资本垂涎社区大数据 居住后市场价值重估

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

商业模式不清晰,规模效应不足,仍是物管市场面临的主要问题。多数与会嘉宾认为,如果这些问题未解决,物管行业的估值逻辑可能被改写。因此当前形势下,谈模式创新为时过早。与此同时,资本的选择趋于集中,首选几个龙头企业。

“当前存在的问题主要是:一方面社区服务的商业模式不十分清晰。虽然在进行技术引进,企业也做了很多探索,但最终的模式仍然在试探阶段。另一方面是没有形成有效的市场规模。”12月1日,全国工商联社区服务研究会执行会长兼全联社区服务企业联盟主席闫东升表示。闫东升是在由21世纪经济报道联合搜社和腾讯房产主办的“2016中国居住与社区价值论坛”上做出上述表态的。

随着房地产市场进入后开发时代,下游物业管理领域的价值开始凸显,并在云计算和大数据技术下呈现出巨大想象空间。2014年以来,多家物管公司在资本平台挂牌。

据第一太平戴维斯统计,到2020年,全国社区住宅面积将达300亿平方米,社区消费总值约过万亿。另一组数据则显示,在全球领域,大数据每年创造的产值超过1000亿美元。

但正如闫东升所言,商业模式不清晰,规模效应不足,仍是该市场面临的主要问题。多数与会嘉宾认为,虽然当前资本仍具有热情,但如果上述问题未解决,物管行业的估值逻辑可能被改写。

大数据的价值与误区

对于大部分房地产公司而言,传统的物管业务很难带来盈利。这主要来自人力成本渐高的压力;且物业管理业务的客户满意度普遍不高,拖欠物业费时有发生。

因此,物管业务是长期以来房地产企业的一种“累赘”,部分企业甚至最终将该项业务剥离。但近几年来,这种局面开始发生变化。

从2014年起,彩生活、中海物业、中奥到家等公司先后登陆香港资本市场,绿城服务也在港股排队中;万科、招商蛇口、碧桂园等房企也有分拆物业部门上市的计划。且上市物业公司的市盈率接近30倍,明显高于房地产企业。

中关村大数据产业联盟副秘书长陈新河认为,这是因为,大数据技术的出现,改变了房地产产业链的价格和估值模式。

陈新河表示,传统的房地产交易模式是,房地产交付后就结束了。现在的模式在于,房产交付之后,围绕整个社区的数据在不断产生。也即,模型的变化导致整个商业链价值重构。

世联行社区管家事业部总经理戴润玉也认为,存量市场是一个快速增长的过程,社区存量在入口方面叠加着无限的可能性。尽管目前的社区金融等存在一些不安全性,但在解决这些问题之后,它的爆发力是无限的。

由于这类衍生业务成为资本估值的关键,近些年来,很多企业投入到数据搜集和获取中,使得社区O2O领域一度出现疯狂的勃兴局面。

但在基于社区的大数据获取方面,企业似乎进入一个误区。大量的社区O2O将数据获取方向定位获取用户量,但数据的真实性和有效性却出现问题,部分企业甚至因此倒闭。

金科物业管理公司董事长夏绍飞表示,要做社区O2O,一定是做用户质量,即数据的深度,而非广度。他认为,真正有效的数据要包含两个方面:对物的高效关系,对人的精准服务。所有和这二者不相关的就是无效数据。

规模先行or模式优先?

事实上,即便是有效数据,也存在如何有效嫁接的问题。

大多数与会者认为,尽管资本市场热情饱满,但目前社区O2O领域的公司并未形成有效的商业模式,因此仍然存在资本退潮的风险。

第一太平戴维斯物业顾问(北京)有限公司助理董事朱明涛就提出:物业企业集中上市,无非就是为了规模扩张和加强品牌影响,但是规模扩张之后怎么保持持续盈利?

深圳市彩生活服务集团有限公司副总裁叶晖指出,如果只借着上市和资本的风口,资本可能不会给予持续的高估值。高估值所具备的两个重要因素在于:流量、与客户的距离和联系。

叶晖指出,一般物业公司的市盈率在5-7倍之间,原因在于“任何刚性的商业模型的估值都是偏低的”,叶晖表示,只有弹性的模式才能满足资本的持续关注。彩生活的策略在于,通过建立柔性系统和智能运营系统满足个性化需求,并且批量生产。

今年上半年,彩生活共完成9笔收购,8月又将体量达6000万平方米的万达物业收入囊中。叶晖指出,未来彩生活不会再做大型并购,而专注于通过构建生态圈来维护现有模式的发展。“讲故事的投资时代和讲规模的纯互联网时代都渐入黄昏,未来的三十年迎来的是苦逼但是又很牛逼的互联网时代。”他说。

但是,对于大量中小物管企业而言,规模仍然是吸引资本的主要方面。中信建投证券研究发展部董事总经理苏雪晶认为,现在谈创新尚早,因为没有找到大家都一致认可的盈利模式。与此同时,资本的选择趋于集中,首要的选择是几个龙头企业。

他还认为,上半年部分在港上市的物业管理公司表现良好,正是因为资本看中了其在某些细分领域规模快速提升的前景,这甚至可能是资本关注的一个焦点。

尽管对路径的判断并不一致,但与会者仍然对行业的前景保有一致的乐观看法。

苏雪晶认为,按照现有布局,未来两到三年应该会有不少物管公司在A股崭露头角,那时大的格局就确立了。而后,寻找细分市场将成为市场主流。

深圳市物业管理协会会长曹阳表示,深圳有1500家左右物管企业,每年也都有近百家企业退出市场——部分由于做得不好被淘汰,部分则由于业务进展缓慢而导致资质过期。他表示,物管行业集中度将会不断提高,尽管彩生活声称不再做大型并购,但广大中小企业的并购和联盟尚未开始。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
数据采集 机器学习/深度学习 人工智能
大数据分析案例-用RFM模型对客户价值分析(聚类)
大数据分析案例-用RFM模型对客户价值分析(聚类)
1328 0
大数据分析案例-用RFM模型对客户价值分析(聚类)
|
3月前
|
存储 大数据 数据挖掘
【数据新纪元】Apache Doris:重塑实时分析性能,解锁大数据处理新速度,引爆数据价值潜能!
【9月更文挑战第5天】Apache Doris以其卓越的性能、灵活的架构和高效的数据处理能力,正在重塑实时分析的性能极限,解锁大数据处理的新速度,引爆数据价值的无限潜能。在未来的发展中,我们有理由相信Apache Doris将继续引领数据处理的潮流,为企业提供更快速、更准确、更智能的数据洞察和决策支持。让我们携手并进,共同探索数据新纪元的无限可能!
157 11
|
4月前
|
机器学习/深度学习 人工智能 分布式计算
理解并利用大数据的力量:解锁数据背后的价值
【8月更文挑战第7天】大数据已成为推动社会进步和经济发展的重要力量。通过理解并利用大数据的力量,企业可以解锁数据背后的价值,优化业务流程、提升决策效率和创新能力。然而,大数据应用也面临着诸多挑战和风险,需要企业不断学习和实践以应对。相信在未来的发展中,大数据将为我们带来更多的惊喜和机遇。
|
5月前
|
存储 算法 数据可视化
云上大数据分析平台:解锁数据价值,驱动智能决策新篇章
实时性与流式处理:随着实时数据分析需求的增加,云上大数据分析平台将更加注重实时性和流式处理能力的建设。通过优化计算引擎和存储架构等技术手段,平台将能够实现对数据流的高效处理和分析,为企业提供实时决策支持。通过优化计算引擎和存储架构等技术手段,平台将能够实现对数据流的高效处理和分析,为企业提供实时决策支持。
763 8
|
7月前
|
存储 分布式计算 算法
大数据处理:挖掘价值之道
大数据处理:挖掘价值之道
|
7月前
|
存储 数据可视化 大数据
大数据分析与处理:探索数据的深层价值
大数据分析与处理:探索数据的深层价值
107 2
|
7月前
|
存储 数据采集 机器学习/深度学习
大数据分析:挖掘数据价值的技术和方法
在数字化时代,大数据已经成为企业和科研机构的重要资源之一。然而,对于海量的数据如何进行分析和挖掘却是一个巨大的挑战。本文将介绍大数据分析的基本概念、技术和方法,帮助读者了解如何利用现代技术和工具,挖掘数据中蕴藏的价值。
687 0
|
机器学习/深度学习 人工智能 Cloud Native
【大数据趋势白皮书下载】IDC: 发挥数据智能价值,推动企业数字化创新
IDC认为,从提升企业中长期发展质量、降低综合投入成本的角度出发,大数据技术领域将呈现出两个显著趋势:一体化和融合化。企业应以战略和顶层设计为先导,用体系化的思维全面构建大数据能力架构,避免形成新的数据、业务和能力孤岛。 【下载地址见文末】
【大数据趋势白皮书下载】IDC: 发挥数据智能价值,推动企业数字化创新
|
数据采集 机器学习/深度学习 算法
大数据分析案例-基于RFM模型对电商客户价值分析(聚类)
大数据分析案例-基于RFM模型对电商客户价值分析(聚类)
1085 0
大数据分析案例-基于RFM模型对电商客户价值分析(聚类)
|
大数据