隨著近年來網際網路產業的不斷髮展和資訊化的持續推進，大資料時代已經到來。“資料”成為這個時期最炙手可熱的名詞。基於海量資料和資訊發展而來的各類技術，已經深刻改變了我們的生活。尤其是在中國，海量資料與人工智慧技術的結合，產生了強烈的化學反應，正在快速推動各行各業向資訊化和智慧化轉變。
一、傳統估價業務面臨的挑戰
大資料背景下，傳統估價業務正面臨以人工智慧技術為代表的新技術的挑戰。近年來，不乏有資料科學和人工智慧領域的論文、賽事等，以野心勃勃的姿態，試圖用純智慧演算法來取代傳統估價在房地產租金、售價等領域的角色。
陳熙和張曉博透過訓練LightGBM模型對56279條住宅租金資料進行了預測，取得了較為理想的擬合結果。謝勇等人在嘗試了多種機器學習模型的基礎上，深度挖掘了房屋面積、商圈位置等因素對住房租金的影響。徐凌峰在其碩士論文中，嘗試了將深度神經網路技術應用於住宅售價的批次評估中，展現了這一技術在此類任務上的潛力。李貞良和曹布陽利用支援向量機迴歸（SVR）模型，在結合寫字樓周邊因素的基礎上，對寫字樓租金進行了預測。
雖然上述研究在評估精度和穩定性上仍達不到實際估價工作的要求，但此類研究的大量開展，充分顯示了大資料在房地產估價領域的應用潛力。與此同時，更多的大資料技術正在被開發和移植到房地產估價領域，不斷挑戰評估精度。傳統估價業務與大資料的融合已經進入現在進行時。
二、大資料帶來的機遇
估價既是一門科學，也是一門藝術。這決定了估價業務是離不開人的因素的。在大資料時代，人依然是估價的主體，而利用大資料作為有力工具，賦能傳統估價業務，推動估價業務的發展，成為估價行業的下一個發展機遇。
在大資料背景下，隨著資訊產生速度的爆炸式增長，資料變得前所未有的易得，建立一個龐大的、擁有豐富內容的估價支援資料庫成為可能。同時，海量資料在統計層面上實現了從量變到質變的飛躍，透過合理的資料分析和挖掘，能更加精準的描繪出資料物件的內在特性，此類工作在傳統的資料收集中是難以實現的。
例如，透過對海量掛牌資料及成交資料的分析，能準確把握市場熱度，反應市場狀況；透過對一二手房地產交易所涉及的戶型、價位的分析，能發現房地產市場重心的轉變，甚至客群的轉變；透過將各類配套、環境資料與產權資料相結合，能快速獲取估價物件全方位的資訊，顯著提高資料收集效率。
綜上，如果能充分發揮大資料時代的優勢，建立一套針對估價業務的資料整合、分析和支援體系，從而為估價業務提供準確的、深入的、全面的資訊，節省資料收集時間，提升估價準確度，將推動估價業務向大資料時代的轉變。
三、大資料應用於估價業務的難點
雖然大資料的應用對於估價行業的發展具有重要意義，但真正將大資料應用到估價實務中，依然存在許多難點問題。
首先，房地產估價是多因素結合的工作，往往需要涉及不同領域的多種資訊。然而，各類資訊受採集來源、採集手段、產生時間、資料標準等因素的差異影響，各類資訊之間、甚至同類資訊之間無法有效互動、參考，形成了眾多資訊孤島，對資訊的利用產生了極大的阻礙。
其次，原始資料往往存在繁瑣、雜亂、分散、冗餘和缺失等種種問題，使得資料質量難以保障，資料蘊含的資訊難以直接展現。資料管理及分析是專業度很高的學科，估價師如果在此類工作上投入大量時間，難免本末倒置。
最後，千萬級的資料雖然攜帶大量資訊，但同時也給資料檢索提出了巨大的挑戰。由於資料門類繁多，往往儲存於數十張資料表內，導致估價師無法高效找到需要的內容，反而降低了工作效率。
上述三個問題的存在，客觀上阻礙了近年來大資料在估價工作中的實際運用。
四、房地產估價支援系統
(一) 房地產估價支援系統的組成
為了解決上述難點問題，我們建立了一套基於大資料的估價支援系統。估價資料支援系統主要分為三部分：估價支援資料庫、推薦演算法、互動系統。
(二) 透過資料整合建立估價支援資料庫
估價支援資料庫是房地產估價支援系統的基礎，是在資料整合的基礎上建立起來的一整套資料採集、儲存、分析、呼叫和管理體系，是估價相關大資料管理的強力工具。
資料整合，即將各來源、型別、作用的資料，統一到同一套資料標準和體系下，使得資料之間能相互關聯、參考、查詢，提升資料維度。在估價支援資料庫中，資料整合工作主要分為統一標準和建立聯絡。
統一標準，即將各類資料的資料標準及內涵進行統一，包括但不限於單位統一、週期統一、範圍統一等。統一標準的工作核心是建立資料標準和質量控制體系，確保在從資料採集、儲存、處理到分析的全流程中，都有統一的資料標準可循，且配套有相應的質量管理和監控。
建立聯絡，即透過技術手段，在不同內容、不同來源的資料之間，建立關聯關係，打通資料鏈條。例如，可以透過匹配演算法，將小區基礎資訊與小區掛牌資訊透過統一的小區ID進行關聯；再如透過地圖座標，將小區與周圍的綠化、基礎設施、商業設施等進行空間上的關聯等。
資料整合的最終目標，是形成能互相呼叫、交叉分析的資料網路，從而解決資料孤島問題。以我們住宅相關資料為例，透過資料整合工作，資料間將實現如圖1所示關聯結構。
在估價支援資料庫的基礎上，以任意資料切入，可以關聯獲取其餘所有的相關資料資訊，大大提升了資料維度，降低了資料獲取難度，提高了資料獲取速度，為資料的深度應用打下了基礎。
(三) 推薦演算法支援案例篩選
在估價支援資料庫中，資料量已經達到千萬級。為了在海量資料中準確獲取最符合估價師業務需求的記錄，需要推薦演算法的支援。
以住宅出售掛牌案例為例，在一定的價格區間、面積區間下，往往存在數百條符合條件的記錄。得益於估價支援資料庫的資訊優勢，每一條掛牌記錄除自身資訊外，還可以透過關聯關係，獲取包括小區資訊、樓棟資訊、單套資訊、空間資訊等在內的各類資訊，資料維度得到有效提升。推薦演算法需要在綜合分析各類資訊的基礎上，結合估價師的實際需求，選取最符合特定要求的資訊推送給估價師，用於參考和選用。
估價支援系統中，採用基於專家意見和統計分析的賦分法，來達到推薦合適案例的效果。專家意見，即廣泛諮詢具有豐富經驗的房地產估價專家，總結出在實務中最受估價師關注的、對估價結果影響最大的因素，在賦分中給予較高的優先順序或權重。統計分析，即利用統計方法，對各因素與價格的關聯關係進行分析、評估和擬合，獲取各因素對價格形成的重要程度及影響規律。如透過擬合，獲取檔次對住宅價格的影響水平等。最後，結合專家意見和統計分析結果，分配各因素的權重，制定一套科學的賦分體系，並採用分高優先的方法進行推薦。
基於推薦演算法的案例篩選，優化了案例選取邏輯，提升了案例選取速度和案例質量。最重要的是，結合估價支援資料庫，推薦演算法可以基於多元資料得到綜合評價結果，利用的資訊更多，結果更科學合理。
(四) 面向業務的互動系統
大資料管理是非常複雜的系統性工作。估價師透過資料庫、程式語言等手段去使用大資料是非常不現實和不經濟的。因此，需要一套互動系統作為輔助工具，幫助估價師直觀、快捷獲取想要的資料，而將複雜的資料調取和處理工作交給程式完成，估價師只需要關注估價業務相關的“成品”資料，而不用將時間花費在資料的調取上。
面向業務的互動系統，是房地產估價支援系統中估價師能直接接觸和使用到的部分。面向業務，即系統是根據估價師在估價業務中的實際需求針對性開發的，符合估價工作的流程和思維習慣；互動，即系統提供一定的工具，使得估價師能在一定範圍內與資料進行互動，例如對查詢內容的控制，查詢結果的選擇等。這兩點保證了互動系統能更好的服務於估價師的實際工作需要，提高估價師的工作效率。
互動系統分為明確需求，資料輸出和資料選擇三個部分，隨工作推進依次呼叫。
在明確需求階段，估價師輸入估價物件的產權資訊，系統將自動在估價支援資料庫內查詢對應的資料物件，並將產權資料、地理資訊資料、實物資料等在內的庫內資料返回給估價師。這一階段的工作，將原先估價師需要手動查詢、定位估價物件，手動蒐集、整理相關資料的繁瑣過程，打包為一鍵完成的資料調取工作。與傳統估價流程相比，這一改變的主要優勢體現在：
（1） 將資料收集工作簡化為數秒內即可完成的簡單步驟，極大提高了工作效率。
（2） 資料的完整性和準確性得到了保證。
（3） 資料均採用統一的資料標準，方便互相比對。
在完成單套定位後，估價師可以根據委託實際情況和估價實際需要，對相關資訊進行檢查和微調，使資料更符合特定估價業務的實際情況。
在資料輸出階段，系統根據上一階段提交的估價物件資料，呼叫預設的推薦演算法，從估價支援資料庫內篩選符合要求的案例資料和成交資料，並返回給估價師。與此同時，與估價物件相關的其他資料，例如市政配套設施、周邊綠化、交通情況、商業情況、生活配套設施情況等其他估價相關內容，也將同時提供給估價師做選用和參考。
以互動系統作為工具，降低了估價實務中資料應用的複雜度，提高了估價師的工作效率，提升了估價質量。
五、總結
房地產估價支援系統，能有效解決資訊孤島問題，並在此基礎上提供靈活便捷的互動體驗，使得估價師能高效利用大資料時代的資訊優勢，實現估價效率和估價質量的提升。
同時需要指出的是，解決實際應用難題依然只是大資料在估價實務中應用的基礎，在未來這一領域仍有許多發展的空間。一方面，可以嘗試將人工智慧技術在推薦演算法領域的成就，移植到估價支援系統的案例推薦中來，實現更加智慧精準的推薦效果；另一方面，可以繼續深挖資料價值，擴寬資料種類，不斷豐富估價支援資料庫的內容。
綜上，房地產估價支援系統的開發，是推動傳統估價向大資料時代邁進的重要內容，是推進估價業務進一步發展的重要方向。
