获达晨A轮投资，「云房数据」将房地产数据落地更多场景

导读：“云房数据”定位是地产大数据公司，前期先从房产估值领域切入。

“云房数据”定位是地产大数据公司，前期先从房产估值领域切入。

在国内，房地产数据的应用场景很多：比如在金融领域中，因个人借贷或者企业经营需要产生的房产抵押贷款占总贷比例在40%，此时需要对抵押房产进行估价，以及银行存量的押品重估；在司法领域中，需要处置不良资产时；再或者，纳税时，国家需要对房屋的最低价格有了解……这些都需要用到房产估值与数据支持。

云房数据就是将此前人力在做的评估尽量系统化。这背后的核心是，云房拥有一套“楼盘字典”的基础数据库和估值系统。

基础数据库解决的是“房子在哪里”、“房子是什么样”的问题，相应的包含楼盘的地理位置、房屋面积、楼宇高度、户型等多维度数据。相对来说，新建的楼盘数据可以做到随时关注，关注后就变成了存量房屋，而过去历史的存量房屋是难点，也是云房发力的重点。 在过去20多年积累的线下案例数据基础上，云房还结合了其他多来源的数据：例如互联网上有部分公开的挂牌数据，二手房交易在交易时需要网签，以及房产中介机构、金融机构在使用云房时都会有数据反馈，等等。进一步清洗后用于挖掘分析。

而估值系统解决的则是“知道房子价格”的问题。最早云房是根据小区的位置、配套设施、楼盘品质、原来销售的价格、市面上的价格等维度进行传统方式的评估。现在云房运用自适应、机器学习等方法，可以对相近、类似的因素进行匹配，比如加入了不同小区之间、同一小区内部的比价关系。 如今，云房算一个城市的房价至少会有7种以上的模型，配比不同的权重。假设一个楼盘的交易案例很多，若是真实的案例，那么可参考性就很高，若是挂牌案例，那么还需要进行修正，诸如此类，都影响着数据的可信权重。

据云房数据创始人兼CEO闫旭东透露，“楼盘字典”已经覆盖全国300多个城市，活跃小区的估值精准度在95%（真实成交价格跟预测价格在10%以内都算准确），绝对误差平均在5-6％（行业水平在8%）。

具体到产品上，云房有房估估和智子数库两款产品。房估估相当于独立第三方评估机构，可以对房屋进行批量的估价并产出报告；智子数库则是给房地产全产业链提供数据服务，可以包括楼盘数据、交易数据、POI数据、人群数据等等。

收费上，也有两种模式，一种是通过API，根据调用数据的次数收费，另一种是大客户解决方案，比如碧桂园的项目就在数百万元的客单价。

据悉，云房数据目前的客户案例包括：银行、信贷等金融机构对抵押房产的评估；为房地产开发商提供楼盘数据系统，辅助投前交易决策；二手房交易平台上的定价；以及输出给第三方评估机构使用。还值得一提的是税务场景，国家正在推进房产税的实施，对于房屋最低价格需要有评定，云房现在经已服务包括北京以及其他7个省会城市等10余个大中城市地税局30+税务项目, 独家协助财政部、税务总局进行房地产税税率税负测算。

团队方面，云房现在公司在100多人。创始人兼CEO闫旭东是仁达房地产评估的创始人、顾问、控股股东，中国人民大学公共管理学院MPA兼职教授，中国房地产估价师和房地产经纪人学会副会长，中国大数据产业生态联盟大数据专家、专家委员，资深房地产估价师、资深土地估价师、香港测量师学会专业会员(HKIS)、英国皇家，特许测量师学会会员(RICS)面试考官。

公司于2016年获得过达晨领投的2000万元A轮融资。

在美国，房地产总值在29.6万亿美元。资产评估拥有80亿美元的市场规模，REITs拥有820亿美元的市场规模，资产管理及基金在680亿美元，其中诞生了很多上市公司：例如市值 128.8亿美元的CoStar，市值68.1亿美元的Zillow，市值71.5亿美元的BlackKnight，市值36.8亿美元的CoreLogic等。而国内房地产总值在47.6万亿美元，系统化评估还处于起步阶段，意味着有万亿市场的机会。