傅志华老师：原腾讯大数据总监、360大数据总监、龙湖大数据负责人、擅长大数据驱动地产企业数据化运营

大数据傅志华老师简介

曾任腾讯大数据总监、360大数据总监、龙湖大数据负责人、龙湖首席信息官 CTO；现任e城e家CTO＆新智数信CEO。

傅志华老师主讲课程

《大数据驱动地产企业数据化运营》

大数据与AI在地产行业应用分三步走，包括业务数据化、数据平台化和平台业务化。在房地产大数据平台搭建的时候，最核心的要把创制场景先梳理清楚，找到业务的痛点做长短期的结合，依据业务吸引力和可行性规划出重点的产品和项目，逐步落地。

一、企业在制定大数据战略时需回答的三大方面

价值规划、产品技术组合、团队和组织结构

很多企业在做数字化运营的时候，做的不成功的企业往往在价值规划方面做的并不太好，并没有真正落地到企业创新，往往会失败，你招到再好的专家或构建在好的团队，如果你的价值规划没有做好，数字化运营，制定数据化的战略很容易失败。价值规划清楚了以后，技术组合和相应人员招聘可以更清晰。

二、大数据驱动企业数字化运营和数字化创新

数字化运营在降本提效，提升客户体验，提升客户精准度启动的，数字化创新是通过数字化的手段产生新的商业模式，给企业直接带来新的商业模式，带来新的收入。

数字化运营几个层次，从搭建数据平台开始，基于客户画像，基于大数据系统，构建起横向的数据打通的大数据平台，这个数据平台的搭建是非常关键的，企业在这方面的搭建更多不是技术问题，更多的是数据不打通的问题。很多企业组数据没有打通，客户的数据，项目的数据等等，这时候要花大力气考虑这个事情。假设数据统一和打通了以后，上面就有很多各方面的应用，包括数字化的研发，数字化的运营监控，客户体验的优化，数字化的营销渠道，数字化的传播、决策分析和战略分析，这些都有很多方面的应用。数字化运营在构建数据平台，搭建数据平台是最为关键的，但是数据平台与上面的应用可以同时进行的。

三、大数据与AI在地产行业应用三步走

分享下经验，我当时是龙湖地产首席数据官，IT部副总经理，进的龙湖地产从零开始搭建数据团队，我的使命要把这个数据团队构建起来，搭建龙湖集团数据化运营的体系。我们当时做了几年的规划，老板还是希望我们长短结合，长期要考虑，短期产生的价值也要考虑，所以要长短结合。

第一个阶段是业务数据化，要把重点的数据线上化，包括营销、研发、投资、大运营等等，我们帮助这些职能部门做数据化的工作。做数据化工作会遇到很多的挑战，为什么要把数据线上化？为什么度做一些IT的投入，包括业务人员配合跟你一起做数据化的工作，前期创新场景规划是非常重要，要让业务把数据给到你，弄到线上，最主要是告诉他我们可以帮你创新，第一、第二年的时候要紧密的跟个职能和业务线梳理重要创新的场景，数据化可以帮你创新或降稳的场景。

第二阶段，数据平台化，假设把数据都业务化了以后，我们会进入数据中台共建，第一阶段和第二阶段可以同时并行，也会有重点，第一阶段数据中台工作不会做的特别多，第二阶段会考虑做一些数据中台的工作，数据中台也有业务应用的中台应用，包括系统研发、智能运营，我们第一阶段也做一些第二阶段的工作，第二阶段没有说我第一年、第二年做完了我再看到启动第二年、第三年的工作，我们当时做智慧研发的工作，怎么提高研发部门，不是IT研发，地产研发效率工作，当时也通过AI的守丹做了很多应用，我现在这张图感觉区隔开了，如果有一些部门数据化已经做的比较好了，你可以考虑他提前进入第二阶段，可以做数据化平台和智能化平台的工作。

第三个阶段，希望数据能够单独成为一个业务，做数据化的创新。

四、应用切入点规划原则；重点关注吸引力较大的“速赢”“战略性”业务，并划分为10大业务，5个重点

规划创新场景要考虑政府的导向，集团战略的导向和业务的吸引力。通过内部的调研和访谈，做业务可行性和吸引力的东西，规划了几十类45个项目，画成十类业务，投资、研发、客户运营、决策、营销，这些当时非常容易创新的。我们当时拿这个决策做了一个项目智慧投资决策系统，这里覆盖了重资产、物业等等，横向拉拢了所有跟投资决策相关的项目，目前这个项目还在用。我们已经规划了十类项目，我们把这十项项目穿透不同业态看价值，地产里我们认为有几个不同的价值驱动因素，不同价值驱动因素价值是不一样的，比如投资系统，在不同的业态和有利于公司扩展规模是有帮助的，提升公司规模是有帮助的，快速精准的拿地。精准营销项目在于提升资金周转效率，提升速度是有帮助的，通过价值规划的图看每个项目的情况。针对潜在业务用例，按照产品吸引力、可行性区分优先策略，重点关注吸引力较高的业务，平衡短期业务需求及长期发展需求。

五、地产—数字化技术助力地产精准决策、精准营销、降本提效

做完了上面所述不同项目的规划，再做产品。第一阶段是价值规划，第二阶段是产品技术的设计，这方面做产品设计的工作，要看不同职能的痛点，比如投资拿地，以前也做客研，做相关的调研和摸底，大部分人为的因素为主。投资这个事情肯定是个艺术的工作，要尽量把科学的部分多做一些，这样在做艺术决策上有更多的信息参考。以投资拿地为例，当时也做了一个系统，一方面把原来投资拿地决策上了。第二，基于这个工作，引用了一些大数据，判断这个城市值不值得进入，这个地块值不值得拿，也通过机器学习算法学习，历史成功的案例是什么因素导致的，最后发现在人口大数据方面对投资拿地是特别有帮助的，因为很多因素是会变化的，比如政府的政策等等，但是不变的还是供需，这个城市或这块地如果有人口净流入，而且有产业人口，有消费能力，这个地方一定有潜力，可能看到过去一两年他的趋势在上涨，对于我们做决策是有帮助的。这些发现是我们通过机器学习判断出来的，再做成一个数据产品。

基于这些我们再看，比如投资系统场景，我们需要哪些技术，哪些技术是自研，哪些技术要合作研发等等，我们可以梳理出来，就知道哪些方面招什么样的人。

简单总结一下，在房地产大数据平台搭建的时候，最核心的要把创新场景先梳理清楚，根据业务的痛点，长短期的结合，梳理清楚创新场景，根据业务吸引力和可行性规划出重点的产品和项目，逐步的落地。