大數據分析在2012年已經是buzzword。2017年，《哈佛商業週刊》對世界500強企業做了一個調查，調查表明：過去六年裡，只有接近一半（48.4%）的公司在應用大數據時取得一定成效。這其中最成功、最重要的應用是降低成本。“進攻式”的大數據應用， 例如利用大數據開發新的數據產品和服務還沒有廣泛實現。到目前為止，數據分析的商業應用還有很長的路要走。
最早運用數據成功的500強，是麥當勞
以空間數據分析為例，最早最成功的應用案例是麥當勞。上世紀80年代，它就已經開始應用地理信息系統軟件選址。它的分析精確到同一地段在不同時間段，不同方向的車流數量，是當時最優秀的商業選址團隊。
受益於當年精準的商業選址，麥當勞在經歷美國消費升級、快餐業發展阻滯的大環境下，仍然是財富500強之一。麥當勞目前百分之五十的收入來地產租金。在過去五年裡，它的收入總額在下降，但利潤在上升，因為麥當勞的商業地產是被動收入類型，不需要很大的運營費用。
再如星巴克的選址原則，它從居民家庭年收入、靠近就業機會、交通流量、街角、上班車流方向、專屬停車位等多維度切入。從星巴克的選址原則可以看到，數據分析要像一根針一樣，從宏觀一直扎到最微觀，才有現實指導意義，不然很難比資深業界人士的直觀判斷更準確。
如何投資決策，房產收益才能最大化？
如何去分析居住地產呢？
傳統的方式是：地點、地點、地點。但現在，可以從時間、地點、產品三個維度切入。
影響房產投資收益率的第一要素是時間。
房地產價格波動是有周期的。如果在一個房地產週期的最高點入市的話，掙錢的可能性非常小。比如這張圖，講的是 Boston 地區，不同買入時機的回報率對比：
假設持有房產六年後賣出， 那麼 Boston 房地產最好的入市時間是1995年， 平均年升值回報率是14.5%，再加上3%左右的年租金回報，年均回報率是17.5% 左右。
這裡有意思的是，2005年美國經歷了百年不遇的房地產危機，全美房價平均降了20%左右。2011年落到這輪房地產週期最低點。但即便這麼大的調整之後，如果在2011年最低點買入房產，持有5年後賣出，平均的年房產升值回報率也只有5.5%。
影響房產投資收益率的第二要素是地點。
如果是在一個不錯的時間點入市，例如2011年，在 Boston 平均回報率5.5%的大環境下，投資地點不同，回報率也會不同，差別高達7.7%。
換句話說，選對了地點，平均年均升值高達11.56%。如果選錯了，即便在週期最低點入場投資，地產年均升值也只有3.85%，這個數字就是比通貨膨脹率高一點兒而已。
需要注意的是，地點是一個隨時間和地產週期變化的概念。以 Boston 為例，在地產週期的第二階段，二類區域要比核心區域升值速度快。
影響房產投資收益率的第三要素是產品。
假設在這輪週期最好的時間點2011年入市，並且買在了正確的地點，比如 MIT 旁邊的 West Cambridge 區域， 買一室戶的年升值率要比4室戶高出1.5%左右。這是因為這個區域的主要新住戶畫像是30歲左右的千年一代，單身，博士畢業，起薪10萬以上，work hard and party harder，不喜歡合租，傾向單獨租或者買設施方便的小戶型。
結合時間、地點、產品，在平均回報率5.5%的情況下，通過對大數據的應用，可以將回報率提升至12%以上。
以上是時間、地點、產品的應用，這三點並不僅僅適用於房地產。大部分產業都有自己的週期，順週期而動， 從一線到二線擴散，根據每個時間地點的客戶畫像調整產品或市場策略，可應用到各個產業。
閱讀更多 環歐良居 的文章
