房地产是个古老的行业，未来仍然会永续。从93年学习香港模式开始，作为国民经济的支柱产业，发展到现在已经成了300万亿市值+，占居民资产7成，一手房13.4万亿，二手房约8万亿（合计21.4万亿）容量的大市场。国家之大，情况之复杂，数据统计口径差异极大；全民囤房，利益牵绊广，莫衷一是，到底是不足还是过剩了，到底该不该征、如何征房地产税，未来房价还有多少空间，等等，希望数据能窥一二。

1、93年以来统计局口径的全国商品房销售数据

此口径包括住宅、办公楼和商业用房，为一手新房的权威数据，按历年数据住宅占大概85%，累加可得约160亿平米，商品住宅136亿平米，这么些年全国开发商开足马力建房，住宅全国人均增加了10平米 ，发现问题没有，和大家的感受差别是不是超级大？原因就在于还有大量的住宅房屋并没有进入本口径。原因就在于农村自建、城市小产权房、以及各路单位自建、参建、委托建造自用的住宅或其他自用建筑物并未进入此统计。

2、城市小产权房到底有多少？

2014年有非官方数据称，全国小产权房面积约66亿平方米，居民8000多万人（也有数据说涉及7000万个家庭）。 小产权房问题的核心是城乡土地二元化，国有土地上的商品房销售对象不限，但集体土地上的房子，只能销售给本集体内的成员。这部分是房市的历史遗留问题，房价飞涨集体地上的擦边球，国家目前的口径还是不予承认、不予确权，不能买卖。

3、各种单位自建房到底有多少？

这块从来就没有看到一个准确的数据，估计棚改、经济适用房、公租房、人才房、福利房……等等，共同的特征是确实是在城里，而且确实也会随着房地产价格而水涨船高，也能够买卖，大部分60、一部分70后应该是这块的受益者。

2016年国家统计局全国抽了16万户作为样本，调查所得应该比较可信，全国居民人均住房建筑面积为40.8平方米，其中城市36.6平方米，农村居民是45.8平方米。

如果按以上数据及统计局的城市化率58%，城市人口7.88亿人反推，城市住宅290亿平方米-商品房136亿平方米-小产权房66亿平方米=88亿平方米（有所夸大，原因在于有一部分房改前的老房子存量、小产权14年后还会有增长）。

4、农村房屋面积

这块也没有一个准数，大部分都空置的，除了城中村这些拆迁暴发户，真正农村的房子对我们常说的房地产市场没有影响。还是按16年统计局口径，农村人口5.71亿，人均45.8平米，总计262亿平方米。

这部分房产，按老家状况平时都是空置的，只有过年的时候有人居住，或者留给老人叶落归根时做事所用。真实的城市化率比统计局的应该要高的多，可以推论真实的城市人均居住面积根本就没有36.6平方米？？

5、全球人均住房面积对比

全球美国人最高68平方米，其后的发达国家，特别是东亚都不咋地，香港、日本可以用逼仄来形容。网上数据莫衷一是，各种说法都有，比如美国 67㎡，意大利 43㎡，荷兰 40.82㎡，德国 39.4㎡、英国 35.4㎡、法国 35.2㎡、西班牙 25.8㎡、韩国 19.8㎡、日本 19.6㎡，韩国、香港、朝鲜都差不多在19左右。但大概可以下个结论，16年以来过去了1年半，按目前房地产销售速度，人均数据起码又增长了1.5个平方米，就按42平米算，也算世界上领先了，同人家独门独户的住宅相比平均面积也不算小了，同东亚公寓房相比，几乎是2倍了。

https://sohu/a/157814368_157078

6、空置房屋有多少

中国住房自有率90%，全球应该是最高的。最爱买房、最爱买房、最爱买房，没有之一。不管是丈母娘也好，地方政府也罢，房价涨的让老百姓服气，只知道买房囤房，因为从来没有错过。到底空置多少，鬼知道，从微观来看中产的60/70/80后好像大多都不止一套房，也有人统计亮灯率、电表、水表有没有转动等等，个别区域鬼城都有，这个全国差异太大，无法推算，但有大量的空置这个结论是不是可以下？参见中国房地产数据研究院的数据，空置率20-25%，全国控制约6500-8800万套（这个数据只限城镇，没算乡村，这是15年的数据，16/17/18年去库存背景下二套以上的比例应该更高，所谓的丈母娘刚需结婚人口已经向下了，而且下降的很快-20-30%）。

https://sohu/a/157814368_157078

7、房产总市值与居民存款、负债率

总市值更是没有一个确切的统计数字。17年末，一说中国房地产总市值430万亿http://.baidu/sid=1604879294036584743&wfr=spider&for=pc，4大一线城市就可以买下美国所有房产。前两年还在说300万亿，240万亿，加起来可以买下美国+日本。这两年房价涨的。下表只有低估的没有高估的，重庆现在就是区县也到7000了，主城起码1.3-1.8万。

http://.baidu/sid=1601339922602653854&wfr=spider&for=pc。

https://sohu/a/151899384_313480

截止2017年5月，央行公布境内居民住户存款62.6万亿，再创新高。境内居民人民币贷款已经从2010年的8.8万亿飙升到现在的36.4万亿。最新的公开数字是居民贷款40.5万亿元，去库存、去杠杆很成功，成功的把杠杆转给老百姓了 。

把境内居民的人民币存款减去住户的贷款后发现，全国居民净存款仅剩26万亿，什么意思呢，人均2万元。

16年全国城镇居民人均消费2万元多一点，农村1万元不到，合计总消费22万亿，怎么总觉得哪里不对？对，贷款，买房是可以放杠杆的，仅仅买一手商品房都花了13.4万亿。中国家庭"负债率"58%，几年间提升了20个点。

8、不是结论的结论

1）有没有泡沫不知道，但总量是足够了，人均居住面积走到世界前列了，房市再这么疯下去空置率只会越来越高。GDP就是建房空着么？

2）房地产挤压消费，商品房销售额13.4万亿（加二手房21万亿），注意全国教育支出3.9万亿，全国医疗支出1.4万亿，算上老百姓自己花费也不到2倍；房比未来重要？？房比命重要？？喝白酒1万亿，日化化妆用品4000亿，旅游花了8万亿……

3）前几年说卖掉北京一套房，可以买美国4套别墅……现在卖掉北上广深可以买下美国。

4）居民杠杆率提升的太快，基本上就是房子上加了杠杆，净现金人均2万元，比A股好多公司好多了，但还有多少杠杆可以加？这么涨下去，其他国民经济部门不用吃饭？

5）多套房的房产税要不要征？推测卖地卖不动的时候就会征的，存量市场不征哪里来的税收，不征房子真的会上天，但中国经济没法跟着上天，经济结构会继续扭曲。

做网络营销

不论是个人还是公司都想要实现产品的渠道拓展和推广宣传

但绝大多数的企业都不能达成想要的效果

其实原因有很多

一、想要做好网络营销

客户是王道

没有强大的客户群做后盾

网络营销的销量不过是空想罢了

当下客户渠道大多以网络大数据信息采集的方式来获取

如云速数据挖掘

通过输入行业关键字

就能一键采集指定区域的客户信息和联系方式

省时高效

二、通过客户信息

从分考虑分析目标群体的生活轨迹和习惯

来预测客户下一步的消费行为

以正确的时间正确的方式传达产品信息

从而完成营销活动

三、产品文案的策划一定要以客户需求为重点

并且简单易懂、快速吸引客户眼球

才能使转化率达到最佳

本文节选自《房地产大转型的“互联网+”路径》，该书系巴曙松教授和高级分析师杨现领博士的力作。本书聚焦于移动互联网时代的房地产行业大转型，为中国“互联网+房地产”企业寻找下一个风口，敬请品鉴。

一、未来房地产估值的方向是什么？

如何充分运用工具系统来提供更好的估值服务，提升估值服务水平，我们探索一种新的服务模式——房地产估值O2O。所谓房地产估值O2O，即依靠开放的估值系统应用平台，将“线下”评估作业与“线上”在线估值相结合，以估值信息系统为平台，寻求线上至线下的闭环，实现估值服务的O2O转型，提供多元化线上估值服务、完美的线上线下衔接、高效标准的线下服务及多种房地产估值衍生服务。通过大数据、大经济、大市场的交融，满足互联网时代下估值服务的多元化需求。

1．多元化线上估值服务

通过在线评估系统，建立高速、畅通的网络化服务通道，提供估价对象实时在线评估、在线委托业务、业务咨询、案例查询、价值参考、押品价值监测、市场研究分析等服务，以实现高效、便捷的服务方式。同时，针对不同房地产类型，尽量采用最精细化的区域划分，分别建立估值模型。并根据多渠道积累的过亿条真实交易数据，适时进行基准价格动态更新调整，以保证估值测算的精准性。

2．完美的线上线下衔接

通过在线平台，将需要人工评估的任务直接转至线下，线下各评估机构在线接单，提供具有公信力和法律效力的各种房地产评估报告。

3．高效、标准的线下服务

将业务分派、现场勘查、报告撰写等估价作业通过业务流程系统、外采系统、报告生成系统来操作，提供标准化和高质量的线下评估服务，提高估价师的工作效率和估价公司的管理水平。

4．多样的数据增值服务

面对海量的估价数据，通过研制各种数据挖掘算法和预测模型，去分析数据的关联性，以可视化方式展现分析及预测结果，并通过这些结果去设计新产品和服务。例如进行房地产投资回报率调查分析、城市住宅投资景气指数分析、房地产（押品）价格、租金指数及市场分析研究等。

二、如何搭建多来源、多维度的数据生态？

无论是以前的估值服务模式，还是现在的房地产估值O2O服务模式，都需要完整、标准、系统的基础数据做支撑。作为独立第三方的房地产数据服务商，我们清楚的认识到，想要不被市场淘汰，要以强大的数据库作为核心竞争力。

对此，应以 “数据生态”为方向，即通过多种渠道“采集”数据，并进行实时更新，保证数据的及时性、丰富性；对多来源数据进行完整性、准确性等方面整理后，统一存储于立体式私有数据库，并建立不同层次数据间的关联关系，实现不同领域数据的全面对接；标准化的数据应用于各领域，在动态的应用中得到不断的“校正、检验”。这样，在数据的采集、应用及校验相互影响和补充的过程中，形成了多渠道来源、多维度应用的数据生态。

数据生态的搭建建立在以下几个方面：

1．多渠道数据来源

凭借着多年来实践中积累的房地产行业各类型过亿条交易及租赁数据，通过整合包括现场采集、网络挂牌、评估积累以及银行、中介等其他机构的数据，特别是政府存储的房管、税务、规划数据，从而形成多渠道数据来源体系。

2．全面的数据内容

对房地产不同阶段的数据进行存储，并建立彼此之间的关联关系，形成横纵交织的关系型数据仓库。帮助评估机构、政府部门（地税）、银行金融机构搭建多纬度、多层次的立体式私有数据库，实现数据的统一存储与应用。

3．标准化数据管理

首先，将数据信息经过标准化处理、完整性校验、到准确性校验、可行度评估后输入到数据库中，从而保证数据的完整性、准确性和一致性；其次，严格按照房地产数据标准，就全部进库数据进行清洗处理，实现基础属性内容和案例格式的统一标准化；最后，定制房地产各种数据类型、数据字段内容、数据从属关系的软件系统，实现数据的统一存储与应用。

4．及时的数据更新

以“天”为周期，对存量房市场交易数据、征税数据及市场租金进行分析，对新增楼盘进行门牌地址数据的补充，同时对系统数据库进行补充、修改、更新，提高数据匹配率，以保证估值模型的评估结果能及时的反应当前的市场状况

5．立体的数据展示

在数据管理系统平台上建立点或面的坐标关联，实现数据与地图（GIS）的有效对应，更为直观的展现各类型数据及其从属关联关系，提供清晰的地图定位和动态可视数据信息展示，避免同一套房屋估值数据无法匹配的问题。

三、互联网+估价=？

面对外部环境的变化，内部客户需求的不断提升，传统的估价行业服务本身已落后于时代。估价行业要追上时代的步伐，就必须求“变”——关注客户需求，深化不动产估价服务内涵。

如何“变”？这就要充分利用互联网技术，实现估价服务O2O模式。具体来说，可分为两方面。一方面，对客户而言，实现线上询价、下单、提交电子化报告的在线评估服务，成为客户身边实时在线（always on line）的专家顾问。这就需要估价行业利用海量数据信息，建立不同类型的自动化评估模型，通过传统的估价方法或批量评估技术，建立在线估值系统，实现客户的实时需求。

另一方面，对评估机构而言，实现业务流程的自动化管理，使估价过程简单化、流程化。在这里，业务流程的自动化管理，以估价业务流程系统的形式，集业务受理、任务调度分派、现场勘查、报告撰写、报告审核、行政盖章、报告归档以及财务收费管理、客户回馈、数据上传等全流程多功能于一体，实现线上和线下的结合。其中，现场勘查可利用现有的移动3G/4G技术，通过业务采集（勘查）系统，实现信息的实时传输、数据库的对接完善及现场照片的自动分类与估价对象描述的对应；报告撰写可借助计算机，依靠报告生成系统（估价辅助系统）来实现，在减少估价师不必要的错误的同时，提高工作效率。

估价服务的自动化本质上是估价机构对客户服务方式的升级和转变，这就是估价服务的O2O模式。

随着互联网时代的到来，客户也迎来了不同于传统估价服务的全新体验。首先，客户可以通过微信进行线上询价和报单。

其次，对于使用者来说，原有纸质的报告形式的改变，为银行客户带来了操作上的便利。电子化报告在实现实时传送的同时，还可实现数据自动汇总，不需要客户自己再手动录入相关信息，避免了不必要的操作失误。

不仅如此，评估机构还可与银行等金融业机构全面对接，做到银行、金融机构、评估机构评估服务的共享与统一，实现房地产抵押品贷前咨询、贷中评估、贷后价值重估的全流程服务。电子化报告还可实现数据的汇总积累，便于建立房地产押品数据库，在数据标准化的基础上，实现房地产抵押品基础数据和评估参数的标准化共享，方便银行等金融机构日后的押品管理。

估价行业通过O2O的模式使“互联网+”得到落实和推广，使客户体验到全新的服务方式。这是时代的选择，也是行业的选择！（完）

文/巴曙松、杨现领

文章来源：本文节选自巴曙松教授、杨现领博士所著《房地产大转型的“互联网+”路径》，该书于2015年7月由厦门大学出版社出版发行（本文观点仅代表作者作为一位研究人员个人的看法，不代表任何机构的意见和看法）

ForeSpider 前嗅：手把手教你数据采集

ForeSpider是一款非常好用的数据采集软件，因为属于专业性工具，除了帮助文档外很少有使用教程。所有有很多人在使用的过程中遇到问题难以解决，今天给大家介绍ForeSpider数据采集系统的使用教程，希望能对大家的工作有所帮助。

教程的示例网站是大众点评，要得到50页内所有医院名称，该医院评论总数，医院总体星级，各项评分，医院评论的用户名，评论内容，评论时间，用户点评星级，获赞数量和回应数量。

首先我们先新建一个频道，我给它命名为大众点评，然后在频道配置里输入我们想要爬取数据的网址，需要在频道配置处输入想要得到数据的网址，大众点评需要开启cookie，从右面可以开启，网站不同有的不需要，视情况而定。 现在默认模板（1）就是我们要的网站页面，鼠标放在医院标题处如图，从左下角能看到医院的网址链接。

现在点一下右上角的采集预览，我们能得到整个页面的所有网页链接，下拉滚动条到这个位置就会发现跟上图相同格式的链接，这就是我们需要的所有医院的链接。

我们用不到的需要过滤一下，可以通过地址过滤和标题过滤方法筛选。点击软件右上角模板抽取配置里面的链接抽取，里面有地址过滤和标题过滤两个选项，点击地址过滤，软件右下角如图：

过滤规则选择包含，过滤串内输入想要得到的医院链接，后面这串数字我们用“\d”表示，用“\e”表示结束，例如https://dianping/shop/\d\e，这样就能采集网页内所有这种格式的网页链接。

当我们想要采集的网页下面有翻页的链接，就必须配置翻页。除了在右上角默认模板处抽取我们想要的得到的医院链接外，还要再新建一个链接抽取，抽取页面翻页的地址。

我们继续从采集预览处得到翻页的链接，过滤规则选择包含，通过观察发现几个链接的相同点，输入到过滤串里就能得到想要的翻页链接了。

第一层级的模板建好了，下面我们随便点进一个医院主页内，复制链接建立下一层级模板。在默认模板（2）的示例地址内输入医院主页的链接。

因为我们需要采集该医院所有用户评论，所以我们找到下面的“更多点评”，通过刚刚地址过滤的方法，过滤出更多点评的链接，并建立模板（3），示例地址输入刚刚过滤的得到的“更多点评”的网址。

注：点击链接抽取，看左下角关联模板处，一定要关联到下一层级的模板，如果是翻页的链接抽取，要关联自身模板，否则会数据采集失败。这点一定要注意。

这样模板的基本配置就完成了，下一步是建立表单，下图是我们的需求，红色字体我们能从模板二采集到，蓝色字体我们能从模板三采集到，所以我们需要建立两个表单。

点击表单配置，新建一个表单，添加一个网页主键如图，一定要勾选索引字段，键值唯一，主键字段三个选项，取值类型选择网页主键点击确定。

然后添加下一个字段如标题“title”

取值类型选择“选区内全部文本”，变量类型选择“string”，选择合适的字符长度点击确定。依次建立所有字段。

这是我建立的两个表单的所有字段，表单名称分别为“大众点评1”、“大众点评2”，建立好以后点击保存即可。点开模板配置，每一个模板对应相应的表单，右键模板二“添加数据抽取”，表单名称选择“大众点评1”。

同样在模板三处再添加另外一个数据抽取表单，添加好后如下图所示：

单击“title”，然后按住ctrl键同时鼠标左键点击对应标题，内容过多的话按住shift可以调整内容大小，选好后点击保存。

全部选取完后点击左上角的文件，然后全部保存。

下一步点击数据，连接数据库，然后再次点击数据，选择数据表，选择刚刚新建两个数据表的字段后创建表，创建好后勾选并确定，就可以进行数据采集了（如果表单有问题需要更改，改好后需要重新创建表单），速度慢可以点击设置里面的线程设置，设置多线程。

这只是一个简单的教程，软件还有很多强大的功能，祝大家使用愉快！

12月21日， 链家研究院发布了地产大数据产品Real Data，首次向业内展示针对B端用户所开发的房地产领域一站式研究和数据服务平台。

“这是大数据时代，传统行业追赶前沿技术的一次勇敢尝试，也链家大数据应用的一大创新与突破”链家研究院院长杨现领谈到。

依托链家二手房、新房、租赁等数据库以及万亿级别真实交易场景，同时整合全产业和宏观经济数据，Real Data囊括城市基础数据库、市场数据库、用户行为数据库及集中式公寓字典四大数据库。将为政府、房企、金融机构等房产全产业链参与者提供精准数据服务和决策依据。

上线第一阶段，房企是Real Data的核心用户群体。Real Data涵盖四大核心功能板块城市宏观经济分析、城市市场分析、项目策划分析及楼盘管理，房企可以通过其获取真实、实时、精准的市场数据及分析结果，满足从城市进入、拿地决策、项目开发、精准营销到楼盘监测的全流程数据需求。

在地产项目的整个生命周期中，房企面临很多决策环节，涉及庞大的数据搜集、整理和分析工作，而每一项决策的正确与否几乎都事关成败，这其中真实有效的数据参考对于决策极为关键。而相较于地产市场的快速变化，房产相关数据产品的发展却呈现出明显的滞后性，房产基础数据的缺失、颗粒度粗、更新不及时、数据入口和来源分散等问题较为明显，很难满足房企对数据质和量的要求。

据了解，Real data采用的是商圈层级数据统计方式，相较于行政区域级别的数据统计，数据颗粒度更细。杨现领表示，未来，Real data还将细化到小区级别的数据统计，对小区楼栋，业态、户型、总价和面积等进行全面细致的数据统计。

另一方面，在存量市场主导的新常态下，房企的转型发展依赖大量的存量市场数据支撑，而行业内以“存量数据”为核心基础的房产大数据平台较为缺乏，随着链家业务线上化和业务体量的增加，至今已经形成了具备8000万套房屋信息的楼盘字典、日均活跃用户300万、日新增行为数据5TB+、数据总量1.34PB+的大数据体量。

此外，从2010年链家发力移动互联网以来，线上用户数据采集不断完善，这也使得链家的用户数据库趋于丰富，用户画像趋于精细化。链家集团技术副总裁惠新宸表示：”我们建设系统的思路是以数据为导向，围绕人、房、客三方建设系统，通过用户的数据以及在整个过程中实时产生的交互行为，来推动整个系统的建设。基于此，用户上一秒的交互，就会成为下一秒的推荐特征，这也保证了Real Data 产品实时画像能力的实现。”

未来，Real Data还将对已有的各项数据进行完善、扩充资产管理相关功能。此外，针对目前火热的租赁领域需求将推出一系列数据产品服务，用于辅助分散型、集中型租赁品牌的选址、定价与运营的策略制定，进一步扩大产品的应用空间。

数据是链家一直引以为豪的重要资产，在多年的互联网布局以及对大数据的思考中，链家通过发力移动互联网、大数据产品化及科技驱动，打造了多功能全渠道的产品矩阵。基于自身庞大的数据库，链家不断进行技术革新，通过开展深度挖掘和大数据产品化，研发出业内领先的一系列大数据创新产品，实现了“地图找房”、“房屋智能评估系统”、“交易流程可视化”、“房屋迁徙系统”等功能，为重构房产交易流程，提高行业效率奠定了基础。Real Data上线也成为链家连接B端用户，部署房地产全产业链数据应用一次创新尝试和进步。

中国房地产大数据报告（2018）

一、2018房地产市场发展

现状与存在问题

2018年上半年，除一线城市外，多数城市房价出现较快上涨。2018年6月大数据房价指数（BHPI）环比显示，142个样本城市平均环比上涨1.62%，房价环比上涨的城市为119个，占样本数的83.8%。

2018年10月，全国房地产市场整体退热，一二三四线城市均稳中有降。2018年10月大数据房价指数（BHPI）环比显示，142个样本城市房价平均环比下跌0.296%。房价环比上涨的城市为58个，占样本数的40.8%，比6月减少61个。

1.一线城市由总体缓涨转为集体微降，但房价水平高潜在供求矛盾突出

2018年初以来，一线城市中广州房价较快上涨，北京、深圳房价均有所回升，仅上海房价持续下降。2018年6月，一线城市房价平均环比上涨0.525%，其中北京环比上涨0.95%，深圳环比上涨1.33%，广州环比上涨0.43%，上海环比下跌0.61%。2018年6月，一线城市房价平均同比上涨4.25%，广州房价同比上涨21.41%，深圳房价同比上涨6.41%，其中北京房价同比下跌3.7%，上海房价同比下跌7.11%。

2018年10月，在中央严控房价上涨的政策背景下，北京、深圳房价回升进程中断，广州楼市由热转冷，上海跌幅有所加大。与2018年9月相比，10月一线城市房价环比平均下跌1.857%，跌幅比上月进一步扩大1.3个百分点。10月广州、北京、深圳、上海四个一线城市房价均环比下跌，其中深圳环比下跌0.83%，北京环比下跌1.99%，广州环比下跌1.9%，上海环比下跌2.71%。与上年同期相比，2018年10月一线城市房价平均同比上涨1.277%，其中北京同比上涨0.52%，深圳同比上涨3.45%，广州同比上涨12.11%，上海同比下跌10.97%。

2.准一线及二线城市由快速上涨到总体回调，房地产市场对投资需求的依赖度较高

2018年6月，准一线城市房价平均环比上涨3.1%，其中重庆环比上涨7.82%，居涨速首位。6月准一线城市平均同比上涨18.13%，其中杭州同比上涨41.13%，重庆同比上涨35.29%。

到2018年10月，准一线城市房价环比平均下跌1.415%，跌幅比上月进一步扩大1.25个百分点。除苏州环比接近持平外，重庆、天津、杭州房价均环比下跌。10月重庆房价环比下跌3.57%，下跌速度有所加快。10月准一线城市平均同比涨幅收窄至10.77%，其中重庆同比上涨24.46%，杭州同比上涨12.76%。

与2018年9月相比，10月准一线城市房价中位数为21611元/建筑平方米，比上月下降677元/建筑平方米。

2018年6月，二线城市平均环比上涨1.09%，其中西安环比上涨5.73%，居涨速首位。2018年10月二线城市房价平均环比下跌0.941%，跌幅比上月进一步扩大0.209个百分点。热点二线城市房价由涨转跌，也带动了周边三四线城市房价下跌。

自2018年1月以来，二线城市房价同比涨幅总体呈现下降态势。与上年同期相比，二线城市总体仍累积了较高的房价涨幅。2018年10月，二线城市同比上涨8.914%。其中西安同比上涨47.45%，居二线城市之首；厦门同比下跌14.7%，居二线城市末位。

二线城市10月房价中位数的平均值为18138元/建筑平方米，较上月略降205元/建筑平方米。

3.三四线城市房价由集体上扬到小半上涨，新房库存水平有望重新回升

2018年6月，118个三四线样本城市中，房价环比上涨的城市达100个，上涨占比85%。6月三四线城市房价平均环比上涨1.68%。

2018年10月，118个样本城市中，房价环比上涨的城市仅为52个，上涨城市占比44%。下跌的城市达66个，下跌城市占比56%。10月三四线城市房价平均环比下跌0.118%，虽然跌幅很小，但反映了市场形势的微妙转变。

从2018年以来累计涨幅看，2018年6月，三四线城市平均累计上涨8.8%，118个样本城市中累计涨幅在10%以上的城市为43个。到2018年10月，三四线城市平均累计上涨11.032%，累计涨幅在10%以上的城市为65个。

4.购房者信心指数和经纪人信心指数均降至近2年最低点，市场预期不再单一乐观

2018年10月，购房者信心指数环比下降4.2%，同比下降12.9%，为2017年1月以来最低点。近两年购房者信心指数的最高点在2018年2月，此后一路下滑，反映了购房者市场预期由乐观向相对悲观的转变。

2018年10月，经纪人信心指数环比下降0.6%，同比下降8.9%，同样为2017年1月以来最低点。近两年经纪人信心指数的最高点在2018年6月，随后出现较快下降。一般而言，经纪人对市场信息较为了解，相对购房者更为理性。经纪人信心指数的下降，反映了市场的实质性降温。

5.热点城市住房租金由快速上涨到稳中略降，租赁性住房供给相对不足

大数据住房租金指数（不含长租公寓，下同）监测显示，2018年1-7月部分城市住房租金快速上涨，并于7月达到涨幅峰值。2018年7月，29个重点监测城市住房租金平均环比上涨0.98%。其中环比涨幅在2%以上的依次有中山、郑州、深圳、苏州、东莞、合肥等6城市；环比涨幅在1%~2%之间的有上海、重庆、石家庄、无锡、烟台、杭州、大连、北京、珠海、沈阳10个城市。与2017年12月相比，2018年7月累计涨幅在5%以上的有惠州、石家庄、深圳、北京、珠海、重庆、苏州、青岛、大连9个城市，其中累计涨幅在10%以上的有惠州、石家庄2个城市。

2018年8-10月，重点城市住房租金水平有所回落。2018年10月，29个样本城市住房租金平均环比下跌1.29%。郑州、青岛、石家庄、烟台、杭州、天津、佛山、北京等24个城市租金涨速均有所回调，仅有中山、惠州、西安、珠海、厦门5个城市环比上涨。从定基指数看，与2017年12月相比，2018年9月住房租金累计涨幅在5%以上的仍有惠州（24.39%）、石家庄（9.57%）、苏州（9.41%）、中山（8.73%）、珠海（8.58%）、深圳（6.57%）、北京（5.97%）7个城市。8-10月热点城市租金止涨，主要受到各地政府对租金上涨调节干预的影响。

2018年上半年房租的快速上涨，除了长租公寓利用资本杠杆争抢房源外，大城市存量住房总量不足也是一个重要原因。

在房价上涨受到抑制的条件下，住房供求矛盾通过租金上涨的形式曲折表现出来。一线城市住房市场具有供给增长潜力小、需求增长潜力大的特征，住房供求矛盾长期存在。在严厉的限购限贷政策作用下，虽然当前房价上涨得到了抑制，但是住房供求矛盾仍通过一些曲折的形式表现出来。比如住房租金快速上涨等，就在一定程度上反映了一线城市的住房供应偏紧局面。“长租公寓”利用金融杠杆争夺房源，又进一步加剧了房源紧缺与租金上涨。

针对非正规租房的治理行动也是推高住房租金的重要辅助因素。部分城市治理私搭乱建、拆除隔断、清理群租房导致供给收缩，被许多学者认为是导致房租大涨的重要原因。

6.重点城市长租公寓市场扩展迅速，租房市场有待进一步规范化发展

北京、上海、深圳、成都、武汉等重点城市长租公寓市场发展迅速。2018年11月，全国品牌公寓信息发布量同比增长83.37%。2018年1-11月，19个重点城市中，品牌公寓信息发布量占比在5%以上的，从高到低依次是上海（26.1%）、成都（18.2%）、北京（12.3%）、南京（7.2%）、深圳（6.3%）、武汉（5.5%）、重庆（5.0%）。

长租公寓利用金融杠杆加价争夺房源行为，推高了部分城市的短期租金。“租购并举”是住房长效机制的重要组成部分，国家层面对租房市场的政策支持力度不断加大。特别是对于长租公寓的发展，考虑到其租金收益率低、成本回收期长的特性，相关部门给予了充分的金融政策支持。

二、市场形势分析

与2019年走势预测

外部环境尚未向好。国际经济形势复杂多变，美联储进入加息周期，国际资本市场动荡加剧，中美贸易摩擦尚未缓解，导致市场不确定性显著增加。这些不确定因素的存在，短期内将增强市场观望情绪。国际经济形势复杂多变，同时也使房地产政策空间变小，相对保守的政策才能最大可能避免房地产市场风险。从长期看，中美贸易摩擦将迫使中国产业升级转型与结构优化，从而间接影响国民收入结构和区域经济结构。这两种结构变化都将对未来房地产市场格局产生深远影响。

住房调控政策保持了持续性与稳定性。中央定调坚决抑制房价上涨，对房价上涨预期有较大影响。中共中央政治局2018年7月31日召开会议，分析研究当前经济形势，部署下半年经济工作，提出要坚决遏制房价上涨。

住房资金面略有改善。2018年下半年特别是四季度以来，随着定向降准等稳健性货币政策的实施，市场利率有所下降，多个城市首套房贷利率大幅上浮现象也得到轻微改善。

一线城市重新成为楼市避风港。从城市格局看，一线城市已经进入存量房市场，受开发市场波动及商品房库存变动因素的影响较小，市场变动主要取决于政策特别是融资条件的变化，但政策进一步趋紧的可能性并不大。

三四线城市楼市热度难以为继。调控政策向三四线城市延伸，使三四线城市住房投资投机活动受到抑制。限购、限售的城市继续增加，多个热点三四线城市被住建部约谈，调控政策由一二线城市向三四线城市深入。

基于以上因素综合推测，短期内一二线城市房价稳中略降，三四线城市涨速进一步下降。少部分房价虚高严重的二三四线城市可能进入风险释放区域。长期看，房屋租赁产业将迎来大发展。

三、对策与建议

一是保持货币政策的稳健中性，不宜强剌激或大幅紧缩。房价具有很强的金融依赖性，货币供应的相对稳定是楼市稳定的基础。不采取货币扩张、需求剌激的方法来吹大资产泡沫，也避免用紧缩性货币政策来稳定房价。

二是坚持“房住不炒”和“因城施策”方略，保持调控政策定力、稳定房价预期。在城市化阶段住房具有很强的民生属性，坚持“房住不炒”有利于楼市的长久稳定。在复杂的内外部经济形势下，坚持“因城施策”，不搞政策一刀切，可以避免人为诱发系统性风险。一二线城市继续抑制投资投机，维持现有的限购、限贷等房地产调控政策的持续性与稳定性，进一步稳定房价预期，消除政策剌激幻想。清理三四线城市不合时宜的住房去库存政策。切实落实好地方政府稳定房价的主体责任。

三是建立完善住房租赁市场相关制度，多渠道扩大重点城市租赁房源。

建立完善租房市场相关制度，包括：完善市场规则，探索建立租房押金第三方存管制度、租金上涨幅度限额制度、强制性合同文本条款制度、出租性住房环保安全标准等规则制度；规范市场秩序，重点治理设置合同陷阱和霸王条款行为、变相克扣押金行为、诱导哄骗租客将租金转为贷款分期的行为、暴力驱赶租客行为、垄断区域房源或租房信息操控租金行为等；加快推进住房租赁立法，保障租购房同权，在发生各类纠纷时优先保护租户权益。

多渠道扩大重点城市租赁房源，包括加快公租房的建设与配租；加快对集体土地建设租赁住房试点的推广；对利用工商业闲置建筑改造为长租公寓，给予更多的规划、土地利用、税收政策支持；出台可行性细则，支持企业单位利用闲置土地建设租赁型职工宿舍等。

四是加大公共服务区域一体化力度，加快推进住房供给侧改革和长效机制建设。

抓住住房市场相对稳定的有利契机，加快推进和深化土地出让制度改革、集体土地利用制度改革、住房财税制度改革、住房开发制度改革、住房预售制度改革、租购同权改革等关键性制度的改革，建立完善住房市场稳健发展长效机制。

【乐居财经，专注于泛地产行业新闻。感谢您的关注】

2月28日，国家统计局发布了《中华人民共和国2017年国民经济和社会发展统计公报》。统计公报显示，在房地产投资方面，2017年全年房地产开发投资109799亿元，比上年增长7.0%。加上此前国家统计局公布的相关房产行业数据，包括商品房销售、房屋施工、二手房交易等一幅幅宏伟的年度房产成绩单，都已在我们面前完整地铺陈开来。

房产投资依旧旺盛

数据显示，2017年全年房地产开发投资109799亿元，比上年增长7.0%。其中住宅投资75148亿元，增长9.4%；办公楼投资6761亿元，增长3.5%；商业营业用房投资15640亿元，下降1.2%。全年全国城镇棚户区住房改造开工609万套，棚户区改造基本建成604万套，公租房基本建成82万套。全年全国农村地区建档立卡贫困户危房改造152.5万户。

2017年，东部地区房地产开发投资58023亿元，比上年增长7.2%，增速比1-11月份回落0.2个百分点；中部地区投资23884亿元，增长11.6%，增速回落0.8个百分点；西部地区投资23877亿元，增长3.5%，增速回落0.8个百分点；东北地区投资4015亿元，增长1.0%，增速回落0.4个百分点。

纵观2017年全年，5月份房地产开发投资增速首次在年内出现回落至8.8%，随后基本延续回落态势，仅在9月稍有企稳，而7%的增速则是年内的最低点。这也反映出去库存以及抑制楼市过热等背景下房地产市场受到了影响。但即便如此，2017年房地产开发投资增速仍处于高位，因此2018年仍有可能继续呈现持续放缓态势。

单月房屋销售面积创历史

2017年，房地产开发企业房屋施工面积781484万平方米，比上年增长3.0%，增速比1-11月份回落0.1个百分点。其中，住宅施工面积536444万平方米，增长2.9%。房屋新开工面积178654万平方米，增长7.0%，增速提高0.1个百分点。其中，住宅新开工面积128098万平方米，增长10.5%。房屋竣工面积101486万平方米，下降4.4%，降幅扩大3.4个百分点。其中，住宅竣工面积71815万平方米，下降7.0%。

2017年，房地产开发企业土地购置面积25508万平方米，比上年增长15.8%，增速比1-11月份回落0.5个百分点；土地成交价款13643亿元，增长49.4%，增速提高2.4个百分点。

2017年，商品房销售面积169408万平方米，比上年增长7.7%，增速比1-11月份回落0.2个百分点。其中，住宅销售面积增长5.3%，办公楼销售面积增长24.3%，商业营业用房销售面积增长18.7%。商品房销售额133701亿元，增长13.7%，增速提高1个百分点。其中，住宅销售额增长11.3%，办公楼销售额增长17.5%，商业营业用房销售额增长25.3%。

值得注意的是，仅2017年12月份房屋销售面积就达到了22840万平方米，这一数据为历史上单月成交最高的规模。同时，销售额和销售面积已连续2年刷新历史最高记录。2017年的商品房销售额为历史上第一次突破13万亿，而商品房销售面积也是第一次突破16亿平方米。

2017年，东部地区商品房销售面积71199万平方米，比上年增长2.9%，增速比1-11月份回落0.3个百分点；销售额74439亿元，增长6.2%，增速提高0.9个百分点。中部地区商品房销售面积47460万平方米，增长12.8%，增速提高0.3个百分点；销售额28665亿元，增长24.1%，增速提高1.6个百分点。西部地区商品房销售面积42459万平方米，增长10.7%，增速回落0.9个百分点；销售额25231亿元，增长25.9%，增速提高0.3个百分点。东北地区商品房销售面积8289万平方米，增长7.0%，增速回落0.4个百分点；销售额5367亿元，增长21.8%，增速回落0.3个百分点。

新房层面各项数据增速放缓

2017年末，商品房待售面积58923万平方米，比11月末减少683万平方米。其中，住宅待售面积减少670万平方米，办公楼待售面积增加118万平方米，商业营业用房待售面积减少215万平方米。

着重观察新房方面的数据：2017年全年新建商品住宅销售面积达到13.9亿平方米，略高于2016年水平；销售额达到10.5万亿元，较2016年小幅增加。较之于2016年，全国新房销售均价、销售面积、销售额的增速均明显放缓，价格和销量增速只有5%左右的水平。

全国新房销售再创新高，离不开三四线城市的贡献。三四线城市在2017年成为了全国新房市场成交的核心热点。绝大多数一、二线城市的新房交易量较之2016年有了明显的下降，但全国的新房成交量来自于众多三四线城市销售的增长。如徐州、宜昌、湖州等城市均表现出较快的增长，其中汕头出乎意料的成为全国销售面积增速最大的城市，达到了81.5%。

二手房销售额下降明显

而另一方面，二手房的销售额则在下降，同时二手房的交易活动有向全国化扩张的趋势。2017年，在全国严格调控之下，全国二手房销售386万套，比去年下降23.8%；二手房销售额达到5.8万亿，比去年下降13.3%；二手房成交额占比达到35.3%，比去年下降4.8个百分点。

从全国各城市来看，全国二手房销售额的下降主要是由于一、二线城市受调控影响。一线城市二手房月均成交量总体下降39%。强二线城市受调控影响相对较小，月均成交量下降9%。弱二线城市及三、四线城市2017年月均成交量绝对水平尽管较低，但成交增速大于其他等级城市，尤其是三、四线，无论是成交量还是成交额同比涨幅均在50%以上。

尽管总量下降，但二手房市场在深度和广度上都有所提高。北上广深一线城市二手房占比进一步提高。2009年起，北京、上海率先进入二手房时代。2017年，北京二手房交易量是新房的3.3倍，上海1.1倍，广州1.7倍，深圳2.7倍，一线城市二手房市场进一步深化。更多的城市也在进入二手房市场。除一线城市外，部分重点二线城市，如南京、厦门等也陆续进入二手房主导阶段。2017年有24个城市二手房成交套数超过新房，且有越来越多的二线、甚至三线城市二手房占比超过新房，如宁波、杭州、常州、无锡等。

随着二手房规模的累积扩大，二手房将从原先新房的补充地位转为市场相对更加重要的地位。对一线大城市而言，随着新房高端化和郊区化，刚需群体只能通过二手房满足基本需求；对于其他更多城市而言，二手房所处城市中心的地段优势将吸引更多消费者。在一些人口体量相对大、土地稀缺、新房供应量极为有限的城市，二手房必将成为满足市场需求的主要途径。

首先我们看一个城市的成交页面：https://sh.lianjia/chengjiao/pg2/

拥有非常多的条件组合，同时最大显示页数为100页，如果希望获取100页之外的，那就只能拆分搜索条件了。

知道了条件组合 以及最大页数之后，那么问题来了，上面如果希望查看详情的话就需要下载APP，那么APP是必须下载的吗？

通过查看html源码可以发现，房屋的图片 有详情页的链接，从而可以避免下载APP了。

采集程序的大致思路就出来了，

首先是整理条件组合，区域+面积+房型差不多就够用了

其次是采集列表

最后是采集详情。

那么在采集之前，首先是先建立好数据库表结构，如下：

两个经纬度这块是我们自己添加的。网页中显示的是百度经纬度。

之后就开始写代码了,参考链接：https://qianjieyun/new_14CAC3214C8272F32708BA0B2098912C.html

地产风云变幻，房地产行业已然进入下半场，宏观政策层面多轮限购政策旨在实现地产去投资化，市场由“产品导向型”发展为“客户导向型”，房企由卖产品向卖生活方式转变。房企的角色从开发商转向投资商、运营商，地产产业链不断被细分、被切割。如何适应新的市场形势？如何实现产业链不同环节的联动与共振？TalkingData认为，大数据已经成为众多房企适应市场形势演变，成功突围地产“下半场”的有利抓手。房地产的大数据时代已然到来。

一、 房企有没有大数据？

地产行业经历了多年“粗放式”的发展，能够沉淀下来的数据基本上都是“沉睡数据”。多年积累的“沉睡数据”导致数据与客户之间的衔接不紧密，数据分布分散，数据孤岛严重，数据整合人均效能低，诸多“疑难杂症”使得房企难以及时应对市场瞬息变化。

具体来讲：

第一，数据量有限。地产作为一个低频消费行业，和地产产生交互的客户基数是有限的，千亿规模企业多年经营积累的客户数据往往在1000万级别，更不用说百亿规模的企业。

第二，数据真实性堪忧。地产本身是一个利益兑现周期长，涉及多方主体，各主体关系极其复杂的综合性行业，这就影响了收集数据的难度及数据本身的真实可靠性。

第三，数据颗粒度粗糙。地产行业在历经多年“卖房市场”的地位下，历来房子不愁卖，导致房企对客户数据的收集仅停留在了“姓名“、“性别“、”手机号“、“居住地、工作地”的表层信息上，数据的颗粒度半径粗糙，达不到业务实际需求所需要的精细度。

二、 如何构建房企的“大数据”——从案场开始

对于地产营销来讲，案场是房子与客户发生第一次面对面邂逅的地方。在这次邂逅中，客户以自己的主观喜好收集房子的客观信息，“地段位置好不好”、“附近有几条地铁线”、 “是否有配套学区”、 “户型几房几室”、“单价多少钱”…… 房子通过案场营销人员的“价值包装”力推给客户，客户以自己的决策判断房子是否符合预期。

而案场作为这次邂逅的场景载体，案场营销人员作为场景构建的“关键核心人物”是否可以最大程度了解到客户的信息、个人喜好、购买偏好，将决定这次邂逅的质量及后续如何深入展开客户关系的关键一步。

基于场景应用，TalkingData开发的客流运营平台致力于案场的客群采集、客群分析与场外行为洞察，通过系统层面的功能实现，帮助地产行业建立全面的客群感知技术与认知能力，解决传统地产一直以来存在的“不知道客户是谁？”、“如何找到客户？”等行业痛点。

案场作为“物理空间”，是客户交互的重要“端口”，客户信息通过这个端口进行导入，并进一步在这个端口进行发声传递，产生新的链接连接到更多“相似的客群”，连接到地产其他“端口”，在不同的“客群、不同的”端口“”之间将信息连接，产生化学反应，最终形成大数据。

三、 案场如何构建“大数据”？

1. 数据采集。

TalkingData通过大数据监测案场实时客流及到访信息，精确洞察案场的人流轨迹。通过数据采集，可以获取客群自进入售楼处到离开售楼处的时间，并判断客群到访次数，在售楼处内部沙盘区、样板房、洽谈区的动线及停留时间，实现精准掌控案场客群数据的目的。

采集案场内部的客户数据因为可控，所以采集相对容易，那么如何获取竞品的数据？传统竞品调研方式通过安排营销人员现场实地调研收集竞品信息，然而人工调研的方式周期长、信息来源及内容需多方整合并作验证才能得出竞品的完整判断，而对于“竞品的客群来源于哪”始终是最敏感最困扰营销人员的问题。TalkingData大数据通过数据采集获取竞品到访客群数据，并直观展现竞品客群的属性、购买能力、区域分布特征等，让案场真正做到“知己”且“知彼”。

2. 客户数据的打通。

数据打通的价值在于能让我们了解到客户在案场以外的另一个平行空间的行为特征及轨迹。将企业的一方数据与TalkingData第三方数据实现数据打通，让传统意义上对客户的认知超出“案场”这个物理空间。

3. 标签体系的构建。

标签体系的构建从企业自身的业务需求以及场景出发，确定标签的类型及颗粒度。TalkingData标签体系包括基础标签和行业标签两类。基础标签包括客群的基本属性、行为倾向、兴趣偏好等。结合地产业务的行业标签包括购房特征、房产信息。通过多级标签体系，精细颗粒度构建符合业务需求、解决业务痛点的实用性认知体系，帮助案场真实展现客户轮廓及内涵。

4. 客户画像。

通过基础标签及结合房地产行业的业务标签，对客群进行线上的网络行为分析，线下活跃度最高的区域、常去的商圈及购物中心分析，并从房产专业的角度对购买意向及偏好进行分析，实现完整化的客户画像。案场通过客户画像充分了解客群的属性、消费习惯、行为偏好，通过精准分析为营销人员在”营销调性、推广诉求、推售节奏、拓客行销 “等方面提供策略支持。

四、 案场构建“大数据”的价值

1、 潜客挖掘。通过案场来访客群信息进行数据分析及客户画像，能够洞察客群的“人口属性”、“需求偏好”、 “购房意向”、“购房人群分布”、“活跃区域位置”、“工作日动线等信息，构建客群行销作战地图，为潜客挖掘、渠道铺排、行销拓客提供依据。对客群的精准把握将提升营销效果，降低营销活动成本。

某地产客户潜客挖掘案例中，TalkingData利用地理围栏圈定某城市住宅总价在500-1000万以上的40个高档小区，并以晚上9:00至白天9:00的时间段限定居住时间，结合近3个月内的居住天数规则设定圈出归属于高档小区的居住人群。针对人群线上应用房产类APP的活跃度分析每一个高档小区居住人群的置业意向度及活跃度，进而对活跃小区及人群做拓展及挖掘。避免盲目客群拓展。

2、 精准营销。通过大数据透视目标客户，洞察目标人群画像，为地产营销选择精准的营销渠道，针对目标人群传播项目卖点，并通过案场数据监控广告效果并进行投放方案的迭代优化。对于投放触达转化成到访的客群，通过第三方数据平台做相似客群的寻找，通过标签放大，实现客户圈层的打通、客群相似的精准广覆盖。

某地产客户住宅项目营销案例中，TalkingData基于项目首期开盘已成交客户的特征洞察分析，针对这部分成交客群线下的工作日通勤上班地点、周末休闲消费娱乐地分布，直观展现客群的流向及行为轨迹。基于TalkingData的POI数据，帮助项目在客群分布密集的地点、上班通勤的必经道路通过户外广告牌、道旗路牌的媒体投放实现目标客群的有效信息触达及媒体覆盖。

3、 市场研究。以往通过市调的方式洞悉市场，通过房产研究机构发布的数据监测市场成交情况。然而，市场更是个看不见的数据图，这张数据图背后是客群的看房轨迹及成交脚印。案场作为客群的场景触点，大数据的构建将成为我们在“市场成交图表”呈现之前预先研究房地产市场活跃度，预判市场发展形势的有效途径。

五、TalkingData客流运营平台产品

客流运营平台是线下场景的客群采集、分析与场外行为洞察系统。以线下场景的客群与行为主体，线下探针技术为基础，精细化分析与场外行为洞察平台，并且支持灵活的人群构建与竞品分析，帮助传统企业建立全面的客群感知技术与认知能力。

产品亮点

1.案场客流到访指标全面准实时呈现

2.到访客群深度画像洞察及标签化输出

3.竞品项目到访客群特征全面数据化展示

4.客群线下轨迹特征全维度高精准度捕捉

5.多元技术手段实现潜在客群灵活多维构建

昨天，克而瑞今年的重磅产品“CRIC投资决策系统”正式上线，整个房地产行业对之充满了期待和好奇。面对行业的呼声，易居企业集团执行总裁，克而瑞CEO张燕日前应邀在广东佛山举办的“不动产数据分析与应用研讨会”上进行了题为《房地产大数据应用》的主题演讲，将克而瑞的大数据创新历程介绍给了数百位中外来宾。美国RCA数据、Green Street Advisors、ICT公司全球不动产、云房数据等国内外知名房地产数据公司等十余家单位、企业的参与，使得本次研讨会激烈思辩，精彩纷呈。其中，克而瑞全新大数据创新产品的应用，吸引了场内外的大量关注。

不动产数据分析与应用研讨会

张燕在演讲中提到，随着房地产开发企业规模化发展，行业集中度提升，房企通过结构化大数据来对决策进行支撑的需求愈发强烈，而另一方面，新的信息采集手段为房地产大数据应用的突破提供了条件。张燕总结道，首先移动端设备的普及使用使得实时动态地收集群体客户数据得以突破。其次，近两年地理信息、配套数据极大丰富，且数据颗粒度细化。正因为如此，才为数据的多样性结构化应用提供了可能。所以，房地产信息化和大数据的应用已经到了新的爆发期。

克而瑞大数据产品的发展也经历了10年的嬗变历程，几乎覆盖了房地产开发链条中的所有关键节点。原有的核心数据库——CRIC2016决策咨询系统专注于以成交数据为核心的行业数据的应用上，比如单个项目的具体信息，甚至单套售价，某个城市或板块的供求信息，成交面积等等，主要解决的是市场信息对称性的问题。这一时期只能称之为“数据”产品，不能冠之以“大数据”。

而昨天上线的“CRIC投资决策系统”，则具备了大数据产品的特征，不仅仅是直接数据的检索查询，而是建立了一套城市评价分值体系，显示出286个城市的排名占位。在城市进入模块，将城市基本面、土地市场和房产市场等428个指标组合运用，筛选出切合企业战略的目标城市。而在板块选择层面，将市场数据、地理信息、规划指标等等都下沉到1km*1km的格栅，通过建立多维模型分析，对板块投资价值进行分级。迭代产品中，会加入区域客户数据的应用。与之前的基础数据库相比，投资决策系统在数据的多样性、算法构建以及结构化应用上更具有优势。

今天行业对大数据的需求既需要引导，也呈现出很蓬勃的发展趋势，只有更快的反应速度才能应对。张燕透露，有了良好的数据平台作为基础，克而瑞从市场需求的判断与提炼，到数据的采集清洗梳理，到知识图谱的建立，再到线上结构化产品研发并推向市场，通常只需要半年的时间。只有这样的速度，才能把沉默的数据变成鲜活的产品，才能不断累积经验实现产品迭代，实现市场占位，保持行业的领先。

正如张燕所言：“克而瑞希望能领先行业半步，才能用大数据为企业打开新的一扇门。而且我们愿与行业、企业携手探索前行。”