房地产市场数据挖掘及分析方法.pdfVIP

文章摘要：信息资源的分析、整合在房地产行业的竞争中起着越来越重要的作用。 数据挖掘作为一种系统地检查和理解大量数据的工具，能有效地帮助房地产企业 从不断积累与更新的数据中提取有价值的信息。因此，数据挖掘被引入到房地产 市场研究领域，并日益受到重视。本文从数据挖掘在房地产行业中的市场研究价 值入手，分析了数据挖掘在房地产市场研究尤其是客户信息中的应用，并加以举 例说明。 关键词：数据挖掘 关联分析 分类 一、房地产行业需要数据挖掘技术的支持 随着房地产行业竞争的加剧，房地产企业要想在竞争中制胜，必然需要充分 的信息支持和准确的市场判断。房地产行业拥有大量的数据积累，包括行业信息、 经济环境信息、客户信息等。这些数据是房地产企业市场运作的重要参考。面对 快速增长的海量数据收集，企业需要有力的数据分析工具将“丰富的数据”转换成 “有价值的知识”，否则大量的数据将成为“数据丰富，但信息贫乏” 的“数据坟墓” 。 数据挖掘（Data Mining ）是从大量数据中发现潜在关联、模式，做出预测 性分析的有效工具，它是现有的一些人工智能、统计学等技术在数据库领域中的 应用。应用数据挖掘有助于发现业务发展的趋势，揭示已知的事实，预测未知的 结果，并帮助企业分析出解决问题所需要的关键因素，使企业处于更有利的竞争 位置。 二、数据挖掘在房地产行业的应用 1．数据挖掘的概念 对于企业的海量信息存储，数据挖掘是一种系统地检查和理解大量数据的工 具。数据挖掘根据预定义的商业目标，对大量的企业数据进行探索和分析，揭示 其中隐含的商业规律，并进一步生成相应的分析、预测模型。 数据挖掘发现的是以前未知的、可理解的、可执行的信息，所以也被称为“知 识发现”(Knowledge Discovery in Databases) 。与统计分析技术相比，数据挖掘 技术能很好地和数据库技术相结合，而且数据挖掘工具用以发现数据中隐含的商 业规律的方法已不局限于统计技术，还包括神经网络、遗传算法、自组织图、神 经模糊系统等统计学科以外的方法。数据挖掘发现的“知识”一方面可以用于构建 预测模型，另一方面可以被用于丰富统计分析师的背景知识，再被统计分析师应 用到数据分析中。 数据挖掘任务一般可以分两类：描述和预测。描述性挖掘任务刻划数据库中 数据的一般特性。预测性挖掘任务在当前数据上进行推断，以进行预测。具体来 讲，数据挖掘主要用于解决以下几种不同事情： （1）关联分析（Association analysis ），是寻找属性间的相关性。两种常 用的技术是关联规则和序列模式。关联规则是寻找在同一事件中出现的不同项的 相关性，比如某个住宅项目的目标客户对该项目各方面评价之间的相关性序列分 析寻找的是事件之间时间上的相关性，如对股票涨跌、房地产周期的分析。 （2 ）分类 （Classification ）和预测（Prediction ）。分类根据某种标准将 数据库记录分类到许多预先定义好的类别中。例如，将房地产企业客户根据消费 决策模式进行分类；同时可以建立预测模型，给定潜在客户的收入、职业、家庭 构成等个人属性，预测他们在购房支出；如将房地产企业客户分为潜在客户、购 买者和实际客户。分类系统可以产生这样的规则：“如果客户可以并且愿意承担 每月2000 元的月供，计划在1 年内在某地区买房，那么他/她是一个潜在客户； 如果客户至少进行过一次业务访问，那么他/她是一个购买者。” （3 ）聚类（Clustering ）是把整个数据库分成不同的群组。它的目的是要群 与群之间差别明显，而同一群之间的数据尽量相似。聚类与分类不同：分类之前 已经知道要把数据分成哪几类，每个类的性质是什么；聚类则恰恰相反。 （4 ）演变分析（evolution analysis ）描述行为随时间变化的对象的规律或 趋势，并对其建模。例如，结合人口构成变动趋势、教育水平发展趋势、社会经 济发展趋势进行房地产消费趋向的分析。 （5 ）描述和可视化（Description and Visualization ），对数据进行归约、 概化或图形描述等。例如，通过空间聚集和近似计算对一些具体的地理位置概化 聚类，形成对某区域的形象化描述。 2 ．数据挖掘的市场研究价值 数据挖掘技术在商业上实际应用十分丰富。应用数据挖掘技术，可以帮助房 地产行业找出有价值的信息，十分有助于企业发现商机、制定开发计划与营销策 略。对于房