數據挖掘技術在房地產行業(yè)的應用綜述

岑　希

摘要：房地產行業(yè)是復雜的非線性系統(tǒng)，數據挖掘技術的應用對政府的決策、企業(yè)的運營和個人的投資選擇都有重要的影響。本文從房地產行業(yè)的價值鏈出發(fā)，旨在從房地產行業(yè)貸款風險分析、公司經營等級劃分和客戶關系管理三個方面著手，綜述數據挖掘技術這一新的研究領域在房地產行業(yè)中的應用。

關鍵詞：數據挖掘;房地產行業(yè);多元統(tǒng)計分析

房地產行業(yè)是一個數據量大、關聯(lián)性強、影響因素多的復雜非線性系統(tǒng)。數據挖掘技術在房地產行業(yè)的應用是一個年輕且充滿希望的研究領域,人們對它的研究正日益廣泛和深入。解決好這些問題,對于政府部門合理分析產業(yè)發(fā)展,制定產業(yè)政策及開發(fā)企業(yè)和個人正確判斷房地產市場形勢、做出投資或購房決策具有重要意義。

總體來說，數據挖掘（Data Mining,本文下面均簡稱DM技術）在房地產行業(yè)的應用主要使用了三種技術：

（1）分類技術

（2）聚類技術

（3）關聯(lián)規(guī)則發(fā)現(xiàn)技術

本文主要從商業(yè)貸款風險評估技術、房地產公司經營等級劃分和客戶關系管理這三點綜述數據挖掘技術在房地產行業(yè)的應用。

1房地產商業(yè)貸款風險分析——基于神經網絡技術

隨著房地產市場的逐步走熱, 投身于房地產項目開發(fā)的企業(yè)日益增多, 在貸款企業(yè)情況的多數不確定因素面前, 銀行的商業(yè)貸款風險也隨之提高.信息不對稱情況下, 銀行在貸款的過程中不得不承擔由于締約方違約或經營的失敗而使得銀行不能回收貸款利息與本金的風險。 因此, 銀行機構為了對貸款風險的有效管理與控制, 必須尋求有效的貸款風險預測量化的方法和技術.

針對此問題, 可以構建一種基于神經網絡的客戶模糊分類數據挖掘方法, 旨在對客戶的貸款風險進行分類, 為銀行貸款風險分析部門準確分析目標客戶提供一種有效的方法. 該方法對客戶進行了合理區(qū)分, 試圖為充分做好客戶關系管理, 增強企業(yè)競爭優(yōu)勢, 提高企業(yè)的核心競爭力提供有效的解決方案. 該方法的思想是運用模糊神經網絡分析探索影響因素之間共同作用產生的交互效應, 用過去的事實進行綜合評價, 訓練網絡, 來確定權重的大小。這樣將會使結果更加準確可信。

1.1貸款風險評估中指標體系的建立。

數據挖掘針對不同行業(yè)的具體運作具有不同的分類方法, 輸入量也具有各自的特點, 對于建設企業(yè)的貸款風險系數等級的確定, 建立需要影響風險系數的指標體系, 依據以下8個方面的分析方法。即:（1）行業(yè)發(fā)展趨勢；（2）國家政治與監(jiān)管環(huán)境；（3）管理層素質及承擔風險態(tài)度；（4）公司經營及競爭地位；（5）財務狀況及流動資金來源；（6）公司結構框架;（7）母公司擔保及支持協(xié)議；（8）突發(fā)事件風險。指標性質分為定性指標和定量指標。

1.2客戶貸款風險模糊神經網絡分類器體系的建立。

模糊邏輯與神經網絡從概念到方法都不相同,但是它們都是為了表示預處理不確定性知識而引入的方法,而且都是一種模型的估計器。因此, 在不確定知識處理中, 模糊邏輯與神經網絡可以結合。模糊邏輯要求把使用的知識以模糊命題、模糊規(guī)則的形式表示在知識庫中, 模糊命題和模糊規(guī)則是模糊概念的一種邏輯表示形式. 模糊知識只能通過領域專家提供或其他途徑獲取, 模糊邏輯系統(tǒng)本身不具備學習能力。 模糊神經網絡以學習實例的形式隱含所需要的知識, 學習實例是以確定的輸入輸出模式表示的數值集合。神經網絡具備學習能力, 經過學習后獲得的知識的表示形式是網絡的互連結構及其相應的鄰接權矩陣。

模糊邏輯的推理是以模糊匹配和模糊集的運算方法為基礎, 得出的推理結論是模糊概念之間的模糊邏輯關系。神經網絡的推理是以網絡的非線性數值運算為基礎，得出的推理結論也是數值的，需要通過對輸入輸出模式的解釋才能得出相應的邏輯結論。

由于本文只做綜述性匯總和概括，原理及應用的具體問題請參閱相關文獻。

具體過程可以用Matlab 軟件程序編輯實現(xiàn)BP神經網絡, 網絡的輸入層的神經元對應問題產生影響的測試變量，輸出層分別對應各種風險等級，其中還包括隱層設置、學習率、最小誤差的設定等。

對建筑行業(yè)企業(yè)貸款風險等級的確定，可以引入一個基于模糊數學與神經網絡的解決體系構架. 通過利用模糊邏輯模仿人腦模糊思維、模糊推力的能力, 與神經網絡模仿人腦結構映射輸入特征與輸出結論的非線性關系的優(yōu)點相結合, 取長補短, 最終準確地預測客戶的貸款風險等級, 將能夠為企業(yè)帶來兩方面的好處:

（1）有效地識別有價值客戶,提高獲利機會，并且有針對性的向顧客提供滿意服務，維持良好的合作關系，從而延長客戶生命周期。（2）減少銀行不良貸款比率，規(guī)避貸款風險，以備擴大利潤空間。

2房地產業(yè)上市公司的統(tǒng)計數據挖掘分析——聚類分析和因子分析

對上市公司而言,對外披露的財務指標中往往隱含很多能具體反映出公司在某年度財務狀況的信息,但如果僅僅是籠統(tǒng)的、盲目的去查看這些繁雜的財務指標,一般很難從中發(fā)現(xiàn)更多對投資者做出投資決策有幫助的信息。故這種分析將以多元統(tǒng)計分析的方法對這些財務指標進行數據挖掘工作。首先選取若干個能夠反映公司財務狀況主要參考指標進行因子分析,縮減變數并提取出對這一系列指標做出主要貢獻的因素（即主成分）,然后再對各上市公司進行聚類分析,劃分營運等級,找出各類公司存在的財務狀況的相似性。

這種利用多元統(tǒng)計分析的方法分析房地產業(yè)上市公司的好處是：投資者可以根據劃分出來的上市公司的等級情況,透視企業(yè)的財務狀況,做出合理的投資決策;而各上市公司也可以根據自己的營運等級,找出問題所在,彌補自身不足,修正自己公司的經營模式。

2.1因子分析

可以借助若干家房地產板塊上市公司的年度財務報表,從中選取若干個具有重要參考價值的指標,首先利用SPSS 統(tǒng)計軟件分析包進行因子分析,尋找這些財務指標背后是否有公共因子的存在,并籍以縮減變數進行分析。可以提出如下一些指標做參考：流動比率、總資產周轉率、應收帳款增長率、速動比率、主營業(yè)務收入增長率、應收帳款周轉率等。

在因子分析過程中,將上市公司的若干個財務指標通過提取其公因子,得到幾個能較好反映原指標所包含信息的因子,根據財務管理的專業(yè)知識,可以對這幾個公因子加以歸納分析。如：代表房地產企業(yè)盈利能力的“盈利能力因子”，還有“償債能力因子”、“周轉運營能力因子”以及“未來發(fā)展能力因子”等等，相應的指標可以分別為每股收益、流動比率、總資產周轉率、每股收益增長率等。

由于這種利用多元統(tǒng)計的方法對各種指標進行抽象地提煉和劃分，能夠較客觀地反應各房地產企業(yè)的財務能力。還可以通過因子分析得出因子得分矩陣，將各指標量化匯總，得出各公司的總得分，是能夠較充分反映公司營運能力的指標。

2.2聚類分析

根據選取的所有財務指標,對若干家公司進行聚類分析,得到聚類分析的龍骨圖。將具有相似財務狀況的房地產公司聚成一類，通過與其他類公司的比較和分析，得出自己競爭的優(yōu)勢和劣勢，以及該企業(yè)在整個同行業(yè)中所出的地位，這對企業(yè)未來發(fā)展有較大的指導作用。

基于多元統(tǒng)計分析的視角，可以從大量繁雜的數據信息中,挖掘到很多實際的、有價值的東西,從而更有利于管理者和投資者決策活動,這也就是數據挖掘技術的含義所在。總之,若企業(yè)能夠及早發(fā)現(xiàn)自己的經營績效上已出現(xiàn)危機,就必須找出原因加以改善,以提高自己的市場競爭力,投資者也可以對公司歷來的業(yè)績情況進行分類,判斷該公司是否值得投資,以降低投資風險。

3DM技術在房地產客戶關系管理系統(tǒng)中的應用

3.1DM技術在房地產客戶關系管理系統(tǒng)中的應用。

隨著市場競爭的進一步加劇, 房地產企業(yè)對客戶關系管理的關注比以往更高, 能否對客戶數據進行合理、有效地利用, 決定著一個企業(yè)的成敗。面對海量數據,DM技術越來越成熟地應用于房地產CRM系統(tǒng)中,為企業(yè)制定營銷策略、開展營銷活動提供決策支持。

房地產行業(yè)的客戶信息有許多特點,如客戶群廣泛、客戶特征描述結構復雜, 又如, 客戶需求層次不一,易受外界因素影響等, 因此,有必要針對這種復雜、多變和多層次性的客戶信息進行分析挖掘, 以識別客戶購買行為, 發(fā)現(xiàn)客戶購買模式和趨勢, 從而進一步提高企業(yè)的服務質量, 降低企業(yè)營銷成本。下面是DM技術在房地產行業(yè)不同營銷階段上的應用:

3.2將DM技術應用于房地產CRM系統(tǒng)的具體步驟

3.2.1明確商業(yè)目標。

描述出需要解決的問題, 并且確定所要解決的問題屬于哪種應用類型, 是屬于關聯(lián)分析、時序模式、分類、聚類、偏差分析和預測, 還是綜合應用。

3.2.2數據準備。

數據挖掘是由可以獲取的數據驅動的, 其成功很大程度上取決于所收集數據的數量和質量。建立可靠數據資源的第一步就是確定系統(tǒng)將要使用數據的數據字典。它們應包括如下工作:確定數據庫每一列預期存放的內容;數據來源的描述;對缺失數據的處理等。

3.2.3利用數據挖掘技術建立模型。

利用數據挖掘的一些算法對數據進行分析, 建立模型, 并選擇好相應的實現(xiàn)工具。假如明確了主要任務是分類,可以采用的算法有遺傳算法、決策樹和人工神經網絡等。選擇了模型的類型及實現(xiàn)的工具后, 有時還需對數據進行預處理。

3.2.4反復驗證。

從較小的系統(tǒng)(如較小的客戶群體) 開始,但要完成全過程(即從數據收集和處理, 到數據挖掘, 最后到產生促銷數據結構, 如郵件發(fā)送列表) 。通過驗證, 可以糾正系統(tǒng)中的錯誤, 并有利于用戶對系統(tǒng)功能的進一步理解。

3.2.5實施與維護。

在應用模型之后, 還要不斷監(jiān)控模型的效果。因此隨著模型使用時間的增加, 要不斷的對模型做重新測試, 有時甚至需要重新建立新的模型。

4結束語

房地產商之間激烈的競爭導致了面向市場營銷和顧客服務的數據倉庫的建設以及數據挖掘技術的應用, 本文對數據挖掘技術在房地產CRM系統(tǒng)中應用的具體方式與方法進行了探討。隨著數據挖掘技術的進一步發(fā)展, 必將使得房地產CRM系統(tǒng)更加成熟完善。