
大数据分析盈利:最快十年才能实现
继电脑和手机之后,谁能成为接入互联网的第三极?
去年下半年,有部分开发商为了能成为这“第三极”,推出了诸如“智慧城市”、“云服务”等一系列能够接入互联网的产品和服务平台,希望借助房子这一人们生活的主要场所,来记录每个人的日常生活消费习惯和需求,并根据这些需求更精准地推出相应的产品和服务。
但事实上,要实现这些功能一点也不容易。即使存在盈利可能,要花多少时间才能积累足够大的数据库也是个问题。高力国际物业及资产管理服务高级董事陈国华告诉记者,“数据保密是一个非常大的难题,要在内地建立一个围绕个人一生的数据库,预计最快也需要10年以上。”
前提:物业公司要成为服务平台
资深互联网评论员谢文告诉《每日经济新闻(博客,微博)》记者,一些房产企业在互联网方面的功能尝试,目前已经部分实现,主要集中在智能家居方面。通过与电器厂家合作,打造更智能化的生活方式,居民可以用智能手机操作家里的各种电器。
事实上,许多开发商都拥有一批待开发的数据资源。开发商、物业公司、业主等在长期的互动中积累了大量的信息。而对于建材商、电器厂家、金融服务提供商甚至零售商来说,物业管理公司不仅是一个精准推广的渠道,更有可能创造出线上与线下的一个交汇点。
一个社区的居民构成情况数据最直接的效用,就是可以帮助开发商了解什么样的配套服务更适合出现在社区内。这是最“原始”的大数据模式,可以在一定程度上反映社区的概况,但并不能帮助开发商获得收益,因此必须对数据利用进行升级。
数据的获取并非易事。首先,居民的生活细节属于隐私,在获取之前需得到对方的同意。其次,如何才能得到充分有效的数据?这并非开发商的专长。
谢文告诉记者,开发商需要与互联网公司合作,“购买”可能是最便捷的方式。但新浪、腾讯、淘宝这样的超级数据库基本上不愿意出售类似的数据,“购买”难度很大。
“新浪微博的大量数据并非凭空得来,而是因为他们先向用户提供了有价值的服务”,谢文说,同样的,开发商、物业公司需要为居民提供更有价值的服务,才能获得更多的数据。但到目前为止,多数物业管理公司还不是业主生活所必需的平台。
数据积累和套现的难题
点融网技术副总裁孔令欣表示,针对社区的一些营销服务,不需要运用大数据就可以做到。比如在高端住宅区,吸引豪华汽车、奢侈品的营销推广自然会比较容易。如果要更明确一些,观察社区里车辆的品牌其实就可以知道了。真正意义上的大数据,指的是大量的、多样的数据,要能够描绘核心用户的兴趣爱好、生活习惯等。对于房地产商来说,他们要获得用户的许可,需要建立与互联网、运营商的合作,并不容易。中国目前的环境还很难实现这样的目标,要精准到社区,要求就更高了。
“开发商任何针对细分人群的数据研究都是有价值的,不论是引入服务商,还是进行商品的推广,相比以往完全不研究的状态,目前是有所提升的。”孔令欣说。
开发商、物业服务商完成了对数据的研究后,开始从中挖掘价值。
深圳的彩生活服务集团是一家互联网模式下的社区运营服务商。居民家里需要什么商品,通过移动App或互联网登录社区服务系统可以在线支付,由社区商店负责配送和服务。
彩生活与光大银行(601818,股吧)合作发行了一张集门禁、停车卡、储值卡于一体的社区卡。居民用户可以用这张卡在线上线下刷卡购物。服务集团不断推出新的产品,如每个月向居民推一款水果,早上从产地直接采摘,晚上送到业主家里,价格比超市便宜。
彩生活利用互联网平台及APP系统,以社区为中心辐射一公里微商圈,集成衣食住行等各领域商户服务资源,推送活动信息。
但截至目前,这些数据还没有形成足够规模的数据库,更谈不上真正意义的大数据,对很多企业来说,运用价值不大。这也意味着,至少到目前为止,这些数据还很难通过交易来盈利。即使存在被交易的可能性,但鉴于业主的隐私要求,物业管理公司也不能随便卖掉。
“最理想的情况是,展开新一轮类似"搭车软件"的商机—由各生活服务供应商提供优惠给业主,而回扣给开发商和物业。”高力国际陈国华说
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14