把银行、快递的业务模式跑通，但最终是一个房地产的数据生态平台。
爱分析：快递公司的项目是否已经落地？
翟猛：落地了。寄件人通过语音软件描述地址，转成的文字传到我的系统中分析、校正，变成标准地址，传到快递公司的数据中心，再进行配送。
爱分析：信达泰和有哪些核心优势？
翟猛：一，我们与国内最顶级的院校清华大学、北京邮电大学、中科院、住建委、行业学会合作，资源互补。
二，我们以服务大客户为主，像工行、建行，与大客户服务会使得我们成长更快。
三，重视咨询，我们对标企业是全球最大的房产数据公司CoreLogic，我们聘请其前总裁做了4年咨询。此外，德勤、普华永道、安永是我们的客户，做资产证券化、给银行做风控、房贷、数据治理等。
爱分析：下一步的整体战略是什么？
翟猛：坚定不移的建设房地产数据服务平台不动摇，为银行、房地产中介、快递、政府服务，把这个事做起来，最大的战略是做中国财富的守护者。我认为，这个行业应该是由政府参股，为全社会服务。
多样的收费模式，产品类客户成趋势
爱分析：目前团队有多少人？未来业务稳定，团队是怎样的人员结构？
翟猛：不算测绘，我们目前不到500人，其中研发112人，产品和客服20人，数据200人，各地运营团队150人。
各个渠道来的数据，大部分可自动化处理，但20%的数据在系统和平台不能识别，需要人工清洗梳理。但人的经验又可变成规则，放到产品中，自动化输出，人力依赖越来越少。未来的想法是数据部门300人，研发200人，产品和客服100人，销售和解决方案300人，总数1000人以内。
爱分析：这样看来，人力将一直是主要成本？
翟猛：对，第一成本是人员，占60%，第二是数据，占20%，还有设备、日常办公等费用。比例在逐步变化，数据成本需要一年才能稳定。
爱分析：今年是否考虑做利润？
翟猛：今年计划收支平衡。
爱分析：快递公司项目如何收费？
翟猛：按流量收费，我们初步商定按（次/条）收费。据行业数据，每天快递包裹总量为1亿，是优质稳定的市场。
爱分析：服务快递公司，查询量剧增，增加了多少成本？
翟猛：我们组建了一个呼叫中心，增加了3个IDC机房，在北京、西安、哈尔滨，支持每天几千万条查询。
爱分析：长期来看，毛利空间会在多少？净利空间如何？
翟猛：参考国外对标，毛利率约70%，净利率35-40%。
爱分析：预计业务稳定还需要多久？
翟猛：平台还差一年时间建完，预计2018年以后会有比较好的现金流，项目类的客户会越来越少，产品类的客户将越来越多。