基于hadoop的房地产数据分析
一、房地产大数据的研究现状
自 2011 年 5 月麦肯锡咨询公司发布关于“大数据”的里程碑报告 ― “大数据：创新、竞争和生产力的前沿”以来，围绕着“大数据”以及“大数据”在房地产业的应用，学术界和产业界开展了大呈研究工作，按其研究范围大致可以划分为两个层面：从宏观层面看， Manyika等最早系统地研究了大数据对国民经济部门生产效率的推动，发现房地产由于全球交易程度较低，获取大数据价值的激励较弱。刘昱和张玉娟对大数据时代房地产业而临的机遇和挑战进行了简要分析，发现大数据将给房地产投资决策、增加盈利空间和缓解当前困境带来新机遇。房地产企业可基于大数据进行精确营销研究，也可利用大数据来辅助房地产宏观决策，还可帮助企业寻求新的业务模式。在杜丹阳和李爱华以及Du和Li 等的研究中，总结了房地产大数据的潜在应用，并列表说明部分知名企业在大数据上的投资及其应用。研究表明，大数据有利于房地产企业进行理性开发和多元化、创新性投资；有利于房地产企业实现精确营销，扩展业务范围或通过与第三方平台合作的方式拓宽营销渠道，但大数据在房地产业的应用面临隐私保护、数据处理和国外数据巨头的竞争等挑战，需要通过纵深的研究和合作予以解决。
从微观层面看，众多研究者针对大数据在行业中的应用和服务做了一些工作。国家统计局浙江调查总队针对房地产价格的预测做了很好的尝试，在近期的房价统计中，利用大数据的思路和方法，在沿用传统的可定益化折标基础上，加入了房地产交易会的问卷调查和相关房地产政策等定性指标，利用特征价格模型构建了基于大数据的房价统计模型。陈大川和张宝山对大数据环境下的住房信息系统的建设进行了研究，详细阐述在建设住房信息系统过程中，如何利用成熟技术进行大数据库建设。
董倩等运用百度的网络搜索数据构建了一个房地产价格预测模型，成功地拟合和预测了16 个大中城市的新房和二手房价格指数。王博永等利用网络搜索数据做了类似的尝试，更倾向于利用网络数据来分析房地产的宏观调控效果，从另个角度显示了非结构化数据在政策分析上的作用。国外的研究者也在这一领域有一些研究进展，如 Wu和Brynjolfsson的研究集中于应用谷歌搜索引擎来预测住房价格和销售，提出了一个基于搜索关键词的分析模型。
这些研究下作为大数据在房地产行业的应用和为后续研究奠定了塞础，提供了宝贵的知识和经验。在大数据环境下，大量新型数据的引入将使房地产数据服务的强度和难度增大，但也带来广泛而深远的应用价值和市场潜力。然而，对于这信息科技领域的新生事物尚缺乏研究，现阶段的相关研究或专注于宏观层而，偏重对大数据的认识和诠释；或专注于计算机信息技术和大数据的基础设施，偏重大数据的工具性，研究明显不足。己有的成果虽然展现了大数据在房地产业的前景和可能性，探讨了大数据再行情预测与政策分析上的实际操作，但多为浅显的调查及应用前景初探，尚未触及房地产“大数据”的核心,研究也比较零散和局限，缺乏有深度的研究。
二研究的目的及意义
1、大数据有助于精确房地产行业市场定位
企业开拓新市场，需要动用巨大的人力、物力和精力，如果市场定位不精准或者出现偏差，其给投资商和企业自身带来后期损失是巨大甚至有时是毁灭性的，由此看出市场定位对房地产行业市场开拓的重要性。只有定位准确乃至精确，企业才能构建出满足市场需求地产品，使自己在竞争中立于不败之地。但是，要想做到这一点，就必须有足够量的信息数据来供房地产行业研究人员分析和判断。在传统情况下，分析数据的收集主要来自于统计年鉴、行业管理部门数据、相关行业报告、行业专家意见及属地市场调查等，这些数据多存在样本量不足，时间滞后和准确度低等缺陷，研究人员能够获得的信息量非常有限，使准确的市场定位存在着数据瓶颈。随着大数据时代的来临，借助数据挖掘和信息采集技术不仅能给研究人员提供足够的样本量和数据信息，还能够建立基于大数据数学模型对未来市场进行预测。当然，依靠传统的人工数据收集和统计显然难以满足大数据环境下的数据需求，这就需要依靠相关数据公司(如深圳乐思软件)自动化数据采集工具的帮助。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
