我的老朋友们知道，我做自媒体的初心，是觉得这个流量时代有太多人云亦云的不实消息，希望能以一点绵薄之力，做些去伪存真的事情。所以每次看到那些可笑的数据、报道被制造出来，甚至还煞有介事地越传越广时，总会激起我的反击欲望。

最近令我愤怒的，便是下面这张图。

某大数据客流图表 | 来源：网络

这张图源于5月19日，腾讯房产联合腾讯地图位置大数据发布的《2021年一季度中国重点城市商业吸引力报告》。出品方的大牌背景，让这张图以及相关各种解读持续扩散。

但从第一行开始，这就是一张经不起推敲的图啊！

刚刚荣膺2020全球店王的北京SKP，一季度的客流量是……9万人？？？折算一下，一季度共90天，包括元旦（3天）和春节（7天）两个假期，按照图中说法，算上假期及周末，北京SKP平均日客流量是1,000人次？？？

如果读者们对于这个数据没有概念的话，我来做个对比。根据北京SKP披露的数据，2020全年共迎来1,500万人次客流，实现了177亿元销售额。也就是说，哪怕考虑疫情影响，其日均客流也有4.1万人次，怎么转过了年，瞬间客流就缩水了97.5%呢？这是客流呢，还是比特币呢？

翻开1~3月的大众点评，我们可以看到北京SKP每月都少不了“人多”“排队”“停车难”的评价，显然与这张图表想表达的意思大相径庭。

就算这张表格显示的不是季度客流，而是月度，那月均3,000人的水平也不合常理。如果是日均客流，那北京SKP一天9万客流的数量级倒是对了，可下面几行广州天河城日均客流385万又是什么概念？？？

要知道，2021年春运期间，广州白云机场40天内才总共接送旅客371.98万人次。这么说来，天河城1天的顾客数=白云机场的40天春运量！！！

广州白云机场2021春运照片 | 来源：广州日报

第一行就离谱如斯，后面的其它数据（成都万象城客流是成都ifs的3倍……），以及基于此的分析等等，我已经无力吐槽。

谨慎起见，我还是找业内朋友确认了一下，大家也都啼笑皆非。不仅SKP，图中北京其它几个项目的月度实际客流都在200万以上，远不是图中这个样子。

这张图本身的问题就说到这里，下面我想探讨的是：

1、为什么会出现这样的错误？

2、该如何看待大数据在商业地产的应用？

在对外正式发布的报告中出现这样不可思议的错误，起因可能是技术原因，比如调用的数据源覆盖样本量太有限，选取POI的时候搞错了，在数据去重的时候删多了，甚至是做表的时候笔误了……

但最终原因，我认为还是过于迷信技术，而缺少对专业的敬畏与尊重。以至于当产出如此令人震惊的数据时，第一反应不是校验数据，而是自以为是地搞个大新闻、大报告。实际上，但凡能花时间去趟现场、问几个行业朋友，甚至只是像我一样去翻几张照片，也不会搞出这么大的乌龙。

北京SKP | 来源：SKP

当然，我本身并不反对，甚至是大力支持和提倡新技术、大数据等工具在商业地产领域的实践，甚至还会开一个相关领域的专栏。但我认为，当下阶段，谈起大数据在商业地产的应用，至少有如下三点是需要了解的：

一、用大数据反映绝对数量时，必须经过人工校验。

目前大数据调研中常用的运营商数据和APP数据，基本都无法做到对调研总体的100%覆盖，本质上都是抽样调研，而且是不知道抽样比例的抽样调查。这种机制产出的结果，只能反映出不同总体间的相对数量，更多是定性而非定量。

比如，我们可以根据联通运营商数据，了解到某商场春节期间顾客的男女比例为111:122，但由于不知道联通在该区域人群中的覆盖比例，我们无法准确地告诉你，该时段内总共有多少个男性顾客、女性顾客光顾了商场。

只有在经过人工处理，通过已知数据和抽样数据结果的校验比对，确认其抽样比例（往往也只能精确到一个区间）之后，才能反推出相对接近的绝对数量。

二、非智能化手段获得的数据，也是大数据的一部分。

现代技术手段的应用降低了数据的获取难度，也提高了获取效率，再加上“大数据”一词多应用在互联网领域，导致人们往往将大数据等同于用智能化硬件、软件工具采集的数据。

而事实上，至少在商业地产领域，很多非智能化采集的信息也是非常核心的数据资产。比如一个商场的建筑面积、品牌更替情况、品牌销售额等等。举个例子，光知道客流，但不对比商场体量，就无法评价哪个商场人气更火；我们很容易知道北京SKP和北京蓝色港湾销售额的区别，但如果是朝阳大悦城和长楹天街其中的餐饮店铺，谁的生意会更好呢？

因此，这些目前还不能第一时间被技术手段捕获，需要大量繁琐的人力劳动的信息，恰恰是构建起商业地产数据库的重要壁垒。

三、大数据的采集和应用，离不开业务的参与和支持。

尽管大家越来越重视数据，但数据的价值不仅是被了解和观察，更重要的是被解读与应用，从而对业务产生指导和支持。

譬如说，当大数据显示商场里的女性顾客数量高于男性顾客时，这或许是个有价值的信息，但它无法孤立地反馈该购物中心主打女性客群的策略是否成功。只有再进一步研究这一比例与周边既有人群的性别比例是否一致、和不同定位的购物中心是否存在显著差异、调研期间是否有活动干扰、女性客群的消费需求是否与内部品牌级次匹配、店铺内对应品牌以及其它客群业态的销售业绩、可匹配新品牌的开店计划等等一系列问题，才能判断出下一步如何进行调整，实现从数据到决策的转变。

而这个过程，无论是增补数据的设定、还是外部信息的获取，都需要数据团队与业务团队的共同合作。如果单靠数据就想实现对业务的反馈或监督，那就永远只能停留在“纸上谈兵”，最终像这份报告一样，成为披着专业外衣的笑话。