赋能平台、提效工具、场景化应用,地产大数据玩转有诀窍

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: 在2017在线峰会——票选最美云上大数据暨大数据技术峰会上,来自明源云的刘峥分享了整个的地产行业的趋势以及探索应用实践。他主要从行业趋势和应用实践两个方面进行了分享。他详细的分享了数据管理平台DMP平台的基础层、画像层、算法层、展示层的架构设计,并通过应用场景诠释了大数据在地产行业的作用。

在2017在线峰会——票选最美云上大数据暨大数据技术峰会上,来自明源云的刘峥分享了整个的地产行业的趋势以及探索应用实践。他主要从行业趋势和应用实践两个方面进行了分享。他详细的分享了数据管理平台DMP平台的基础层、画像层、算法层、展示层的架构设计,并通过应用场景诠释了大数据在地产行业的作用。

 

以下内容根据直播视频整理而成。

 

背景

e78cd50d2eb09bf8d46d8054141a64d156f3bea2

上图是明源2017年产品整体的战略布局。最底层ERP,是20年来我们专注做的事情。从项目投资收益、计划、采购、成本、费用、售楼覆盖地产全生命周期的业务管理软件。4年前,明源开始通过阿里云做SAAS产品转型,随着SAAS业务的不断扩张、覆盖产生了很多平台的增值服务。随着SAAS业务及平台增值业务进一步扩张,从业务中积累的数据也越来越多,大数据业务就自然涌现出来。通过一年多的探索实践,大数据已经融入地产业务的方方面面,包括客户大数据、土地大数据、供应商大数据、质量大数据等,大数据战略已全面展开。

行业趋势

房企市场在进行激烈的变化,首先,从增量市场变为存量市场,关注点由卖新房转变为租赁、物业、客服等;其次,消费升级,目标群体从中产阶级转变为个性张扬的80后90后;最后,政策压力及供需失衡导致房子不好卖,形势更加严峻。在这种背景之下,企业就会更多考虑到“以客户为中心”的转型。主要体现为口碑信息放大客户影响力、需要重新打通多业态的客户、客户对体验的要求越来越高。

e0d83186169ca48379230933738864356b46caa6

在2016年的1月份,地产大数据由一张地图诞生了。这张地图公布了来上海市的某一个项目销售案场的人白天工作地和晚上居住地。这张图对地产的销售人员来说是非常有价值的,因为销售人员在进行广告和拓客时,以前只是进行无脑的发传单或者广告。但是这张图可以科学的指导销售人员的行为,这样就引发了人们对于大数据的理解和认知。

但是,大数据方法在地产企业内应用效果不明显。企业数据存在几个问题:不在线,房地产企业比较重视业务,很多数据都在纸上;价值高,数据获取成本高,单客户数据价值大;不共享,集团、公司、项目数据不共享。

经过一年多的实践,企业更关注内部数据治理及第三方数据的补充。首先,内部数据治理(营销、客服等)方面,进行了多触点数据采集、多业态数据整合、数据巡检以及可视化;此外,对第三方数据进行了整合(投资、拿地方面)。

应用实践

采用的是to B方式,在阿里云基础上做了赋能平台,针对目前个性化方面的弊端进行了封装。在平台之上,快速搭建提效工具降低人工成本。最后,落地场景化应用。

数据管理平台

d73515b4794dceec110a66f95465b1b7a42b58d4

赋能平台内部称作DMP平台,包括基础层、画像层、算法层、展示层。基础层主要是处理基础数据,包括数据源对接、数据采集、数据清洗。画像层主要面向业务部门,主要的作用是业务人员快速去选择所需要的数据。算法层是使用数加机器学习的模块来包装算法。展示层由自己的展示产品和DataV构成。

bcb88aa024da7211141b609731d14b3b5fccbbcb

DMP的技术架构如上图所示。由于是to B方式,所以需要把大数据平台做成SAAS化,在右下角的项目管理可以帮助产品开一个ODPS库或者SAAS库。数据采集、数据清洗、数据同步三个工作流是通过Rundeck进行调度,最终归结到ODPS中。

基础层

d07895c0cbd7ad89069d14870a77abc78e467875

基础层首先是做多数据源的接入,可以配置一些数据库的信息,把酒店系统、物业系统、ERP数据全部接入;第二部分是数据采集,按需采集;第三部分是海量数据离线计算,目前数加的开发满足不了需求,所以需要类SQL的流程来清洗数据;第四部分是用于CIO和IT部门,做数据融合。

画像层

9372922d89b3de2ce513f9c8df884442d9f880be

画像层是把所有目前的数据的业务指标全部平铺出来,在面板上可以轻松的获取所有的数据,分析目标特征。对每个人可以进行360全生命周期的画像,然后展示。对短名单进行下载,再营销。

算法层

47a9cb7e97f4991f0497442c36fe27a2dafe05c7

算法层主要使用了数加的机器学习产品。主要用了分类/预测/推荐、聚类、文本分析、网络分析。

展示层

4a12f1d8f9b80a3730065909878ac17012329666

展示层只要通过简单的拖拽就可以洞察业务,并且,通过地图展示可以直观的看出每一个区域客户的情况。通过DataV的大屏可以实时展示整个公司的业务情况。

大数据已经不是单独存在的事物了,大数据支撑业务的方方面面,大数据平台需要很灵活的自定义体系去支撑目前多变化的业务。上述四层结构都是以自定义的形式出现的。基础层包括了数据源自定义、数据采集自定义、数据清洗自定义。画像层包括了业务指标自定义、标签自定义。算法层包括了机器学习自定义、算法流程自定义。展示层包括了报表自定义、可视化自定义。四层的自定义构建出了目前的大数据平台。

提效工具

efbdcf8474c734a40660ec89923fa0218bc61149

大数据如何做提效?上图所示为北京东南五环的楼盘签约客户的通讯地址分布图。可以看出东南三四环和东南六环买房的人比较多。通过大数据可以自动进行热力图的绘制,不需要经过人工的复杂过程。

场景化应用

0dedadb5ffbf0b974558e734837885b43b5b3c7f

使用提效工具我们已经分析出了签约客户地图,但是不够场景化。在此基础上,需要在DMP中找到分析出的比较容易出购买客户的地区画一个半径,每日向置业顾问推送将来自该区域的看房者,提醒重点跟进。

73b694b443635e3037e89c65a2e15c68efacaf72

通过楼盘中分析目前已经成交的客户,再从未成交客户中找到满足现在客户画像的人定义为高意向客户。最开始也只是做到CP1的层次,通过列表得知重点跟进的客户。由于每个客户是有归属的,所以,打通现有云客的系统,把列表导入到云客的资源池,从资源池的工具上进行客户的分配。最后,通过360画像信息获得客户的行为辅助置业顾问快速转化。
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 
相关文章
ly~
|
4天前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
27 2
ly~
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
大数据在智慧金融中的应用
在智能算法交易中,深度学习揭示价格波动的复杂动力学,强化学习依据市场反馈优化策略,助力投资者获取阿尔法收益。智能监管合规利用自然语言处理精准解读法规,实时追踪监管变化,确保机构紧跟政策。大数据分析监控交易,预警潜在违规行为,变被动防御为主动预防。数智化营销通过多维度数据分析,构建细致客户画像,提供个性化产品推荐。智慧客服借助 AI 技术提升服务质量,增强客户满意度。
ly~
14 2
ly~
|
4天前
|
供应链 监控 搜索推荐
大数据的应用场景
大数据在众多行业中的应用场景广泛,涵盖金融、零售、医疗保健、交通物流、制造、能源、政府公共服务及教育等领域。在金融行业,大数据用于风险评估、精准营销、反欺诈以及决策支持;零售业则应用于商品推荐、供应链管理和门店运营优化等;医疗保健领域利用大数据进行疾病预测、辅助诊断和医疗质量评估;交通物流业通过大数据优化物流配送、交通管理和运输安全;制造业则在生产过程优化、设备维护和供应链协同方面受益;能源行业运用大数据提升智能电网管理和能源勘探效率;政府和公共服务部门借助大数据改善城市管理、政务服务及公共安全;教育行业通过大数据实现个性化学习和资源优化配置;体育娱乐业则利用大数据提升赛事分析和娱乐制作水平。
ly~
41 2
|
13天前
|
存储 数据可视化 大数据
大数据管理与应用
大数据管理与应用是一门融合数学、统计学和计算机科学的新兴专业,涵盖数据采集、存储、处理、分析及应用,旨在帮助企业高效决策和提升竞争力。核心课程包括数据库原理、数据挖掘、大数据分析技术等,覆盖数据处理全流程。毕业生可从事数据分析、大数据开发、数据管理等岗位,广泛应用于企业、金融及互联网领域。随着数字化转型加速,该专业需求旺盛,前景广阔。
24 5
|
14天前
|
存储 搜索推荐 大数据
大数据在医疗领域的应用
大数据在医疗领域有广泛应用,包括电子病历的数字化管理和共享,提升医疗服务效率与协同性;通过数据分析支持医疗决策,制定个性化治疗方案;预测疾病风险并提供预防措施;在精准医疗中深度分析患者基因组信息,实现高效治疗;在药物研发中,加速疗效和副作用发现,提高临床试验效率。此外,在金融领域,大数据的“4V”特性助力业务决策前瞻性,被广泛应用于银行、证券和保险的风险评估、市场分析及个性化服务中,提升运营效率和客户满意度。
22 6
|
17天前
|
人工智能 编解码 搜索推荐
大模型、大数据与显示技术深度融合 加速智慧医疗多元化场景落地
大模型、大数据与显示技术深度融合 加速智慧医疗多元化场景落地
|
27天前
|
存储 分布式计算 Hadoop
大数据分析的工具
大数据是一个含义广泛的术语,是指数据集,如此庞大而复杂的,他们需要专门设计的硬件和软件工具进行处理。该数据集通常是万亿或EB的大小。这些数据集收集自各种各样的来源:传感器,气候信息,公开的信息,如杂志,报纸,文章。大数据产生的其他例子包括购买交易记录,网络日志,病历,军事监控,视频和图像档案,及大型电子商务。
30 8
|
15天前
|
机器学习/深度学习 人工智能 分布式计算
人工智能与大数据的融合应用##
随着科技的快速发展,人工智能(AI)和大数据技术已经深刻地改变了我们的生活。本文将探讨人工智能与大数据的基本概念、发展历程及其在多个领域的融合应用。同时,还将讨论这些技术所带来的优势与挑战,并展望未来的发展趋势。希望通过这篇文章,读者能够对人工智能与大数据有更深入的理解,并思考其对未来社会的影响。 ##
|
17天前
|
分布式计算 Hadoop 大数据
28个大数据的高级工具汇总
文章汇总了28种大数据高级工具,并对Hadoop、Spark、Storm等关键技术进行了详细介绍,同时还提供了获取大数据集的多个资源链接。
30 0
|
1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!
90 11

相关产品

  • 云原生大数据计算服务 MaxCompute