今年上海高考作文题目一出炉便引起热议。

 

有人说，经过时间的沉淀，事物的价值才能被人们认识，也有人认为不尽如此。

 

商业地产，何曾不是一门时间的学问。

 

与传统住宅相比，商业地产投入成本高、投资时间长、运营难度高，每年都有知名项目关门歇业。

 

但同时，也是时间让商业项目的价值逐渐显现：开业20年体量不足6万㎡的上海恒隆广场，2020年疫情年实现租金收入20.32亿。

 

经受住时间的考验正是商业地产的生存法则。

 

目前，在这个漫长的时间过程中，从拿地到运营，无论是资本量级几何的商业地产投资决策，很大程度上，都大规模依赖于「大数据」。

 

那么，大数据究竟如何才能跨越时间、助力优质项目养成？TA究竟是一个「真神器」还是一个「假神话」？

 

 

我们今天，就摊开来聊聊。

 

一个商业项目通常分为投拓期、定位期、运营期三大周期，这三个周期所需解决的核心问题，决定了其对于数据有不同的要求。

 

不同于线上消费的灵活性和通达性，线下商业具有明显的地域性、体验性，多年来「经验法则」在行业内奉行。

 

如何让数据在商业项目中发挥其真正的价值，是整个行业备受关注的话题。我们访谈了近百位行业人士，总结了大数据运用中的三个疑虑。

 

 

 

大数据真的准吗？ 

 

商业地产行业动辄十几亿、数十亿的拿地资金，关联着长期的资本投入，加之决策时间紧、判断依据有限且真伪难辨，让这个行业成为一个门槛极高的专业领域。

 

毋庸置疑的是，当今时代背景下，大数据成为举足轻重的决策筹码。问题是，大数据真的能成为决策重要依据吗？

 

 

先抛出观点：大数据的准确性无可置疑，但没有100%准确的数据，关键在于「错」得有规律。

 

我们将这个过程拆开来看，从「数据」到「能帮助决策的数据」，要经历三个重要步骤。

 

 

Step1 数据源头选择： 

 

其一，基于SDK的用户信息收集（如：游族、极光、及刻、Talking data），由于隐私政策的限制及SDK背后的APP覆盖率，该类数据的覆盖度明显偏低，甚至仅仅只是到了个位数百分比的水准。

 

其二，基于运营商的用户数据收集（如：移动，联通），运营商的人口规模及属性数据相对较准，但到访特定位置数据会受大小基站位置及覆盖的影响，有时数据的准确度会存在一定偏差。运营商的数据，虽然比SDK数据更精准，但直接使用运营商数据依然会存在一定问题。

 

 

Step2 数据模型优化：

 

基于原始数据，叠加专业的数据建模，优化纠正数据偏差，从而产出数据结果，这是使用数据必须要经历的过程。

 

以中商数据为例，一方面基于商业地产行业逻辑+数据分析经验进行数据建模修正，另一方面结合自有的POI、项目数据、搜索引擎等多类型数据用机器学习的方式进行数据建模优化。这样的数据提供，才是基于原始数据基础之上达到最高标准的可用数据。

 

 

Step3 行业规律产出： 

 

数据是个逐渐沉淀的过程，罗马不是一天建成的。经过清洗、建模、优化，逐步成型的数据库，才能真正做到数据挖掘，规律产出，指导业务闭环。

 

我们以拿地投拓阶段为例：

① 数据需求：城市发展、政策规划、经济发展、人口增减、商业竞争、项目本体等

② 核心诉求：数据精准，能对候选地块做出快速有效评估

③ 行业经验积累：地块没有绝对优劣，需深度了解不同开发商有不同的算账逻辑。才能客观给出地块评估，而非一堆干涩的数据。

④ 平台列举：

住宅类：中指、克而瑞、禾略

商业类：中商数据、赢商大数据、脉策

 

这些平台拥有多年的行业积累和数据沉淀，数据完备，能对地块信息进行快速评估，匹配企业端的需求。

 

 

 

如何善用大数据？

 

在拿地之后的工作推进中，有很多数据分析和利用的误区，让决策者多少会对大数据的价值产生疑虑。

 

例如，男女比例的实际价值到底是什么？

 

项目定位阶段，客群画像是必修课。在越来越注重细分市场的今天，只有从数据中深度洞察容易被人忽视的客群视角和潜在需求，才能更好的进行客群拆分、导出更精准的定位。

 

① 深度洞察容易被忽视的「客群视角」。

 

当大数据显示周边的消费人群女性顾客数量高于男性顾客时，是否意味着该购物中心可以主打女性市场？

 

女性是绝大多数优质项目的核心目标客群，但主打女性细分市场的项目却很少，这是否意味着男女比例在消费者画像时没有意义？

 

答案都是否定的，男女比例作为一个孤立的数据结论，不能单纯以此进行客群拆分，要按照客群所在板块、家庭结构、属性多维度进行拆分，同时结合结构比例、轨迹位置、消费特征进行客群画像深度描摹。

 

 

② 深度洞察容易被忽视的「同类中的不同」。

 

即使同类型的客群属性，也可能会有不同的消费表现和偏好。例如，同是25-35岁的中青年客群，不同地域如重庆、上海就具有显著的区别。

 

上海汇聚了全国精英人才，海归众多，中西文化碰撞，思想前卫、追求时尚，奢侈品和美妆是必备，偏好小众品牌、二次元等；

 

重庆则本地人居多，爱吃火锅、江湖菜，生活节奏相对较慢，夜生活丰富，嘻哈文化发达，潮牌、运动服饰受欢迎。

 

这些不同的消费偏好也决定了项目的定位和品牌选择。

 

 

③ 深度洞察容易被忽视的潜在需求，探索消费新场景。

 

数据展现的是当下的发展规律，项目定位需要考虑未来的发展。

 

只有通过数据挖掘对客群潜在消费需求进行探查，同时结合市场供应端来确定潜在消费需求的业态策略可行性，才有机会探索消费新场景，更好的确保项目未来发展可能性。

 

那么，在定位阶段，什么样的数据平台才能最大限度匹配这些需求呢？

 

① 数据需求：项目站位、客群深度、竞品研究、商业机会分析、项目关键特征等

② 核心诉求：深度洞察、验证分析、挖掘定位方向的依据

③ 行业经验积累：每个项目都有其自身地缘条件以及未来发展可能性，需基于商业地产底层逻辑，以站在未来看现在的视野探求定位方向与机会

④ 平台列举：

市场分析类平台：赢商、中商数据、JLL

消费者分析类平台：中商数据、袤博、极光

 

市场分析类平台大都拥有多年的行业积累和数据沉淀，对商业竞争环境可进行深度分析。

 

而消费者分析平台，分为具有商业逻辑的数据平台如中商数据，以及纯技术类平台如极光，两类平台各有优劣势，但核心在于数据一定要对定位有指引与机会挖掘作用，而非数据论证拍脑袋的定位。

 

 

 

为何必须建立

大数据业务闭环？

 

大数据浪潮下，技术迭代更新让线上消费变得愈加主流并保持着惊人的增长，线下商业身陷同质化漩涡，双重夹击下竞争愈发激烈。

 

购物中心辐射的地域范围受限但客户具备购物、体验、社交等多重需求，如能丰富大数据工具，不断创新消费体验，或将成为竞争中的破局之道。 

 

众所周知，一个商业项目涉及的部门众多，品牌推广、招商、营运、客服、物业、工程、财务等板块，而每个业务板块又涉及消费者、租户、经营决策者等多个维度，甚至还有多产品线、多项目联动，复杂程度加倍。

 

 

当前，市面上很难找到完全针对商业地产、一次性解决全部门需求的大数据解决方案；即使有成熟的方案，项目不同生命周期往往负责大数据的部门与决策层又是不一样的，以至于部门之间、项目之间、项目与集团之间在数据服务采购上各自为政，系统之间没有打通，数据不能统一展现，只能对单一业务进行辅助决策。

 

事实上，大数据如果无法实现业务闭环，再多尝试都是在行业的大坑中翻腾，只是「经验法则」的叠加，无法真正促进行业的发展。

 

因此，在运营调改阶段，选择适合项目当下发展情况的大数据平台一起，建立大数据业务闭环，就显得极为重要。

 

① 数据需求：市场监测、客流监测、客群消费、商场经营、活动效果、品牌监测等

② 核心诉求：精准诊断，高效落地，业务闭环

③ 潜在问题：商户数据缺失，内外数据不能打通的先天不足；企业、项目内部各自为政，数据不能统一展现。这些都是数据平台单方面难以解决的痛点

④ 平台列举：腾讯客流通、中商数据、及刻

 

 

 

 

甄别专业对口的

数据服务商的必要性

 

目前，这个服务市场鱼龙混杂，大数据服务公司层出不穷。

 

开发商的数字化转型、大数据平台建设离不开各种大数据服务公司和他们背后人才的助力。

 

根据企业的业务范围、规模以及发展历史我们将商业地产领域的大数据服务公司分为4大类：

 

①数据变现型公司：腾讯、高德、友盟、袤博、wifipix、talking data等，这类公司背靠互联网大平台和品牌背书，拥有丰富的大数据但没有应用场景，以低价裸卖或者借助二级服务商进入市场，数据误差和纠错是最大问题；

 

②红利投机型公司：脉策、微瑞思创等，从微观市场或政府市场开始，抓客户渠道和短期研发红利，不断寻找新市场，打造标准化产品；

 

 

③流量变现型公司：以赢商网、第一财经为代表，多年的媒体经营积累了行业影响力和开发商、品牌资源，拥有固定粉丝群和遍及全国重点城市的销售网点，在广告投放、奖项评比之外，通过大数据平台实现流量变现，积累丰富的品牌库和素材；

 

④专业钻研型公司：以中商数据为代表，这类公司咨询业务起步，深入垂直行业浸淫多年，大数据时代下发挥其在商业地产全产业链的优势，持续研发和精进，传统业务之外也提供技术平台产品。

 

 

对开发商和品牌而言，到底哪一类平台最靠谱，时间或许是检验众多数据平台的重要标准。

 

我们对多家代表性数据平台进行生命周期的排序发现，大多数平台的生命周期只有3年。

 

回顾过去，我们发现2017年是一个行业分割线：这一年，传统咨询公司、垂直媒体纷纷涉足大数据领域，提供数据服务、建设数据平台，打造商业项目全产业链的数据解决方案。

 

中商数据于2015年开始涉足大数据领域，JLL、盈石、赢商网等都在2017年进入，行业竞争加剧。2020年，第一财经旗下新一线城市研究所推出知城数据平台。

 

 

 

 

谁是开发商中的

「大数据之王」？

 

如何让大数据在商业项目养成中发挥其真正的价值，是当下整个行业内备受关注的话题。

 

以凯德为代表的开发商走上了自建平台之路，更多的开发商依旧选择与大数据服务公司合作开启数字化之路。

 

开发商们的大数据之路到底走的怎么样？

 

受制于专业团队的缺失，大数据团队在企业内地位受限无法打通部门间的隔阂实现数据联通，预算有限无法跟进新技术等现实情况，开发商们的大数据之路已经出现分化。

 

 

走在行业前列的如华润、龙湖、万科、印力、凯德等，已经将大数据应用、数字化升级列为集团重要战略，投入千万打造企业专属大数据平台，大数据的运用深入到项目的投拓、定位、运营、推广等各个环节，开始收割第一批成果。

 

科技创新是华润的核心优势，近年来其不断加大对科技能力的投入，通过全链条的数据沉淀与应用，释放数据价值。

 

2016年华润自有APP「一点万象」正式上线，集合电子会员、停车缴费、商场优惠领取、热门活动、店铺寻找等多项功能。截止2020年12月31日，华润自有APP「一点万象」会员数量突破1340万，增长16%。

 

 

2017年，龙湖首次官方宣布，已经在积极构建商业大数据平台，通过数据通达及共享实现经营管控及运营协同。

 

商业会员平台「天街CLUB」也于同年上线，据龙湖商业最新公开数据显示，天街Club会员突破1000万，其中珑珠积分支付功能更是覆盖龙湖集团旗下住宅、商业、公寓等各大板块，从购物到租房，从缴纳停车费到小区物业费，皆可珑珠积分支付。

 

2018年，由IT部演变而来的龙湖数字科技部正式成立，不惜高薪与互联网大厂抢人，「仕官生」海外校园招聘也首次新增了数字科技部仕官生岗位，大量招聘互联网人才。

 

 

而早在2014年，万科旗下的商业项目开始尝试引入LBS技术服务，打造集合「消费者、商户、运营商」的商业生态系统。

 

2017年数字化营销平台-印享星上线，统一其旗下购物中心会员体系，打通全国会员数据，沉淀出会员的精准画像和消费图谱。以此为基础打造针对租户的平台「印商+」，将会员画像和消费图谱赋能给租户，实现商户的智慧化运营。

 

凯德则凭借在商业地产的多年经营，凯德整合自身经验，打造针对商业管理数字化平台-猎豹、物业管理数字化平台-朱雀、新零售数字化平台-凯德星，主要针对运营端的大数据运用。

 

凯德星不仅集合了寻店、活动、美食、服务、停车缴费、楼层导航、积分等传统服务， 还加入了线上购物门店提货、直播等功能，为租户提供了更多营销工具。

 

 

第二梯队的如平安不动产、金茂商业、旭辉、越秀、东原等企业，也早早开启了大数据之路，但在大数据运用的深度和广度上与第一梯队还存在较大的差距。

 

在平安集团「金融+科技」的战略引领下，平安不动产依托平安集团在人工智能、区块链、大数据和安全等领域的先进技术，探索不动产投资及资产管理科技赋能模式，深耕广拓信息化建设，持续推动公司治理体系及运营管理系统的全方位迭代升级。

 

金茂早在地产领域开启了数字化转型，2021年是中国金茂的「数字·科技」主题年，金茂商业推动一批创意新颖、科技含量高的商业创新方案落地应用，打造「数智商场」核心竞争力。

 

 

第三梯队的百联、卓越、招商蛇口、中海，则还有更长的路要走。

 

 

百联集团很早便开始拥抱互联网、大数据、人工智能等新技术，与阿里等互联网巨头早早达成合作，拥有自己的数据平台，推出「i百联」APP，实现百联集团旗下全业态企业线上线下互通，探路新零售发展。但百联的整个生态圈较封闭，技术投入较大，对线下商业项目的推动效果还有待评估。

 

总而言之，「大数据」绝非「神器」，在商业地产行业如何科学挖掘及利用大数据，是一门非常专业的学问，切不可草率。

 

我们也当然希望看到更多的大数据精英团队出现在这个广袤深邃的行业中，为商业地产提供更多元、更全面、更专业的大数据服务，一起助力这个博大精深的行业，更加稳健务实地向前。

 

转载请注明出处。