不久之前结束的钛媒体峰会上，数据时代下的未来企业成了一个热点话题，尽管大数据的话题已经有点“老生常谈”，但随着这波以深度学习为代表的人工智能大热，作为人工智能这台发动机燃料的大数据也再次成为人们关注的焦点。

　　数据变革，一切行业都在被赋能

　　如今随着互联网信息大爆发，每天产生的数据越来越多，一些过去只有人能够做的事情，开始能够通过机器的计算能力来实现。而基于人工智能的数据分析未来也很可能会成为像互联网一样的能力，被赋予到各个行业。

　　就如同当初的“互联网+”一样，j2直播，成为各行业的“水电煤”。比如新闻领域，今日头条就将人工智能用在自己的内容推荐引擎上；在医疗领域，应用深度学习的IBM Watson已经在诊断某些癌症的精准度上已经超过了医生；至于智能驾驶，早已经不是Google或者百度的构想，而是宝马、奔驰等公司已经开始从L1阶段测试的功能。

　　而在这其中，价值最大，但开发尚不算深的房产服务领域或许是最值得关注的一个方向。2016年，中国二手房交易额预计为5万亿人民币，新房交易额约为10万亿人民币，整个房地产市场的交易规模约为15万亿。这个数字是什么概念呢？

　　2015年中国的社会零售总额为30万亿，15万亿相当于所有中国人半年所有的零售消费开支。而大洋彼岸的美国，房产市场交易规模为1万亿美元，其中二手房为90%，也就是说中国是美国房产市场规模的2.5倍；至于邻国日本，他们的房产市场交易规模只有中国的8%。

　　也就是这样一个庞大的市场环境下，提供了海量的数据，同时也催生出了链家、我爱我家、中原地产，以及互联网模式的爱屋吉屋等巨头，而B轮融资估值超过300亿人民币的链家无疑是其中最大的，也是走的最往前的。

　　在传统的模式下，为了提高匹配效率，房产中介只能不断地增加中介门店和经纪人的数量，使其可以能够对接更多的两端客户，核实更多的房源信息，即便是不少打着互联网概念的房产O2O平台也不过是将门店去掉了而已。

　　链家是这一模式的受益者，在过去的10年间，链家无论房市好坏，都保持了极高的扩张速度，使其能够迅速占领了整个市场的6%以上，这对极度碎片化的房产中介市场来说无疑是一个巨无霸，但这样的模式随着扩张到一定程度，其边际效应正在降低。如何更好的利用数据提升效率，这个时候也成了摆在传统房产中介面前的一道难题。

　　占领先机，从信息匹配到数据深耕

　　正如前文所言，房产中介的意义不仅仅是信息匹配，更大的价值是服务。对于行业来说，数据化可以解决两个问题，一是真实房产信息的快速查询和存档，二是买卖双方的高效匹配，减少人工成本。这件事情并不容易，但也极为刚需，因为整个环节中的痛点实在是太多了。

　　在钛媒体大会上，链家网CEO彭永东总结的或许更到位一些，在他看来：①中国一年内有买房需求的人数为3600万，整个用户群体相对稀薄；②买房是冲动消费，需求并不标准化，链家甚至用了300个字段去描述一套房源的特征；③买房决策时间跨度长，前后延续21周，每天打开购房信息App5次，极度高频；④行业转化率低，尤其是线上流量的转化率。

　　这些痛点决定了数据化的重要意义，而数据又分为房的数据、人的数据、流程的数据，从这三者来看，链家无疑都占有了先机。

　　房的数据层面，链家目前进入了国内28个城市及地区的房产中介市场，通过每套房产300个字段字段的描述，收集了近7000万套房源的数据，这些大多都是靠经纪人实地看房后总结完成的，这其中或许还存在不结构化这样的问题，但无疑已经是一个巨大的数据金矿了。

　　人的数据层面，房产交易行为时动态的，因此链家希望靠网站和App建立一套完整的用户账号系统，而不是传统的依靠经纪人个人连接用户。随着越来越多的用户转移到线上，链家可以通过分析用户的浏览、收藏、实际看房行为总结用户画像，为其搭上对应的标签，以便于完成匹配。

　　流程数据层面，房产交易本身是一个非标准化的服务，并不像滴滴、Uber一样，将用户从一个出发地送到另一个目的地。但这其中依然会有很多标准化的流程数据，比如用户对经纪人的点评、实际的带看记录等，目前仅用户点评链家平台上一天就会产生1.8万条。