- 房地产
- 云房数据
- 楼盘字典
- 房产大数据
- 估值服务
云房数据，起源于房产评估企业——仁达评估，由其信息部门独立而来。早期的云房数据以仁达20年积累的评估数据库为主，在其第一发展阶段中，估值服务是核心业务。
对于第三方数据服务商，数据是无可厚非的竞争点。就当前来看，由于房地产行业庞杂，数据没有统一规范，政府部分数据并未公开透明，对于房地产领域的数据获取、整合、清洗、处理都存在一定难度，而云房并不具备数据生产能力，因此，数据获取是要面对的首个挑战。
从2014年开始，对外，云房数据先后在房产交易领域与中原地产、链家、同策、远洋地产、万科物业等取得应用合作，同时与数据堂、百融金服、数联铭品等开展数据合作；对内，云房数据聚焦在构建基础数据库、市场交易数据库、场景应用的算法模型研究等三个方面。
云房数据通过合作、互换、购买等方式获取数据，在数据获取路径、数据覆盖面、数据种类等方面得以扩充。目前，云房数据的数据库在基础数据、交易数据层面得到一定沉淀，其大数据平台正逐步成型。
第二发展阶段，云房数据的业务模式以数据+估值为核心，聚焦多场景应用。通过对大数据平台上十几个API接口的封装，打造了三条包括估值、数据及综合集成服务的产品线，在不同行业推广时进行封装，有一定通用性。
2017年初，云房数据发展进入第三阶段，提出打造“房产数据+”的综合服务模式。从房产数据出发，配合多领域数据，如人群数据、城市数据等，深化房产相关场景应用，提供像精准营销、投策、风控等数据增值服务。
云房数据创始人闫旭东在访谈中表示，近期，阿里、云房数据、友盟三方签订正式协议，共同开发建设以“房+址+人”为核心的楼盘字典数据库，整合三方的数据和服务能力，对房地产存量市场进行精准挖掘和应用，给购房人、投资者提供有效的决策依据。
然而，不同领域的数据类型、存在方式、使用习惯都不尽相同，合作过程必然充满挑战，其结果也有待验证，但市场表现仍值得期待。
客群层面，云房数据以交易、金融、税务及评估行业等四类客群为主。
从数据流向上，云房的客群也是其数据来源。一些交易类客群在一定程度上有依存性，像不足以自建数据平台的经纪公司、网络交易类平台等，提供基础数据库、估值报告等应用需求。这类客群，数量众多，无论从API调用量、还是营收贡献，均是重要组成。
金融类客群对估值、数据类产品需求较多，以金融经营贷、个贷的互金公司、商业银行为主。这类客群支付能力强、市场空间大，但通常情况下，金融类客户会选择多个供应商共同对接，供应商之间存在可替代性。各家的数据覆盖度、数据准确性、估值模型质量等维度，将被重点考核。
近日，爱分析对云房数据创始人闫旭东进行访谈，现将部分内容分享如下。
多元数据是重点，房产评估是基石
爱分析：在房产大数据市场格局中，目前有哪几类主流参与者？
闫旭东：第一类以房地产电商为主，像易居克而瑞、搜房等，掌握一手房数据；第二类是代理公司，像世联、同策，拥有一手房案场数据、客户数据；第三类是经纪公司，像链家 、我爱我家等，以二手房信息为主；第四类是互联网房产交易信息平台，像58安居客、好房通等，在客源信息上有优势。
爱分析：国内的房产数据现状如何？
闫旭东：房产数据，可分为静态数据和动态数据。静态数据，是指物理属性数据、像楼盘字典等；动态数据，包括房产交易行为、与房产相关的经济活动等数据。
房产交易数据中，新房相对公开，二手房信息不透明，政府的数据、产权人信息尚未开放。我们需要自建数据库，各家比拼的是数据颗粒度。
爱分析：从2013成立到现在，云房经历了哪几个发展阶段？
闫旭东：第一阶段，2013年云房从仁达评估独立，从当时的基础数据库出发，提供估值服务；第二阶段建数据库、估值模型，在几个领域做尝试性应用，完成商业模式探索；第三阶段将房产数据、人的行为数据结合，探索更广泛的场景应用，目前我们在与多领域结合。
爱分析：云房的数据源主要是？
闫旭东：静态数据通过互联网抓取、线下采集、时间沉淀、合作互换等方式获取，数据来源主要估价公司、金融机构、房地产中介、政府部门、网络采集、实地勘查等渠道。云房的原母公司——仁达评估服务于银行、经纪公司等客群，拥有高质量的金融数据，像评估数据、银行押品数据等物理属性数据。
动态数据采用网络采集，包括全网1000多个房地产网站的实时抓取。但有的数据如二手房真实成交数据，只有参与者才拥有，我们就用数据互换或抓取的方式，获取链家网、中原、我爱我家、Q房网等的成交价格。
爱分析：在数据获取时，云房有哪些关注点？
闫旭东：这几年，云房的重点在数据源获取。我们认为，数据公司一定要保证数据的合法性、多元性、稳定性，必须与生产数据的来源建立合作关系，这是云房的核心竞争力。大家对数据的需求也是多样性的，我们根据具体业务应用，在采集时会有侧重。
爱分析：地址信息收集时，如何保证准确度？
闫旭东：中国对地址标注有很多体系，多数证载地址与推广名不一致。我们数据来源很多，如何匹配，是技术挑战，我们初步建立了全国287城市1.2亿户的楼盘字典，将证载地址、推广名、小区别名等做了一一对应。
爱分析：数据处理时，需要用到哪些主要技术？
闫旭东：用规则、算法做数据清洗，对多来源数据打标签、做匹配，按重合度分层筛选，逐层沉淀。最简单的比如中国房屋标准化程度较高，很多房产是标准层，由此建立户推导逻辑算法。
爱分析：基于大数据做的评估与传统评估主要区别在什么地方？
闫旭东：最大区别在于线上评估没有现场勘验。实际中，部分的房产可能有建筑结构改动，可能存在风险，好在金融机构有下户审核的程序。从评估方法和数据利用的角度，交易活跃小区房产我们的估值精度比评估公司更高。
估价与成交价的国际误差参考范围是±10%，云房数据对活跃小区的估值误差精度在6%，美国Zillow公司的误差精度为8%。
爱分析：在评估方面，线上评估在抢占传统评估哪部分业务？
闫旭东：线上评估在个贷房抵业务上，会在一定程度上替代线下评估。
交易、金融是主要客群，逐步探索数据增值服务
爱分析：经过几年发展，云房目前的主要客群有哪些？
闫旭东：主要客群在交易、金融、税务、评估等四个领域。
爱分析：交易类客群有哪些特点？ 云房为这类客群提供哪些产品或服务？
闫旭东：我们认为，离交易越近价值越大，云房的焦点在上游，如交易面、获客面。
我们提供估值、底层数据库、估值报告等服务，与中原地产、好房通、推推99、Q房、我爱我家等的合作逐渐加深，有的平台的底层数据服务都来自云房。
爱分析：最终对接客户时，是以怎样的方式呈现？
闫旭东：更多的是通过API接口的模式进行系统接入，金融客群也类似。
爱分析：目前服务于哪些交易类、金融类客户？客户数在什么量级？
闫旭东：很难估算，好房通、房途对接的小B太多，从调用的覆盖面看，目前已覆盖160多个城市，每周估值的调用量达200万次。金融方向，我们在与各分行、互联网金融公司合作，像红岭、平安普惠、赚赚金融、好贷网等100多家。
爱分析：站在客户的业务角度，互金客户除了估值，还看中哪些数据应用？
闫旭东：互金除了看抵押价值，还有标的物安全性、变现能力。我们用API将估值嵌入金融的获客端，提供全流程服务，像获客营销、评估、贷款审批、价值风控、贷后管理、押品重估。
我们帮助金融客户快速放款，像金融经营贷业务，按揭成数较低，更强调效率而不是估值准确性、安全性。我们除了提供评估业务对接，还希望通过交易为金融获客。
爱分析：地税客群，主要与什么级别的机构建立合作？
闫旭东：与市级地税局合作，方式比较多，有做项目、做系统、提供数据基准价，价格动态维护等。我们从2008年开始，一共做了10余个城市，其中7个省会城市，30多个税务项目，像北京、南京、广州、石家庄、银川、天津、成都等，我们提供房产交易核价系统、模拟评税等。
爱分析：是否同样以API方式提供数据服务？
闫旭东：对他们来说是批量导入，税务局网络是内网，定期做更新，我们获取交易中的部分信息、行为信息，不碰产权人信息。
爱分析：哪些产品适用于评估公司？
闫旭东：我们为评估公司提供估价作业系统，产品有房估估、评E评、外采系统等。
爱分析：地产商客群具体有哪些？
闫旭东：我们的合作主要在三方面，第一是纯粹的技术数据服务，第二是数据类的咨询项目，第三是数据相关的系统建设服务，像城市地图。目前服务于远洋、万科、金科、华夏幸福、金隅等企业。
查询量贡献主要营收，数据库开发是行业趋势
爱分析：这四类客群查询量占比如何？
闫旭东：占比最多的是交易，其次金融，评估公司很少，税务不涉及调用量。
爱分析：在对接交易和金融类客户时，如何定价？
闫旭东：按次收费。调取估值、估值报告、基础库、小区评级等的收费方式差别很大。
爱分析：开发商类项目情况如何？
闫旭东：通常几十万，交付周期在3-6个月。
爱分析：整体团队有多少人？
闫旭东：一共170人，包括数据部门70人，有数据采集、数据平台、模型算法三个组；还有50人的产品研发团队，其余的包括销售中心、渠道中心、市场运营等部门。
爱分析：今年营收能达到什么量级？
闫旭东：今年收入至少翻倍，年底实现收支平衡。
爱分析：主要盈利方式来自于哪里？
闫旭东：通过API调取是主要盈利方式。
爱分析：哪个客群客单价较高？
闫旭东：税务的客单价较高，在百万量级。
爱分析：云房下一步整体战略是什么？
闫旭东：云房的目标是打造数据生态，从房产数据出发，整合多领域数据，为各行业提供增值服务。
爱分析：云房这个模式，在国外有哪些对标公司？
闫旭东：有一些对标，包括房产信息平台Zillow、MOVE、CoStarGroup；银行信贷、资产管理CoreLogic；房地产税基评估QV；抵押评估分发与报告审核FNC等。
爱分析：房产数据领域，中美有何不同？
闫旭东：美国没有房管局，房产是在政府做契约登记，产权由产权保险公司保护，产权保险公司有所有的交易数据、抵押数据、租赁数据，CoreLogic数据来自于母公司第一产权保险公司。
美国市场数据很完善，有MLS平台，中国现实需要我们自己建基础库，持续更新交易数据，对接各来源数据，还有相当长的道路。
对于云房数据来说，我们的愿景是让房产交易更透明，让房产金融更便捷，让房产税收更公平，让房产评估更高效。数据只有在利用、分享中才有价值。或许未来3-5年，基础数据库（楼盘字典）将全部免费开放。