刻画新生代消费群像 大数据解读城市生活

　　在此背景下，能够支撑机构化运营的大数据搭建显得尤为重要，借助庞大的数据资源，未来中介机构可以通过净流入人口数、租金收入比等数据，考察哪些城市的租赁市场有机会，以此来决策公司的扩张和收缩；还可以根据建立的房屋和客户数据模型，提供精准服务……在大数据技术的积累和运用中，不断推动房产中介行业向机构化运营转变。

　　城市的“衣食住行”中，关于“住”的数据越来越多，其反映出城市与居住、规划与居住之间的关系也越来越密切。本次论坛上，一组数据显示，当孩子年满6岁时，一个家庭的置换需求达到高峰；道路越密集、十字路口越多，与消费活力、城市居住也存在着各种紧密关系。

　　上海链家运营管理中心总监陈泽帅指出，一直以来，链家借助大数据来解决与“住”有关的问题。比如，用大数据所构建的“真房源”行动，链家通过专业算法整合亿万大数据，为每套房源标记唯一ID，打造准确可靠的真房源数据库。目前在链家大数据中，每套房源都拥有超过300个属性描述标签，“我们记录了房屋的售价曲拐元件、面积、户型、装修、朝向等特征”，陈泽帅提到，“通过数据把房屋信息的立体呈现在用户眼前。”

　　通过链家平台，购房者不仅不用担心虚假房源，还可以在线上进行“看房”焊条，房子周边的环境、配套皆准确且真实，省去了线下看房费时费力的麻烦。统计显示，通过链家大数据的帮助，上海链家的平均找房时间可缩短40%。

　　上海交通大学安泰经济与管理学院特聘教授陆铭指出龙门刨削，大数据放大到城市管理中，更加成为影响购房决策的因素缸头锁母机构运动学综合。比如，地块更新会使周边受影响的居民更换通勤起点的概率平均提高3.15%，通勤起点距市中心的距离变动平均增加约1624米，公共服务资源过于集中则加重交通需求。

　　此外齿廓曲线，链家还通过刻画新生代消费群像，分析购房者性别年龄、收入、家庭状况、需求偏好理论接触面中心距变动、消费习惯等数据，以数据搭建购房者个性化需求指标，更好地为他们提供服务。“当一位用户来到链家，我们会采集多达从176个标签维度，全面了解用户的需求，整合亿万大数据为每一个用户构建专属图谱，通过KNN、关联规则、聚类等算法，链家大数据能够解构出这位新用户的需求可能”，陈泽帅表示，之后链家会采用数据挖掘和机器学习的方式，为用户推荐专属的经纪人，以及提供相关的个性化找房服务。