陳玲

摘要：在“互聯(lián)網(wǎng)+”背景下，針對(duì)大數(shù)據(jù)在房地產(chǎn)估價(jià)行業(yè)中的應(yīng)用問題，以市場(chǎng)法為例，引入熵權(quán)法，對(duì)房地產(chǎn)價(jià)格影響因素進(jìn)行科學(xué)賦權(quán)，并通過該方法來量化可比實(shí)例與估價(jià)對(duì)象的相似度，從而幫助估價(jià)師更加可靠地選取可比實(shí)例，為房地產(chǎn)估價(jià)行業(yè)的互聯(lián)網(wǎng)大數(shù)據(jù)利用提供參考。研究結(jié)果表明，大數(shù)據(jù)可以通過深入挖掘，有效分析各類房地產(chǎn)的價(jià)格規(guī)律，推動(dòng)估價(jià)方法的改進(jìn)升級(jí)，提升行業(yè)效率。但是房地產(chǎn)數(shù)據(jù)在搜集、處理及應(yīng)用上還存在諸多難點(diǎn)，需要通過大數(shù)據(jù)建設(shè)、規(guī)范相關(guān)制度、建立大數(shù)據(jù)標(biāo)準(zhǔn)來進(jìn)一步深化大數(shù)據(jù)在房地產(chǎn)估價(jià)中的運(yùn)用。

關(guān)鍵詞：互聯(lián)網(wǎng)+;房地產(chǎn)估價(jià);熵權(quán)法;市場(chǎng)法

中圖分類號(hào)：G449.7

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1006-1037（2021）03-0133-07

“互聯(lián)網(wǎng)+”是把互聯(lián)網(wǎng)的創(chuàng)新成果與經(jīng)濟(jì)社會(huì)各領(lǐng)域深度融合，推動(dòng)技術(shù)進(jìn)步、效率提升和組織變革，提升實(shí)體經(jīng)濟(jì)創(chuàng)新力和生產(chǎn)力，形成更廣泛的以互聯(lián)網(wǎng)大數(shù)據(jù)和創(chuàng)新要素為基礎(chǔ)的經(jīng)濟(jì)社會(huì)發(fā)展新形態(tài)。“十四五”規(guī)劃強(qiáng)調(diào)了加快發(fā)展數(shù)字經(jīng)濟(jì)，打造具有國際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群，創(chuàng)造新的數(shù)字化發(fā)展生態(tài)，提出并實(shí)施大數(shù)據(jù)戰(zhàn)略;2021年1月國務(wù)院關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)+”行動(dòng)的指導(dǎo)意見中提出行業(yè)應(yīng)順應(yīng)世界“互聯(lián)網(wǎng)+”發(fā)展趨勢(shì)，充分發(fā)揮中國互聯(lián)網(wǎng)的規(guī)模優(yōu)勢(shì)和應(yīng)用優(yōu)勢(shì)，推動(dòng)互聯(lián)網(wǎng)由消費(fèi)領(lǐng)域向生產(chǎn)領(lǐng)域拓展，加速提升產(chǎn)業(yè)發(fā)展水平，構(gòu)筑經(jīng)濟(jì)社會(huì)發(fā)展新優(yōu)勢(shì)和新動(dòng)能。“互聯(lián)網(wǎng)+”已經(jīng)影響到生活的方方面面，例如，交通，金融，建筑，甚至檔案，出版等行業(yè)，并帶來巨大沖擊和影響[1-3]。房地產(chǎn)估價(jià)作為以數(shù)據(jù)為導(dǎo)向的服務(wù)型行業(yè)，相較于其他行業(yè)，其對(duì)互聯(lián)網(wǎng)大數(shù)據(jù)的依托更為緊密，因此深化房地產(chǎn)估價(jià)行業(yè)與互聯(lián)網(wǎng)大數(shù)據(jù)的融合勢(shì)在必行，這也將對(duì)房地場(chǎng)市場(chǎng)有著積極且深遠(yuǎn)的意義[4]。房地產(chǎn)價(jià)格受多方面因素的影響，同一用途的房地產(chǎn)，不同影響因素對(duì)價(jià)格的影響程度不同;同一影響因素，在不同區(qū)域，對(duì)同一用途房地產(chǎn)價(jià)格的影響程度也不盡相同;不同用途的房地產(chǎn)，即使某些價(jià)格影響因素相同，但這些因素對(duì)價(jià)格的影響方向和程度也不一定相同。因此要提高房地產(chǎn)價(jià)值評(píng)估的精度，就需要明確估價(jià)對(duì)象所在地區(qū)的各房地產(chǎn)價(jià)格形成的規(guī)律，目前國內(nèi)外對(duì)房地產(chǎn)價(jià)格影響因素研究相對(duì)成熟，但主要集中在住宅房地產(chǎn)，且多數(shù)都停留在宏觀的角度（宏觀經(jīng)濟(jì)、政策等方面），Saita等[5]研究了人口對(duì)日本和美國的房地產(chǎn)價(jià)格的正向影響。Gholipou等[6]研究了海外投資經(jīng)合組織國家房地產(chǎn)行業(yè)對(duì)房地產(chǎn)價(jià)值的影響。蔣祥林等[7]對(duì)房地產(chǎn)價(jià)格與房地產(chǎn)供給之間的關(guān)系進(jìn)行了研究。史貞[8]研究了貨幣政策對(duì)房地產(chǎn)價(jià)格的影響。不論國內(nèi)還是國外的相關(guān)研究大多都停留在理論層面，而在實(shí)際的操作中往往受到數(shù)據(jù)的限制，而無法付諸實(shí)踐。因此需借助中國的大數(shù)據(jù)平臺(tái)優(yōu)勢(shì)，為房地產(chǎn)價(jià)值規(guī)律、數(shù)據(jù)分析帶來新的機(jī)遇，從而提高房地產(chǎn)估價(jià)精度，提升行業(yè)效率，改善服務(wù)質(zhì)量。

1 中國房地產(chǎn)估價(jià)行業(yè)大數(shù)據(jù)改革現(xiàn)狀

1.1 房地產(chǎn)估價(jià)行業(yè)發(fā)展?fàn)顩r

中國的房地產(chǎn)估價(jià)行業(yè)起步于20世紀(jì)80年代，大多數(shù)房地產(chǎn)估價(jià)機(jī)構(gòu)都由事業(yè)單位或者國企改制而來，因此該行業(yè)帶有濃厚的“國企”色彩，且該行業(yè)起步初期均以征收拆遷業(yè)務(wù)為主。90年代，隨著中國住房制度的改革，以及房地產(chǎn)商品化政策的推行，房地產(chǎn)估價(jià)行業(yè)迎來了第一個(gè)春天，行業(yè)開始逐漸規(guī)范，職業(yè)資格制度得到逐步完善。進(jìn)入21世紀(jì)，房地產(chǎn)估價(jià)業(yè)務(wù)范圍得到了進(jìn)一步拓展，以不動(dòng)產(chǎn)為抵押物的金融活動(dòng)越發(fā)頻繁，因此目前房地產(chǎn)抵押價(jià)值評(píng)估業(yè)務(wù)量尤為突出。相關(guān)數(shù)據(jù)顯示，2019年一級(jí)機(jī)構(gòu)累積完成估價(jià)項(xiàng)目157萬個(gè)，評(píng)估總價(jià)值約24萬億元，評(píng)估總建筑面積約23億平方米，評(píng)估總土地面積約34億平方米。從業(yè)務(wù)類型看，抵押估價(jià)類業(yè)務(wù)占比仍然最高，該類業(yè)務(wù)評(píng)估價(jià)值占總評(píng)估價(jià)值的比重為55.99%，如圖1所示。

1.2 房地產(chǎn)估價(jià)行業(yè)大數(shù)據(jù)改革問題

從房地產(chǎn)估價(jià)機(jī)構(gòu)業(yè)務(wù)占比分析來看，房地產(chǎn)抵押業(yè)務(wù)給房地產(chǎn)估價(jià)機(jī)構(gòu)帶來了巨大的效益，然而大量的抵押業(yè)務(wù)對(duì)估價(jià)機(jī)構(gòu)的估價(jià)效率、估價(jià)結(jié)果的準(zhǔn)確性都提出了更高的要求，所以機(jī)遇與危機(jī)并存，估價(jià)機(jī)構(gòu)要在這激烈的競(jìng)爭(zhēng)中站穩(wěn)腳跟，就必須進(jìn)行互聯(lián)網(wǎng)大數(shù)據(jù)改革，通過搜集、分析、總結(jié)市場(chǎng)數(shù)據(jù)，從而掌握房地產(chǎn)市場(chǎng)狀況;歸納分析地區(qū)房地產(chǎn)價(jià)格規(guī)律從而準(zhǔn)確判斷房地產(chǎn)價(jià)值，提升估價(jià)智能化水平，節(jié)約人力資源成本，提高估價(jià)作業(yè)效率。由此可見，未來擁有數(shù)據(jù)挖掘和分析能力的估價(jià)機(jī)構(gòu)將會(huì)以完善的數(shù)據(jù)庫進(jìn)一步密切與金融機(jī)構(gòu)、法院、征收部門等單位的合作，同時(shí)也可以逐步開展咨詢類評(píng)估服務(wù)。但目前房地產(chǎn)估價(jià)行業(yè)的大數(shù)據(jù)建設(shè)及其在房地產(chǎn)估價(jià)中的有效應(yīng)用仍面臨許多問題[9]。

1.2.1 房地產(chǎn)估價(jià)缺乏海量數(shù)據(jù)的支撐 近年來，很多機(jī)構(gòu)為提高估價(jià)效率或自主研發(fā)或購買了智能評(píng)估系統(tǒng)，這些系統(tǒng)大體上是以房地產(chǎn)估價(jià)業(yè)務(wù)流程為軸線，以互聯(lián)網(wǎng)、大數(shù)據(jù)及云計(jì)算等技術(shù)為基礎(chǔ)建立的。根據(jù)對(duì)福建省內(nèi)多家估價(jià)機(jī)構(gòu)的調(diào)查發(fā)現(xiàn)，估價(jià)平臺(tái)功能雖然已成熟，但是平臺(tái)使用效率并不盡人意，在智能評(píng)估的環(huán)節(jié)中，多處需要估價(jià)人員人工調(diào)整和主觀賦值，出具的報(bào)告仍然需要人工調(diào)整，原因在于系統(tǒng)的有效運(yùn)作缺乏龐大的數(shù)據(jù)支撐，以市場(chǎng)法為例，市場(chǎng)法的應(yīng)用需要有大量的交易案例做支撐，才能更準(zhǔn)確的篩選出符合一定數(shù)量和質(zhì)量要求的可比實(shí)例，從而保證估價(jià)結(jié)果的合理性，然而估價(jià)機(jī)構(gòu)的房地產(chǎn)數(shù)據(jù)的數(shù)量及質(zhì)量都遠(yuǎn)遠(yuǎn)無法滿足業(yè)務(wù)需求。如果把估價(jià)系統(tǒng)比作骨骼，那么大數(shù)據(jù)則是血肉，給與平臺(tái)生機(jī)和活力，兩者俱全才能激活整個(gè)智能估價(jià)生態(tài)。

1.2.2 數(shù)據(jù)庫相對(duì)獨(dú)立，異地作業(yè)困難 目前各房地產(chǎn)估價(jià)機(jī)構(gòu)數(shù)據(jù)庫相互獨(dú)立和封閉，各數(shù)據(jù)庫之間缺乏有效聯(lián)系。且房地產(chǎn)估價(jià)異地作業(yè)狀況普遍存在，異地房地產(chǎn)的相關(guān)數(shù)據(jù)獲取困難，使得估價(jià)師在異地作業(yè)時(shí)效率低下[10]，這在很大程度上限制了房地產(chǎn)估價(jià)機(jī)構(gòu)業(yè)務(wù)的拓展。

1.2.3 估價(jià)師的主觀判斷影響估價(jià)結(jié)果的準(zhǔn)確性 目前不論是傳統(tǒng)估價(jià)還是云估價(jià)，房地產(chǎn)價(jià)格的價(jià)格影響因素權(quán)重的確定都主要以估價(jià)師的主觀判斷為準(zhǔn)，甚至有時(shí)無視各影響因素對(duì)價(jià)格影響程度差異，默認(rèn)各因素權(quán)重相當(dāng)，這是極不科學(xué)的;此外，收益法和成本法中的報(bào)酬率及成新率的測(cè)算缺乏科學(xué)合理的判定標(biāo)準(zhǔn)，仍然依靠估價(jià)師的主觀判斷來手動(dòng)調(diào)整。在實(shí)際工作中由于評(píng)估人員的業(yè)務(wù)能力和業(yè)務(wù)經(jīng)驗(yàn)參差不齊，因此不同的評(píng)估人員對(duì)同一因素或同一參數(shù)的判斷各不相同，合理性也有待商榷。這一差異也導(dǎo)致了行業(yè)內(nèi)“同宗不同價(jià)，同案不同估”的現(xiàn)象屢見不鮮[9]。

1.2.4 大數(shù)據(jù)缺乏法律及制度保障 目前的房地產(chǎn)估價(jià)相關(guān)法律法規(guī)都沒有體現(xiàn)對(duì)房地產(chǎn)大數(shù)據(jù)的闡述和認(rèn)可，更談不上對(duì)房地產(chǎn)大數(shù)據(jù)運(yùn)用的管控[6]。因此在缺乏法律和規(guī)章制度的規(guī)范下，房地產(chǎn)大數(shù)據(jù)的應(yīng)用有可能在一定程度上破壞行業(yè)秩序。比如為占領(lǐng)市場(chǎng)，估價(jià)機(jī)構(gòu)利用大數(shù)據(jù)云估價(jià)平臺(tái)的優(yōu)勢(shì)來低價(jià)為客戶提供服務(wù)，形成行業(yè)的惡性競(jìng)爭(zhēng)，其次估價(jià)師有可能通過房地產(chǎn)估價(jià)的開放平臺(tái)，搞“獨(dú)立估價(jià)師”，私下通過平臺(tái)承接估價(jià)業(yè)務(wù)，借用平臺(tái)的資質(zhì)承攬業(yè)務(wù)等。

近年來，諸多房地產(chǎn)估價(jià)行業(yè)的專業(yè)人員及相關(guān)學(xué)者都針對(duì)“互聯(lián)網(wǎng)+”對(duì)房地產(chǎn)估價(jià)行業(yè)的發(fā)展前景影響進(jìn)行了研究，并且都明確了行業(yè)與“互聯(lián)網(wǎng)+”深度融合的必要性和緊迫性，但是大部分的研究都緊緊停留在改革決策層面，而關(guān)于如何具體實(shí)施，如何挖掘大數(shù)據(jù)的潛能的相關(guān)研究較少。

本文以市場(chǎng)法為例，以大數(shù)據(jù)為基礎(chǔ)，引入熵權(quán)法，通過數(shù)據(jù)分析，確定地區(qū)房地產(chǎn)價(jià)格影響因素權(quán)重，從而揭示地區(qū)房地產(chǎn)價(jià)格的內(nèi)在規(guī)律，量化可比實(shí)例與估價(jià)對(duì)象的相似度，從而，更加科學(xué)、精確地選取可比實(shí)例，提升估價(jià)結(jié)果的科學(xué)性。也為大數(shù)據(jù)在房地產(chǎn)估價(jià)中的使用提供參考。

2 基于熵權(quán)法的房地產(chǎn)價(jià)格影響因素權(quán)重分析

2.1 權(quán)重

權(quán)重是一個(gè)相對(duì)的概念，針對(duì)某一指標(biāo)而言。某一指標(biāo)的權(quán)重是指該指標(biāo)在整體評(píng)價(jià)中的相對(duì)重要程度。在房地產(chǎn)價(jià)格分析中，房地產(chǎn)價(jià)格的高低變化，是眾多因素共同作用的結(jié)果。不同的房地產(chǎn)價(jià)格影響因素或其變化導(dǎo)致房地產(chǎn)價(jià)格變動(dòng)的程度不盡相同，也即各種影響因素的權(quán)重不盡相同[11]。

2.2 熵權(quán)法

2.2.1 基本概念 熵權(quán)法是一種客觀賦權(quán)法，依賴于數(shù)據(jù)自身的離散性，信息論中，熵作為對(duì)不確定性指標(biāo)的一種度量，根據(jù)指標(biāo)變異性的大小來確定客觀權(quán)重。若某個(gè)指標(biāo)的熵越小，表明指標(biāo)值的變異程度越高，信息量越多，在綜合評(píng)價(jià)中的權(quán)重也就越大。相反，若某個(gè)指標(biāo)的熵越大，表明指標(biāo)值的變異程度越低，信息量也越少，在綜合評(píng)價(jià)中的權(quán)重也就越小[8]。

2.2.2 熵權(quán)法在房地產(chǎn)估價(jià)市場(chǎng)法中的運(yùn)用 對(duì)房地產(chǎn)進(jìn)行估價(jià)，主要考慮估價(jià)對(duì)象的用途和估價(jià)目的等因素。市場(chǎng)比較法、收益現(xiàn)值法和成本法是三大基本方法，其他估價(jià)方法一般被認(rèn)為是三大基本方法的派生[9] 。其中，市場(chǎng)比較法就是得到區(qū)域內(nèi)市場(chǎng)平均水平的一種方法。本文通過搜集和待估對(duì)象處于同一市場(chǎng)區(qū)的交易實(shí)例數(shù)據(jù)，并把交易實(shí)例和待估對(duì)象看作一個(gè)系統(tǒng)，運(yùn)用熵權(quán)法建立估價(jià)模型。

（1） 房地產(chǎn)價(jià)格影響因素指標(biāo)體系構(gòu)建。本文以住宅房地產(chǎn)為例，將住宅房地產(chǎn)價(jià)格影響因素的指標(biāo)體系分解為包含 3 個(gè)一級(jí)指標(biāo)、10個(gè)二級(jí)指標(biāo)和 31個(gè)三級(jí)指標(biāo)的指標(biāo)體系，如表1所示[12]。該指標(biāo)體系以區(qū)位、實(shí)物、權(quán)益作為一級(jí)指標(biāo)進(jìn)行細(xì)分，二級(jí)指標(biāo)是對(duì)一級(jí)指標(biāo)的深化，三級(jí)指標(biāo)是對(duì)二級(jí)指標(biāo)的深化[12]。

區(qū)位是指該房地產(chǎn)與其他房地產(chǎn)或者事物在空間方位和距離上的關(guān)系，包括位置、交通條件、外部配套設(shè)施、周圍環(huán)境等。房地產(chǎn)的區(qū)位不同，價(jià)格會(huì)有很大的差異，尤其城市土地，其價(jià)格高低幾乎為區(qū)位優(yōu)劣所左右。實(shí)物是指房地產(chǎn)中看得見、摸得著的部分，土地實(shí)物包括形狀、地形、地勢(shì)等，建筑物實(shí)物包括建筑外觀、建筑結(jié)構(gòu)、設(shè)施設(shè)備等。權(quán)益是指房地產(chǎn)中無形的、不可觸摸的部分，是基于房地產(chǎn)實(shí)物而衍生出來的權(quán)利、利益和好處。對(duì)房地產(chǎn)利用的限制主要為房地產(chǎn)權(quán)利及其行使的限制、房地產(chǎn)使用管制、相鄰關(guān)系的限制[13]。

（2） 數(shù)據(jù)標(biāo)準(zhǔn)化。根據(jù)以上房地產(chǎn)價(jià)格影響因素指標(biāo)體系指定的31個(gè)三級(jí)影響因素指標(biāo)X1，…，X31，本文以位于福州市鼓樓區(qū)的估價(jià)對(duì)象A為例，選取10個(gè)與估價(jià)對(duì)象A區(qū)位相近，且同一地價(jià)等級(jí)的住宅交易實(shí)例（為方便演示，僅選取10個(gè)交易實(shí)例），并通過專家賦值對(duì)這些案例的各個(gè)因素，按照同一標(biāo)準(zhǔn)進(jìn)行評(píng)分（1～9分），如表2所示。

假設(shè)對(duì)各指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化后的值為yij，則

其中，yij為實(shí)例i的第j項(xiàng)指標(biāo)的實(shí)際數(shù)據(jù);xij為實(shí)例i的第j項(xiàng)指標(biāo)的專家評(píng)分值;min （xi）為第i個(gè)案例影響因素最低值;max （xi）為第i個(gè)案例影響因素最大值。

（3） 求各指標(biāo)的信息熵。根據(jù)信息論中信息熵的定義[8]

其中，Ej為第j個(gè)指標(biāo)的熵值;Pij為第j指標(biāo)下，第i個(gè)案例的指標(biāo)值的比重

（4）確定各房地產(chǎn)價(jià)格影響指標(biāo)權(quán)重。根據(jù)式（2），計(jì)算出各個(gè)價(jià)格影響指標(biāo)的信息熵為Ej，價(jià)格影響指標(biāo)的權(quán)重[14]

其中，Wj為第j指標(biāo)的權(quán)重。

從中選取與估價(jià)對(duì)象最為相近的作為市場(chǎng)法的可比實(shí)例。將表2中的數(shù)據(jù)導(dǎo)入SPSSAU系統(tǒng)進(jìn)行分析，結(jié)果見表3。

由于所提取的樣本均為同一區(qū)域，基礎(chǔ)設(shè)施狀況和公共服務(wù)設(shè)施狀況相當(dāng)，因此利用熵權(quán)法核算出指標(biāo)效用值較低，權(quán)重較小，通過演示可以明確該方法在判斷房地產(chǎn)價(jià)格影響因素權(quán)重判斷上是有效的。隨著樣本數(shù)據(jù)的增加，權(quán)重測(cè)算則更加準(zhǔn)確。

（5）選取可比實(shí)例。根據(jù)計(jì)算出的各價(jià)格影響指標(biāo)的權(quán)重，對(duì)交易實(shí)例進(jìn)行評(píng)分。設(shè)Zj為第j個(gè)交易實(shí)例的最終得分，則

得到結(jié)果如表4所示。

由于估價(jià)對(duì)象得評(píng)分值為7.04，那么選擇與估價(jià)對(duì)象最接近得三個(gè)交易實(shí)例作為可比實(shí)例，分別是實(shí)例3、實(shí)例5和實(shí)例8。

3 房地產(chǎn)估價(jià)行業(yè)大數(shù)據(jù)發(fā)展對(duì)策與建議

以大數(shù)據(jù)為背景，結(jié)合熵權(quán)法量化交易實(shí)例中各價(jià)格影響因素權(quán)重，通過量化的數(shù)據(jù)更加科學(xué)客觀的判斷交易實(shí)例與估價(jià)對(duì)象的相似度，從中選取最相近的三個(gè)交易實(shí)例作為可比實(shí)例，使得估價(jià)結(jié)果更加可靠。然而大數(shù)據(jù)在房地產(chǎn)估價(jià)中的運(yùn)用絕不僅于此，與“互聯(lián)網(wǎng)+”深度融合，開發(fā)房地產(chǎn)云估價(jià)平臺(tái)、拓展在線詢價(jià)業(yè)務(wù)等也正在行業(yè)中普及。

3.1 積極推進(jìn)房地產(chǎn)云估價(jià)相關(guān)的制度規(guī)范建設(shè)

法律制度和規(guī)范標(biāo)準(zhǔn)建設(shè)是房地產(chǎn)云估價(jià)行業(yè)良性發(fā)展的土壤。因此行業(yè)應(yīng)從實(shí)際出發(fā)，積極探索房地產(chǎn)云估價(jià)的制度規(guī)范建設(shè)。首先在肯定云估價(jià)發(fā)展前景的同時(shí)，也要積極尋求其于傳統(tǒng)估價(jià)方式的和諧共處，傳統(tǒng)估價(jià)方式有著人工智能無法取代的優(yōu)勢(shì)，因此期望云股價(jià)一進(jìn)入市場(chǎng)就馬上取代傳統(tǒng)估價(jià)是不現(xiàn)實(shí)的，也是不可取的。其次，在行業(yè)內(nèi)部需要加強(qiáng)宣傳和研討，不斷深化認(rèn)識(shí)，加強(qiáng)云估價(jià)培訓(xùn)工作，為云估價(jià)的順利實(shí)施打好基礎(chǔ)[15]。最后，政府管理部門及行業(yè)協(xié)會(huì)要積極做好頂層設(shè)計(jì)工作，統(tǒng)籌規(guī)劃云估價(jià)的使用規(guī)范及相關(guān)規(guī)章制度，規(guī)范行業(yè)云估價(jià)行為。

3.2 積極開展房地產(chǎn)大數(shù)據(jù)建設(shè)工作

房地產(chǎn)大數(shù)據(jù)是云估價(jià)得以順利實(shí)施的關(guān)鍵，是智能估價(jià)的靈魂，因此房地產(chǎn)數(shù)據(jù)庫的建設(shè)勢(shì)在必行，數(shù)據(jù)搜集主要有三條途徑;（1）通過房天下、麥田、搜房網(wǎng)等房地產(chǎn)門戶網(wǎng)站上的掛牌價(jià)查詢、交易登記等功能，搜集海量房地產(chǎn)數(shù)據(jù)，通過數(shù)據(jù)篩選、整理等工作將數(shù)據(jù)運(yùn)用于房地產(chǎn)云估價(jià)中，但是該方法所搜集的數(shù)據(jù)缺乏完整性，需要通過人工加以確認(rèn)及補(bǔ)充;（2）與大數(shù)據(jù)企業(yè)合作，實(shí)現(xiàn)合作共贏，通過智能化的外部采集模塊，將對(duì)方平臺(tái)的房地產(chǎn)估價(jià)大數(shù)據(jù)通過有選擇性地采集、優(yōu)化等技術(shù)處理后形成房地產(chǎn)云估價(jià)系統(tǒng)的基礎(chǔ)數(shù)據(jù);（3）為保證數(shù)據(jù)的完整性和可靠性，估價(jià)機(jī)構(gòu)可以自行設(shè)計(jì)完整的數(shù)據(jù)搜集系統(tǒng)，規(guī)范數(shù)據(jù)內(nèi)容，規(guī)范格式標(biāo)準(zhǔn)，規(guī)范數(shù)據(jù)搜集方法及來源。加大資源投入，廣泛搜集和整理數(shù)據(jù)由此一來，隨著時(shí)間的推移，當(dāng)數(shù)據(jù)庫已經(jīng)形成了海量可靠數(shù)據(jù)的時(shí)候，平臺(tái)內(nèi)部數(shù)據(jù)就會(huì)形成良性的內(nèi)循環(huán)，并且能夠更有效的被應(yīng)用[16]。

3.3 亟待確立大數(shù)據(jù)標(biāo)準(zhǔn)

首先為確保數(shù)據(jù)的安全性、和有效性，行業(yè)主管部門應(yīng)主動(dòng)牽頭聯(lián)合行業(yè)領(lǐng)頭企業(yè)來統(tǒng)一和規(guī)范房地產(chǎn)估價(jià)信息化數(shù)據(jù)的采集、規(guī)整和應(yīng)用的標(biāo)準(zhǔn)，該數(shù)據(jù)標(biāo)準(zhǔn)應(yīng)該滲透房地產(chǎn)估價(jià)行業(yè)的各個(gè)作業(yè)環(huán)節(jié)，形成統(tǒng)一的行業(yè)大數(shù)據(jù)語言，為房地產(chǎn)估價(jià)行業(yè)數(shù)據(jù)共享奠定基礎(chǔ)，此外通過制定數(shù)據(jù)管理規(guī)范，規(guī)范云估價(jià)業(yè)務(wù)作業(yè)流程，保障估價(jià)結(jié)果的科學(xué)有效性[17]。其次行業(yè)主管部門應(yīng)積極引導(dǎo)企業(yè)進(jìn)行數(shù)據(jù)化改革，指導(dǎo)房地產(chǎn)估價(jià)行業(yè)進(jìn)行信息系統(tǒng)數(shù)據(jù)庫建設(shè)，提升房地產(chǎn)數(shù)據(jù)應(yīng)用的覆蓋面。同時(shí)房地產(chǎn)企業(yè)可以同其他與房地產(chǎn)相關(guān)的數(shù)據(jù)需求方（政府、金融機(jī)構(gòu)等）進(jìn)行對(duì)接，基于數(shù)據(jù)對(duì)象的界定及分類，根據(jù)不同數(shù)據(jù)需求方的要求進(jìn)行個(gè)性化數(shù)據(jù)定制，并進(jìn)一步對(duì)數(shù)據(jù)使用標(biāo)準(zhǔn)進(jìn)行細(xì)化[18]。

4 結(jié)論

互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代的到來，為房地產(chǎn)估價(jià)行業(yè)帶來了寶貴的發(fā)展機(jī)會(huì)，在可預(yù)見的未來，擁有大數(shù)據(jù)搜集和分析能力的估價(jià)公司將會(huì)更具備競(jìng)爭(zhēng)優(yōu)勢(shì)，從估價(jià)流程來看，因大數(shù)據(jù)的支持，降低估價(jià)作業(yè)強(qiáng)度，實(shí)現(xiàn)勘察信息化，估價(jià)業(yè)務(wù)網(wǎng)絡(luò)化，估價(jià)作業(yè)自動(dòng)化。從業(yè)務(wù)能力來看，通過大數(shù)據(jù)的分析能力，機(jī)構(gòu)能夠有效強(qiáng)化其房地產(chǎn)價(jià)格規(guī)律的掌握，提升估價(jià)業(yè)務(wù)的社會(huì)認(rèn)可度，并以此平臺(tái)進(jìn)一步加強(qiáng)與司法機(jī)關(guān)、征收部門、銀行等金融機(jī)構(gòu)的合作，同時(shí)能夠進(jìn)一步拓展咨詢類評(píng)估業(yè)務(wù)，為企業(yè)贏得更廣闊的發(fā)展空間。因此，行業(yè)在明確大數(shù)據(jù)改革必要性的同時(shí)，更要深入思考，如何深入挖掘大數(shù)據(jù)潛能，使其能夠更有效地服務(wù)于行業(yè)，服務(wù)于社會(huì)。

參考文獻(xiàn)

[1]沈珊珊，張瑩.互聯(lián)網(wǎng)金融發(fā)展對(duì)我國商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)的影響[J].經(jīng)營(yíng)與管理，2019（8）：18-22.

[2]馬宏正.檔案管理應(yīng)用移動(dòng)互聯(lián)網(wǎng)研究綜述[J].山西檔案，2017（6）：54-56.

[3]賀斌，秦福強(qiáng).傳統(tǒng)媒體和新媒體深度融合的困境與對(duì)策[J].學(xué)報(bào)編輯論叢，2019：340-343.

[4]胡警衛(wèi). 房地產(chǎn)云估價(jià)存在的問題與對(duì)策[C]//中國房地產(chǎn)估價(jià)師與房地產(chǎn)經(jīng)紀(jì)人學(xué)會(huì)，2016.

[5]SAITA Y， SHIMIZU C， WATANABE T. Aging and real estate 29 prices： Evidence from Japanese and US regional data[J]. International Journal of Housing Markets and Analysis. 2016， 9（1）： 66-87.

[6]GHOLIPOUR H F， AL-MULALI U， MOHAMMED A H. Foreign investments in real estate， economic growth and property prices： Evidence from OECD countries[J]. Journal of Economic Policy Reform， 2014， 17（1）：33-45.

[7]蔣祥林.供求決定的商品住宅價(jià)格——基于中國 35個(gè)中心城市的實(shí)證研究[C]//第十一屆中國軟科學(xué)學(xué)術(shù)年會(huì)論文集（下）， 2015 ： 349-366.

[8]史貞.供給側(cè)改革下貨幣政策對(duì)房地產(chǎn)價(jià)格的效應(yīng)研究[J].蘭州學(xué)刊，2016（11）：193-198.

[9]鄭曉俐.大數(shù)據(jù)時(shí)代對(duì)房地產(chǎn)估價(jià)行業(yè)的影響及對(duì)策分析——以杭州市為例[J].住宅與房地產(chǎn)，2016（30）：1-2.

[10] 劉偉華，阮文浩.房地產(chǎn)估價(jià)行業(yè)存在的主要問題及對(duì)策[J].住宅與房地產(chǎn)，2017（17）：15+48.

[11] 潘月，蘇義坤.二線城市房地產(chǎn)價(jià)格動(dòng)態(tài)因素分析——以長(zhǎng)春市為例[J].經(jīng)濟(jì)師，2016（1）：61-63+65.

[12] 呂萍.我國房地產(chǎn)市場(chǎng)供求關(guān)系及房地產(chǎn)對(duì)經(jīng)濟(jì)的影響[J].調(diào)研世界，2016（4）：8-13.

[13] 趙鵬. 房地產(chǎn)價(jià)格的影響因素分析[D]. 武漢：華中師范大學(xué). 2015.

[14] 馬靖忠.基于熵權(quán)系數(shù)法的房地產(chǎn)市場(chǎng)比較估價(jià)模型研究[J].企業(yè)經(jīng)濟(jì)，2011，30（6）：112-114.

[15] 劉虹.房地產(chǎn)云評(píng)估市場(chǎng)分析研究[J].住宅與房地產(chǎn)，2019（21）：8.

[16] 鄒士年.2018年我國房地產(chǎn)市場(chǎng)分析與2019年展望[J].發(fā)展研究，2019（1）：59-63.

[17] 侯長(zhǎng)江，趙息.我國房地產(chǎn)稅對(duì)房?jī)r(jià)的影響研究[J].青島大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，27（1）：106-112.

[18] 劉枬，劉小娟.房地產(chǎn)大數(shù)據(jù)的研究現(xiàn)狀和趨勢(shì)分析[J].建筑經(jīng)濟(jì)，2015，36（6）：71-73.