浅谈大数据与房地产目标成本管控

许光成

摘要：随着我国市场经济带动了城镇化建设和房地产企业的发展。同时，发展中伴随着竞争，随着项目利润透明化，如何在有限资源下，做好房地产企业成本管理是房地产企业发展的核心竞争力。建立成本大数据内部管控与共享平台，并将人工统计分析数据转变为计算机自动搜集分析数据，是房地产企业提升其成本管控能力，有助实现科学合理决策的有效途径。

关键词：大数据；目标成本

引言：2017年国家持续深化供给侧改革，对房地产政策强调加归居住属性，抑制房地产投资，全国大多数城市均推行限购、限价、限贷等政策，房地产企业均无疑面临着资金、销价、成本、地价等多方面的压力，合理控制各项成本支出，有效管控项目目标成本，实现企业经营目标与利润，关系到企业发展之根本。

一、大数据

1.1概念

大数据最初是1997年美国国家航空航天局（NASA）提出的术语；直至2012年3月美国政府在发布《大数据研究与发展倡议》，才引起各国家的重视，以及大多数企业开始布局大数据战略。

1.2特点

2011年麦肯锡公司定义大数据为“规模非常大的数据，并且这些数据可以进行采集、分析、处理”。可以看出大数据“大”的三个特性：数据规模大，类型多样、不断变化。其数据存储以HADOOP、NOSQL、并行分析数据库等。

1.3现状应用

根据易观智库发布的《中国大数据整体市场趋势预测报告2014-2017》数据显示，2014年进入大数据应用市场快速增长期，接近30%；2016年国内大数据市场突破100亿，其中重要的模块是传统行业加上大数据后的行业应用。目前大数据已应用到医疗、教育、零售、通信、航空、制造业、房地产、旅游等传统行业，当大数据与这些行业碰撞时，就会产生新的商业。

1.4技术可行

随着网络技术应用发展，各种数据均在网上发布，特别是以DeepWeb的网站建立，使得Internet变成一个巨大而复杂的数据库，因而以Web网页数据抽取为基础，以网页技术分析为手段，以行业数据集成为目标，构建一套Web数据抽取集成与应用基本理论模型。另一方面，以企业自身建立数据库，及时收集、分析、处理、挖掘也是一种重要途径。

二、目标成本

2.1概念

目标成本在百度上定义为：指企业在一定时期内保证目标利润实现，并作为合成中心全体职工奋斗目标而设定的一种预计成本，它是成本预测与目标管理方法结合的产物。

2.2意义

房地产企业开发项目不仅周期长、涉及多条业务线、也还需要施工方、投资方、政府部门等多个角色参入的。对项目成本的管控，核心是在投资、定位、方案、建造等环节实施目标成本管控。目标成本的管控动作要渗透到整体周期、所有参入方，才能发挥起应有的作用。众所周知成本管控的“二八原理”，其关键事前要有投资与设计阶的进行管控的目标（建造标准、档次定位、成本值），也就是目标成本。

2.3现状

现大多数据企业要求编制出目标成本，但编制的时间、阶段、深度均不一，编制的数据依据来源也是五花八门，能够用来指导设计、招标、采购、过程管控的估计其比例不到50%。深究其原因，其中最重要是因为不同时期的每个项目都有着其各自的特性，再受其开发节奏周期影响，编制目标成本的数据均受缺乏数据源、缺乏论证、缺乏科学取用等因素影响。其根源在于不仅企业内部的没有建立以往的开发项目的各类大数据，同时同行或相关行业的各类大数据也是没有得到共享与利用，形成企业间的信息“孤岛”。

三、方法探索

3.1基本思路

运用大数据，房地产企业成本控制需要建立一个综合信息与数据平台，将企业内各种数据软件、企业外的各工程参与入数据进行集成化、标准化，建立企业级数据库，从而有利进行数据的挖掘与分析。同时，对于政府公开的信息，如一些收费标准文件，则在Web网页进行抽取，并形成统一表格数据。

3.2实施步骤

（1）数据仓库规划阶段

房地产企业成本控制所需的数据主要包括两个部分：工程量和单价。目标成本的估算是基于量价分离的原则。根据房地产的开发成本基本划分为土地费用、前期费用、主体建安费用、公共配套设施费、基础设施费用、其他直接费用等部分组成；该内容实际上发生在不同周期与不同参入方。收集其不同组成内容的数据主要来源有政府相关部门文件与交易数据、项目施工方案、施工图、政府发布的信息价、合同文件、合约规划、项目销售情况、付款情况等；房地产企业成本控制成本指标及数据来源。可以看出数据来源主要有两部分：内部数据库主要是基于项目目标成本体系的量、价指标，以及历史数据的沉淀；外部数据库主要是政府政策规划、信息价、市场指导价、地区销售情况等。

（2）创建数据仓库模型

为了满足管理人员的决策分析需要，原传统的的单一的数据资源发展到能够满足人员的决策分析所需的数据环境-数据仓库（DateWarehouse，DW）。建立合适的、有效的数据模型是构建数据仓库的核心问题。该数据模型一般宜分为三层，即基础数据层、数据分析层、数据输出层；基础数据层需搭建互联网平台，着重落实在数据规划阶段与收集方面。数据处理层是关键的技术处理环节，需要借助数据IT方法与技术，开发系统如采用可依赖Hadoop2.0系统平台，利用SOA，面向服务的架构体系，利用HTML语言，将企业各软件统一接口，进行整合到大数据平台上；同时，利用OLAP技术进行挖掘和分析，动态管理各项目成本的数据变化。

对于Web抽取，则可以充分利用Java工具进行开发，以数据库SQL语文，实现本地数据与网上数据的同步更新。

（3）数据库挖掘

利用己有的数据进行预测分析进行预测性挖掘，技术方法有数据分类和数据预测；针对房地产企业成本所需的挖掘主要有：材料价格趋势分析、运态成本异常分析、项目成本对比差异与分析。

（4）数据输出

特别说明互联网上的房地产市场信息经过加工整理的，经企业进行Web网页抽取，不能立即用于传递与决策，需经过综合分析；具体分析方法有：

A定量分析法，以数据性为主的信息资料分析研究，可以对房地产市场的成本、价格、利润等方面信息资料进行数量研究，从而认识与预测房地产市场相关成本信息的规模、程序和水平。

B定性分析法，以思辨的方法对市场信息资料进行质的研究，审核其是否正确反映房地产市场的本质特征。

C定时分析法，对一定时期内对某一类房地产价格信息资料进行连贯性的分析研究，分析是正确地反映了某一时期市场变化态势。

除了以上方法外，一般是相互结合使用的。只有通过客观务实的分析后，平台所挖掘出的成本数据资料才能成房地产企业决策系统的数据。

3.3难点与对策

相对房地产企业而言，建立大数据平台的难点有：一来研发平台的人力与计算机设备要加大投入；二来在后期人员与岗位职能配置均需得到倚重；三来对平台的数据是否能得到挖掘分析与有效进行利用的价值，则是众多企业是否搭建平台犹豫不决的重要因素。

针对数据库平台，房地产企业可以分步骤地、有重点地布局；首先在线下对数据有制度进行收集、整理，形成统一的标准数据；其次，对数据库的工作内容，按阶段性进行有序拆分给相关职能人员，由规定部门进行汇集；再者，数据平台研发均针对委托第三方进行，对服务器等设备投入，可考虑云端服务器，如阿里云、百度云等。

结束语：加强房地产成本的精细化管理是大势所趋，如何快速、准确的搜集成本数据，建立以目标成本为体系的成本控制模型，及时进行动态成本控制，是企业做好成本管理的关键。利用大数据建立房地产企业的数据仓，充分进行挖掘，从而企业的管理决策提供科学合理的依据，及时纠正开发过程的管理偏差均有着不同的意义。

参考文献：

[1]基于大数据的大型房地产企业成本控制研究山东建筑大学分类号F293.33姜春秀201504.