王珂：数据让商办市场变得更透明

来源：房讯网 时间：2016-12-22 点击次数：1965次 作者：成都写字楼网

　　【房讯网讯】由全联房地产商会、房讯网（www.funxun.com）联合主办的中国写字楼综合体发展论坛第十三届年会，于12月21-22日在北京富力万丽酒店盛大启幕，主题为"困境与路径：商办地产下半场"。以下为誉翔安地产合伙人王珂先生的发言实录：

 

誉翔安地产合伙人王珂

 

　　演讲题目：数据让商办市场变得更透明

　　王珂：一说到写字楼都觉得特别复杂，第二反应觉得特别小，北京一年好多开发商开发产业项目、写字楼，真正销售额今年卖了400亿，如果我们把时间推到十年以前，也买400亿，这个市场是特别特别“性冷淡”的市场，跟市场大的起伏没有太大的关系。而住宅现在北京能买4000亿金额。所以这个市场非常小，小到我们找到一个人或者一个机构说把这个事情说明白，我投哪，或者我去哪开发，哪一块做资管，哪一块有市场空间，不容易回答，因为很小。

　　第二个特点，参与者太多，远远比住宅复杂多，住宅虽然是全中国十万亿的市场，但是判断涨价或者跌价去哪投资一张报表就够了，就看国家统计局的教育投入，全国70个大中城市里面，只有22个城市人口净流入。还有一个看小学生的人均财政投入，就知道买住宅买哪，这是特别简单、透明的市场，你发现这个市场特别大，但是特别简单，一个指标就可以评价。

　　但是商办不一样，参与者特别多，在座的很多的朋友都是在各自的写字楼里面办公，你不知道是付租金的人，可能是这个公司的行政经理付租金，有用户，有租客，买的人又不一定是自己买，可能是机构持有的。参与者是非常非常复杂的，比传统的住宅要多了一倍，传统的住宅搞定三个方面就知道，政府、银行、买家。在商办领域里面，我们需要考虑六个人，这么小的市场，参与者那么复杂，很难说清楚。

　　我们拿买家来说，要把一年400亿的量拆分，我们发现即使是买家都特别复杂，参与者四波人，国家队、土豪、上市公司、散户，这400亿每年都是这些人构成，但是每年的行情又不一样，今年北京截至11月份卖的390个亿，里面158亿是一个亿以上的单宗交易，我们可以记住的有乐视、宝能险资，还有伊利，其实每年主力客户不一样，虽然我们能够抽象成这四种人参与，但是对于一个服务机构，对于一个经纪人，在这里从事租赁或者销售的服务人员而言太复杂了。今天是宝能买，明天是乐视，后天又从某一个城市过来一个土豪，所以很复杂。这个复杂会带来市场的不透明。

　　我们说这个市场的专业要求非常高，同时还有一个复杂的，几百万房子的人和几个亿房子的购买者想法不一样，资产配置的逻辑也不一样，这些变量都会让这个市场，看似特别小的市场拆分成无数个细的维度，这个时候作为单个项目的投资机构、开发商，资管机构理解这样的复杂市场，完全凭经验说压力非常大。

　　我们也是参与者，卖了一百多亿的商铺、写字楼，要跟投资者用简单的话表达，有几种方式，第一，业绩很好，持续增长，别人说一个事情，我可以说十个事情，但是客户不喜欢，客户喜欢的是能不能变得简单。

　　第二，光说明年涨价，买家的参与者不关心，我们刚才看到的，几千万到上亿的量级都有，投资的自由度非常大，房地产不是唯一的投资选项，会比较金融产品、海外、国内的债权等等，这个时候一方面要理解对方，同时还需要展现一个简单、透明的东西。

　　我们花一年的时间有一个数据团队做了一个事情，既然这个显得这么不透明，既然在数据、信息上不同，我们能不能用简单的方式表达，想变得简单，先得把基本工作做了，我们做了一个数据系统，基于办公场景的数据系统，不仅要把城市数据装进去，写字楼，住宅，企业各种各样的数据，可以想到的导到数据系统里面，我们看看他们之间到底发生什么关系。

　　比如说一个朋友问这个项目将来卖还是租赁，面向什么企业做租赁，这个项目将来以什么价格定义，这些问题原来我们都是以拍脑袋的方式走，大部分人用经验和直觉完成，现在尝试另外一个可能，我们看看数据能够做的事情。

　　这是一个简单的分析图，我们公司一年差不多生产的，如果按照页面来说的话，我们有专门的人做循环作业，这里面70、80%我们称之为套活。

　　我们做了这个分析图的基本素材，8000提升到112万，类似这样的分析图，从原来的手工作业一年成为8000页，谁问我什么我们做什么，变成机器自动生成，产能上个月达到一年同时生产112万，当我们把之前的数据全部导到自动系统里面，机器会带给变化，这个服务商可以通过数据的积累和编程，把北京几乎可以实现时时的分析，现在北京六环一圈两百公里，精度做到500米的网格，500米乘500米的小网格，大概是一万个网格的概念。

　　原来我们觉得我们都希望我们的服务，基础的信息服务能够覆盖到每一个地区或者每一个项目，但是其实大家知道，在市面上标准的服务公司其实能力上是做不到的，因为需要花人和时间，花交通费，大量的沟通成本，事实上我们无法形成一个标准，相对更高标准的服务。

　　但是数据能够帮助提升到这个事情，把我们一个小公司的产能提升了100倍，截止到上个月。

　　这是一个很奇妙的变化，可以让这个市场，我们想问哪一个地方，立刻弹出400页的介绍，我们分了几类，目前是6类，就关心一个事情，能不能说清楚在这个地方到底有多少楼，多少企业，哪些企业即将关门，哪些企业即将扩张，这里面到底有多少人口，这些人都是什么样的，这块的楼今天五万，明天会不会涨到五万五，或者价格是否持平？这个地方的人跟哪的人做生意，我们特别关心这个事情，在原来的技术手段上做不到，我们只是通过日常的观察，日常的人肉的肉眼观察感知，但是现在我们可以把这些数据导到一个系统里面看。

　　现在我们看到的分析图只是其中的一部分，是基于北京全景的，最左边的图，到底这栋楼的朋友圈是谁，跟谁做生意，原来我们是不知道的，我们不能在楼下趴活盯着这些人去打车，现在有交通数据可以导出这个形态，北京1500个项目，4500个楼有租赁的记录，5000万平米，我们可以精确到任何一个楼的网格和板块，到底和哪些区域发生生意上的往来，这个时候会调整我的租赁政策，是不是有意识的做定向的招租，强化某一个产业特征。能够从微观到城市网格，宏观到北京，整个产业链里面，生态圈里面的位置，这是以前做不到的。

　　生态系统，包括租赁，都可以可视化完成，可以把原来这么小的市场无限的精细化，这是特别有意思的事情。基础研究要配合技术，我们传统基础研究，或者房地产行业的基础研究，住宅领域没有什么，就关心中央今天防水还是明天防水，关心这个事情就可以了，其他的没有关系，太简单了。

　　但是商用物业复杂程度很高，现在提供的数据技术可以帮助我们把看起来复杂，不透明的，原来靠直觉的东西可以无限的可视化，这是很有意思的，我们跟大的机构合作开发数据系统的时候，就像挖了一个矿山一样，越来越有意思，所以我们生成各种各样的图。

　　最右边的图看起来像一个普通的热力图。我们说这一栋楼里面这层是钢铁公司，上面是互联网公司，钢铁公司资本市场上的市盈率大概10倍，互联网公司可能更高，40到60倍，问题来了，这两家公司的员工中午吃盒饭的定餐标准是不是一样的。

　　其实我们想问这个问题就在于这家公司的成长性是什么样的，这家公司的行政经理上招聘网站，很可能钢铁公司的人找工作，而互联网公司的人在挖人，他一定会带来的是我们对企业，77万家的北京常驻企业归类，分级，通过资本市场做一个行业定价，自然就会产生我们对这个市场的总体判断，甚至微观到一个具体的板块，北京270多个板块都可以拆分。这是一个全图，代表的市盈率40倍以上的行业分布图，意味着扩张地图，企业和写字楼的好坏，产业园的好坏很大程度上来自于企业的扩张。

　　我们见证了望京因为阿里巴巴上市变成世界级的公司，望京变成了第三商务区，类似的成长逻辑我们背后是理解的，但是我们怎么样能够通过一个全景数据表现出来，分析整个城市发展脉络和微观上的机会，这是以前的经验和传统服务方式做不到的。

　　会带来什么改变？就是两个东西：信息透明，可以让我们在座的任何一个人通过查询数据系统清晰的了解到想看到的东西。第二个作用，服务流通。原来北京一共有5千万平米的写字楼和产业园，五百万人口在里面办公，就业人口北京一共1200万左右，抛去个体户和商业的服务业，一半人口都是在这个体系里面，都是在办公楼里面，但是我们真正了解他们吗，我们原有的技术手段不支持，现在可以做到，我们原来写字楼服务市场分两个阶层，第一个阶层专门针对甲级写字楼的服务，传统意义上的五大行，精英式的服务，纵深能力非常强，专业水平很高，同时又很贵。正因为有这样的特点，所以这些技术我们称之为军用技术，只能服务于高毛利，高租金水平的写字楼，这些服务从来没有渗透到另外四千万平米，是因为技术壁垒，成本的问题，太贵了，拿北京举例，4000万平米的企业，资产管理方买不起那样的服务，非常贵，但是数据可以带来机会，可以把成本快速降低，让所有人快速得到比以前更精准，更精确的服务，现在我们做了一个创业项目，把数据做完，进行各种各样的分析，春节之后会推出一个试用版，欢迎大家试用，然后反馈回来不断的完善。