房天下产业网讯：1月4日下午，由中房指数系统、中国物业服务价格指数系统、中国装饰装修及材料指数系统共同主办2017首届中国房地产大数据年会，在上海崇明金茂凯悦酒店一层宴会厅召开，中指研究院融合房天下大数据，将历时十二年之久的数字地产节升级为2017首届中国房地产大数据年会。“聚焦大数据·开创新未来”中指研究院将基于大数据视角，全面总结2016年中国房地产市场形势和预判未来市场走势，阐释大数据为房地产行业变革带来的新驱动力，共同探讨大数据在房地产行业释放出的巨大价值。

房产决策" alt="吴海山：基于百度大数据的经济测量和房产决策" src="//cdns.soufunimg.com/imgs/news/2017_01/04/industry/1483520004663_000.jpg" img-width="550" img-height="367" type="image"/>

吴海山：感谢中指研究院邀请，我们跟中指研究院还有黄院长，已经有过很多次交流。刚才包括莫院长、黄院长、贾司长从地产、政府角度分析了一下大数据怎么样在地产行业能够发挥作用。

今天我主要讲的，通过百度产生的数据，我们在经济计量、决算上产生什么价值。我看到今天有贾司长来参加，我们12月份参加了一个会也有统计局参加，我们今天讲的内容和统计局做的一些工作是有合作的可能。其实我们中间有一部分工作是和国务院某一个智库做了一些合作工作。

在讲这个事情先看这个图片，这个是美国拍的卫星图，这个图片反应的是晚上灯光亮的图，这个数据在经济学里面是用来做计量分析里面很常用的数据，用这个亮度测量区域经济发展程度。中国长三角、珠三角这个区域可以看到亮度，日本、韩国晚上灯光很亮，朝鲜晚上一片漆黑。百度做了一个技术搜索引擎公司，我们还提供其他服务，还有大家每天用的百度地图，这个是每天产生大量数据，还有一些百度糯米产生一些线下O2O数据，这个数据展现出来是什么样的。这个数据是一个物理的夜光，我们用2016年除夕，这个是展示出来的数据，这个数据本身可以刻划人口分布，这个是用一天数据，现在百度每天数据定位数据每天大概几百亿次请求，每天覆盖用户大概6亿，每月8亿。

其实有了这个数据以外，我们还有更多其他数据，包括糯米线下交易数据，还有一些WIFI数据，这些数据对我们分析一个区域经济，分析地产，都是有价值的。如果仔细看一下，包括这个区域设施，我们没有加任何东西是把这个定位区域化，大家可以看到空间上的轮廓，还有这是上海区域，这是我们对比上海过年期间的数据，崇明岛这一块数据都可以看到。怎么用数据做决策，有一篇论文，在大数据时代尤其是移动互联网产生这么多数据，其实对经济发展测量和经济学很有价值。第二是谷歌公司，他有一个学家，他讲到大数据时代经济学是需要一些新的手段和方法适应的话，其实已经有很多学术机构利用这个数据做了很多工作。个他们是打电话，英国有一个移动端数据分析区域经济发展。第二个是用手机做人口普查工作，另外是科学家用非洲打电话数据预测你的收入是多少，用这个结果可以来看区域贫富分布，把预测结果和地方政府的统计结果做了一个对比，这是吻合的。后一个是斯坦福的研究人员用卫星图象分析非洲什么区域更加贫困，这个在中国扶贫领域这个研究是有价值。这是学术领域。在领域，可以利用这个大数据做决策。

我分享一个我们近期做的工作，怎么利用移动端定位数据分析中国区域经济发展，来看中国整体宏观经济的走势。我们认为这个整体宏观经济走势也是在地产里面是有价值的一个点。左边A是整个中国的居住图，看不同指数比如B，整个长三角，C是上海的张江高科，通过这个数据可以看到，哪个公司每天活跃比较好，发展是什么样。D是上海机场，通过这样的结果我们做了一些工作，我们严格讲解决三个问题，，中国城市就业活力是什么样。第二，城市的消费活力是什么样。第三，楼盘里面到底多少人住。

既然解决这三个问题，就要知道什么区域是工作的，什么区域是上班的。红色区域是一个工厂，这个工厂有很多蓝顶房子，黄色是住宅区，里面有很多楼盘，我们怎么样用机器从范围内卫星图象里面自动识别楼盘和工厂，我们用百度大脑深度学习，这个学习可以自动从这个卫星图象里面分别这是楼盘这是居住区。我们检测出工厂园区和住宅区，个做的工作是来看工业园区就业活力和商业园区消费活力。这个是我们给上海一个图，蓝色区域是标志出来的工业园区，红色是上海大型商业，我们主要分析蓝色区域工厂园区就业活力是什么样，每一个月就业人口变化是什么样。第二是看商场每天每一个月线下消费者数量变化是什么样。我们既然要做这个工作，我们是通过数据挖掘用户在什么地方上班和工作，在什么地方消费，这个是一个用户的数据，我们算好可以识别这个用户在什么地方工作，在什么地方旅游消费，我们可以精准识别。

有了这样的数据就可以把一个园区数据聚合起来，上面A是东莞一个鞋厂，B是苏州一个诺基亚园区，从2015年开始这两个园区劳动力人口发生下降，东莞的鞋厂倒逼了，苏州园区也没有人上班了。好的是D和E，D和E通过数据分析发现大量劳动力人口上升。通过这个分析可以看到这个区域经济活力是什么样。通过这个方法聚集大型工业园区，把这两千个园区做成百度园区。另外可以看到四千多个大型商业，每天客流量编算出来，构成百度消费指数，这个消费活力是什么样的，这个是给出来2014年到近的消费指数，现在整体消费活力还是有一定下滑，有很多原因，个重要是线上电商，大程度上影响用户去线下交易，2016年11月份，我们的结果同比发生了一个更大幅度下滑，这个是更多人去网上买东西，而不是逛商场。另外一个是有了园区还有商业，下一步我想知道万达里面海底捞每天客流量是什么样，这个是比较困难，因为它是在商场里面，但是我们百度还有另外一个是百度地图，每天有几千万用户使用百度导航查询，他搜索海底捞就表示很强去海底捞，你搜索位置的时候实际上是商铺可能潜在的消费，通过这个数据我们先通过数据验证一下能否预测某一个商铺客流量，我们有一个案例，个北京大悦城，我们分析了发现这个相关度是很高的，我们就可以来预测商铺客流分析。这是2016年6月份的工作，如果你持有苹果公司股票，苹果公司明天发布财报，你想知道这个营收变化，我们是把苹果在中国的旗舰店，范围内有30个左右，这30个旗舰店找数据以后，来看每天百度地图上搜索旗舰店的变化，我们把客流量变化预测苹果公司在大中华区财报变化，连续两个季度我们预计涨15%，实际上报了14%，第二季度我们预测跌15%，实际上跌了16%，我们预测新一个财报结果，我们预测苹果公司这个苹果手机我们发现客流量下降34.1%，这里面有国产手机在里面做得比较好，实际报的结果过了一段时间是下滑33%，和我们的结果差了一个百分点。这个就有很多香港等地方的对冲基金公司对我们这个技术兴趣。

还有一个跟相关的应用，很多者可能会娱乐行业，一个电影，很想知道这个电影票房收入到底是什么样，这个电影院可能会报高报低，我们做了一个工作把每天历史票房收入做一个序列，用一个时间预测模型预测这个票房收入，这个误差是蓝色线，这个蓝色波动比较大，另外一个数据是搜索电影院用户加进去，预测这个误差。这个数据可以准确预测这个票房，用这个预测两个连锁电影院收入，这个是宝丽电影院，这个是2016年1-7月份的收入，这个误差是很小的。所以通过这种方式识别这个电影票房有没有作弊，有一些电影对这个很感兴趣。我们根据刚才的结果，既然可以分析电影院，可以分析苹果旗舰店，月可以看汽车4S店销售，线下每天光顾客流是什么样，通过这种方式构建个是汽车销售行业指数，这是用线下20万家汽车4S店销售数据，来分析这个汽车销售指数，用这个和中国汽车销售数据对比是吻合，我们这个是可以实时计算和发布。还有一个是餐饮分布指数，我们把300多个餐饮业行业客流量数据做了一个餐饮行业指数，这个是从2016年往下，这个下滑指数是高的，我们把这个数据和银联做了对比，银联是有大家的刷卡数据，他们根据刷卡数据做了消费指数，把他们的指数和我们的指数做了对比是发现的吻合。经常到访金融机构，光顾金融机构客流量做了指数，这个指数和上证指数做的对比，发现这两个指数走向像。现在我们是用这个数据分析看股市走势是什么样的。

这些指数每一个月5日在全球发布，你可以到这个网站上看这个数据。这是包括一些新型财经，包括一些福布斯，包括比较常规经济学人，对我们的研究做了高度的认可。这个研究是对传统的，包括统计局，传统调研方式是一个很好的弥补和补充。之前我们看经济的时候，每一个人拿手电桶看一个区域，现在我们有了这个研究，就像一个房间打开灯一样看得清清楚楚。欢迎大家一起合作，提供新的角度和维度看中国经济的变化。

第三个解决问题，这个房子里面到底有多少人住，这个是在中国现在很多城市，尤其是四线城市比较常见，是房子空置率比较严重。怎么找到这个空置率严重的地方，这是个工作，首先是可以通过用户数据识别用户在什么地方工作和居住，根据这个方式可以知道，这个区域居住人是多少，通过这个百度数据可以知道这个是住宅区，可以知道这个住宅区建筑面积和范围。根据这两个结果就可以知道这个区域住宅人口少，还有一些别墅区域，还有比较高的住宅区域，通过这个方式可以检测这个楼盘空置率比较高，这是我们找到两个典型区域。第二个区域是沈阳某一个楼盘。这是我们找出比较大的城市有空置楼盘比较多的，大家可以到我们的网站上。一个是鄂尔多斯一个是乳山的例子，鄂尔多斯周边老城区空置率也是比较多，乳山空置率房子基本上都是海景房。所以分成两类，一类是鄂尔多斯，另外一类是像乳山是季节性旅游城市。从这个网站上可以看到这个结果，这个结果是2015年10月份的结果，中间有一些地方已经不一样了。

这是一个住的人比较少，这是一个鬼城，另外一个是我想知道这个区域空置率到底是多少，这个到底住了多少户，这个方式有很多种，可以数空调，包括西南才大教授做了很多工作，他们找一些学生看不同楼盘区域，也有用煤气数据，现在我们拿不到用电用网数据，我们用了一个数据，这个是人类基本需求，个是我们需要工具，需要干净的空气，需要食物，需要水，往上是安全，后面有人说用户时代比食物空气更重要的是WIFI，可以家里没有电视，可以没有空调但是必须要有无线网，我们的工作用我们的定位数据估算WIFI数量。

我给大家分享几个区域，这是几个社区的，小区的入住变化，大家对这个空置率比较有兴趣可以接下来细聊。另外一个地区多少人住这是一个的因素，还有一个重要因素这个城市劳动就业活力是什么样，能够吸引更多人来这个地方工作和消费，还有多少人离开北京、上海、广州去其他城市。我们就用这个定位可以很好识别这个用户，之前在什么地方工作，之后在什么地方工作，就可以看这个劳动力变化。我们下个月会公布300个城市劳动力流动变化指数，现在给大家分享四个城市变化。这四个城市包括北京郊区、南宁、东莞、鄂尔多斯，个是鄂尔多斯，这个劳动力变化可以看到是什么样。包括很多的能源城市，能源型城市风险比较大。第二个是东莞，东莞可以发现确实有很多工厂倒闭比较多，这些劳动力是失业了还是找工作了，近看这些劳动力转移到什么地方，转移到吗个地方可能对这个地区的经济有一定提升。第三个是南宁，这个地区劳动力是小幅度往上走的。第四个是北京郊区，这个劳动力往上走的幅度还是比较大的。这是我们通过我们的数据来看劳动力的变化，也可以作为我们的参考，通过我们的数据可以看到通过宏观的城市级别，省级别，还有微观一个工厂商业园区变化，我们百度数据可以通过宏观也可以通过微观看经济走势和变化，来为我们、房产做一个有利的参考，谢谢大家。