经济观察报 记者 张雅楠 对数据的专业处理能力，被公认是一种巨大的能量

碧桂园的大单

TalkingData合伙人蒋奇去广东见碧桂园董事局副主席杨女士时，他心里预想的是：她的第一个问题也许是——你们能帮我把库存去掉吗？

那是2014年，在公众的印象里，房地产开发商都有着强烈的去库存需求。

虽然TalkingData是一家覆盖近30亿台独立智能设备（包括智能手机、平板电脑等），同时服务超过10万款移动应用、8万开发者，以及招商银行等金融企业的大数据公司，蒋奇并不希望他的客户认为大数据什么问题都能解决。

幸好，杨女士的第一个问题并不是去库存，而是投策。

起因是上海有一块地，碧桂园的投策团队认为要拿，而杨女士的另一个信息渠道认为这块地并不合适，两个信息来源对该地区常住人口成分、收入水平和竞品楼盘的判断完全不同。那么，大数据能解决这个问题吗？

蒋奇迅速思考着：常住人口怎么判断呢？把这个地块活跃的移动端设备全部筛选出来，理论上，这个设备一个月都出现在这个区域，应该就是这个地区的常住人口；收入水平呢？最简单的，手机类型就可以作为一个大致的判断依据。

从逻辑上分析，这个问题似乎是可以解决的。

杨女士的第二个问题是营销策略及优化。如何提高线下广告，例如道旗和户外广告牌等对案场的引流，以及如何提高案场内的销售转化率。

对蒋奇来说，第二个问题Talk-ingData处理起来更加得心应手——TalkingData在移动互联网营销领域积累了大量的经验，同时在线下数据的采集上也早有布局，借助生态内合作伙伴的解决方案，可以将线上、线下数据打通。

首先，道旗和户外广告牌上都可以增加数据探针，用于探测500米范围内的用户设备，默认在这个范围内的潜在客户看到了广告；同时，在案场也安装数据探针，探测到达案场的用户；对比户外广告周边和案场的用户设备，就能判断在户外广告附近出现的设备是不是到了案场，这就形成了一个从广告到案场的引流转化漏斗。

其次，TalkingData做过分析，潜在购房者有一个明显特征，两到三周内会频繁到各个售楼处。通过位置、经纬度等数据，大概能筛选出这类人群。如果案场内发现了这样的潜在购房者，有针对地营销很可能促成成交，也就是杨女士最想要的结果，提高案场内销售转化率。

提问和回答，似乎都符合对方预期。

谈话不断深入，终于触及到所有开发商关注的重点——房地产全生命周期运营，包括资产交易、资产管理，以及资产证券化等等。似乎在每一个环节，都有丰富的大数据应用场景。

那么，TalkingData能够成为这个大一统数据解决方案的供应商吗？

蒋奇的答复是，暂时还不行。

在拆解投策和营销的两个具体问题时，根据TalkingData既有数据业务能力，蒋奇分析的结论都是，可以一试，为什么谈到最后，反而要拒绝杨女士的大单呢？

大猩猩可以撩小辣椒吗？

“当你想用数据去解决业务问题时，你一定干不了所有的事情。大数据公司没有房地产的基因，怎么去搞懂客户的逻辑呢？”蒋奇说。

比如拿地，一笔数十亿甚至上百亿的资金投入背后，开发商的心态各异，到底是想赚钱，还是不赔钱只要安全；是要赚快钱，还是做长线；有些人甚至不要赚钱只想让人们知道他很牛；有些则是洗钱。

情况很复杂，这时候，大数据能做什么呢？

有人把它做成了盔甲。“没有大数据的时候，我是托尼斯塔克；有大数据的时候，我就是钢铁侠，但是核心还得是我。”说这句话的，是蒋奇非常认可的一个房地产和大数据“翻译”郑永祥。

这个80后有着7年万科生涯，其中很重要的一段经历是在万科总部的产品品类部，参与市场、客户和产品研究。这套研究体系为万科不拿地王以及拿地10个月后开盘等投资开发策略提供后台保障。

2011年离开万科后，郑永祥创立了禾略中国，他的团队不大，十几个人，为中国上市房企前30强中的17家提供过咨询服务，一年前，他在业务中引入了大数据。

禾略中国基于大数据的主要产品是城市地图，城市被切分成若干以一公里为单位的网格，每一个网格里都融合了人口、基建、经济指标等海量数据。原则上，有了地块位置，就可以得出某块土地的投资价值。“以前说白了是卖我，在卖的过程中，很累，因为跨地域的成本非常高。而用到大数据时，威力大好多，全中国的业务都可以接，结果也更准确。”郑永祥说，他期待的状态是，“公司招一个人来，干半年，通过这套系统，得出来的结论应该跟我一样，但现在看来，公司来的人，干三年，得出来的结论还不能和我一样。”

对他来说，现在的数据质量已经够好了，但是对公司来说，数据质量太差。“大数据需要结合细分行业经验才能发挥作用，否则也只是大猩猩。”郑永祥说，“人类之所以比猩猩智能很多，真正的差别并不是思考的速度，而是人类的大脑有一些独特而复杂的认知模块，这些模块让我们能够进行复杂的语言呈现、长期规划、或者抽象思考等等，而猩猩的脑子是做不来这些的。就算你把猩猩的脑子加速几千倍，它还是没有办法在人类的层次思考的，它依然不知道怎样用特定的工具来搭建精巧的模型——人类的很多认知能力是猩猩永远比不上的，你给猩猩再多的时间也不行。”

对郑永祥而言，数据是工具和盔甲，可以替人去跟小辣椒聊天，核心一定是人在操控。

另一家房企客研负责人和郑永祥持相似的观点。当下，大数据是他们做研究的重要依据，也是重要的阻碍。

这位要求匿名的负责人说，目前的大数据供应商很多，比如政府、TalkingData、三大通讯运营商、BAT、房地产经纪公司等等，它们基于人们的设备号和交易行为获得数据，这些数据有优点、有局限、有壁垒。

使用过程中，大量的数据是残缺和不准确的，真正有效的，有时只剩10%-30%，即便利用这些数据去做研究，得出的结论往往只是结果，比如，某一家购物中心的销售额增长放缓，利用大数据分析得知，原因是黏性顾客数量变少，但是为什么会变少，以及如何防止变少，还无法得到答案。“这是个新时代的行业，由资本驱动，他们更迫切去描绘未来的梦，而不是解决当下的痛，数据质量要明显改善，需要时间，需要一轮洗牌。”郑永祥说。

他的数据来源包括中国电信以及在各种渠道做整合。有时，因为供应商提供的数据不完整和不准确，他和团队需要花费大量时间和精力去修补，完成分析和对客户的交付。郑永祥认为，现阶段纯粹依靠数据会有一定的风险，所以补充了一些线下的数据收集方式。

另一家商业地产标杆企业与BAT在大数据领域合作时，则遇到了另一个问题，节奏不合拍。

一位主导了合作的工作人员对经济观察报说，大数据服务商会推出战略性产品，寻找实力雄厚、自主管理可自行支配物业的行业标杆合作，商业方面可以找的就是万达、凯德、大悦城、华润等等，但这些企业都需要一段时间考察新产品对业务、对销售额的扶持度和契合度，才会开始一套内部流程：上会、汇报、谈判、MOU、具体项目合作计划、合作协议、合作执行……也许3个月或者半年时间都算快的，但这对于互联网公司来说还是太慢了，这段时间，他们的战略性产品也许已经调整，甚至一个月左右，基层工作人员就已经大换血了。

这其实是硬币的两面，大数据和地产的对接，需要磨合期。

赚钱工具是紧箍咒？

大数据无可争议地成了风口上的生意，每一个人都深涉其中，只是浑然不觉。我们在手机上的每一次点击行为、在生活中每一个位置的移动停留，都会汇入庞大的数据洪流中。

它们或许成了不良商家廉价倒卖的手机号码，或许被分析换算成某一幅热力图上升腾的颜色，或许汇成了某一页PPT上的折线图。

我们的信息是如何流转成基础数据的呢？蒋奇向经济观察报解释了TalkingData通过移动端获取数据的原理。

市面上有很多APP，开发团队开发完一个APP，在App　Store或其他应用市场上架只是第一步。为了更好地运营产品，他们需要了解用户是如何使用他们的应用和相关服务的，他们对数据的需求非常直接，需要数据分析平台收集并分析数据。

某些现象级应用可以覆盖上亿用户，而要分析亿级用户数据，是一项非常巨大的工程。

一些技术门槛，比如上亿数据跟后台服务器的实时传输，一般的开发团队很难解决。看似简单的统计、分析在技术和成本上都是极大的挑战。

而作为专业的智能数据平台，TalkingData可以为开发者提供基于云服务的SaaS统计分析平台。通过在应用内植入TalkingData　统计分析SDK——一套用于收集数据的传感器，按照一定的逻辑去提取用户在应用内的行为数据。

比如说，用户在什么时间打开了应用，使用了多久，在哪些页面做了跳转等等。

在数据收集过程中，TalkingData并不收集用户的登录账号、密码等个人信息；仅采集用户在应用内的非敏感型行为数据，并进行进一步的脱敏处理，确保用户隐私安全。

简单来说，用户最终在系统内变成一个个脱敏、匿名的ID，是可以公开的数据。在不泄露真实姓名、手机号、身份证号等隐私数据的前提下，可以借助这个ID实现不同类型数据的匹配、打通，使得数据维度不断扩展，让数据流动。

过去5年，TalkingData的统计分析平台为超过10万款移动应用提供数据服务，其中包括宝开、滴滴出行、聚美优品等行业巨头；通过这些应用积累下来的超过30亿独立智能设备背后的数据，是目前市场内最大的第三方大数据源。

而另一类信息由第一方企业、机构、组织掌握，比如房地产开发商、银行、证券服务商、航空公司等等，这些组织拥有的数据就是第一方数据。

第三方的数据是通过类似的行为模式来描述、定位同一类人群，即“用户画像”；而第一方数据可以精准定位到一个人。

对这些数据的专业处理能力，被公认是一种巨大的能量。

回到蒋奇2014年拒过的碧桂园大单。当时，时机还不成熟，因为这不是一家数据平台可以做到的，它需要来自各行各业的数据积累和打通。

2016年，这个大单终于落实了下来。合作内容是结合双方数据制作城市人群图谱，支撑投策；客户深度画像，优化营销决策；建立智能数据管理平台，支撑200万物业、社区用户的数据资产管理等等。

此时，TalkingData已经搭建起了地产大数据业务团队，这是一个堪称豪华的“翻译”阵容——前台是业务顾问，一般是地产咨询行业背景，他们负责了解开发商的痛点和需求；中台是项目经理，大多源自Oracle和Accenture等大型企业，负责管控数据服务的交付；后台是算法及技术团队，由数据科学家、数学家进行数据探索；底层则是各方面经验丰富的数据技术团队做支持。

在房地产大数据蓝海中游了一年泳，郑永祥的判断是，大数据对房地产很重要，但是还没到时候，因为，房地产的钱还是太好赚了。“为什么地王这么多？一块地，净利润率只有6个点，你想开发商真无聊，还不如去放高利贷呢，但是，你知道这块土地的自有资金的收益率是多少吗？50%，年化，很好啊，有什么问题呢？”郑永祥说，所以，与其说我们的数据成了别人的生意，不如说，我们的数据能给欲望带上紧箍咒。“回到地王这个事儿，你让数据去做一个投策的研究，不管你有没有拿到这块地，你都不会恐慌，不会像股市里的散户一样，没有投资策略，一味追涨杀跌。其实我服务的不是开发商，而是客户的欲望，大数据是什么？是紧箍咒，防止你被贪欲反噬，鬼城就是政府的贪欲嘛。现在，我可以用数据更直观地给你建议，这不是更容易讲明白吗？所以，这件事的意义才刚刚开始显现。”