AI时代下的地产决策管理

本文节选自《2019中国地产新管理 · 峰会特刊》

图1 爱德系统自动测算拿地示例图

如今，房企对自动测算拿地的需求逐步深化和细化，希望能自动测算出拿地的时机、竞拍的策略和经营的收益，并形成多样化的方案。目前，现有系统能在一定程度上实现这个功能，未来还需要将AI深度融合后逐步去完善。

2、自动设计出图

爱德数智曾经开发了一个云端的投资管理系统，锁定一个地块后能测算出所有的收益，然后输出规划指标。这种解决方案最终的输出形式是数字，如果可以将数字随时转为鸟瞰图就更加理想。这个设想在不到一年的时间里就已经实现，输入数据就生成鸟瞰图，在系统中也可以进一步调整楼盘数据。

爱德数智接触过一家香港的房地产企业，由于对内地各类城市的规划要求不熟悉，该企业希望再次提升系统的自动化程度，能根据不同城市的要求来进行项目规划设计，全部实现自动出图。需求无止境，会持续推动技术的升级和方案的完善。

3、自动化运营

爱德数智深度接触过二三十家企业，这些企业都提出自动化运营管理的需求，比如设计出辅助运营决策的智能大看板，能够动态显示各项核心指标，实时更新指标完成情况，发现某个指标出现偏差能追溯问题原因及时纠偏，并支持经营预测。（如图2)

图2 爱德系统智能看板展示页示例图

国资委要求国企必须做全面预算，民企也会做经营预算。这些工作在过去主要是企业制定目标，人工盘点业务工作，上报相关数据。未来，80%-90%的工作会转变为数字化全自动的经营预测，所有工作事项被整合在一个数字化平台上，实现自动寻源、自动测算和智慧化决策，这是很多企业正在探索和逐步实现的事情。

4、自动测算投资收益

无论是股东投资还是经营性投资，都希望能够随时动态盘点一个项目或者公司整体的收益。现在很多企业实行了项目跟投制，每个投资者都希望随时查看投资收益，了解投资项目的进展，掌握已经收回和预期获得的收益情况。

5、自主沉淀经验

AI更深层次的功能是自我学习，能帮助企业进行经验沉淀，在过程中提炼数据、总结经验比事后归纳更有效。
中海地产以工程技术闻名业内，其标准化工期体系已经非常完备和细致，在不同区域、建筑形式和施工环境下，每一个节点之间合理的工期都有明确的规定。

如今，中海地产在强调标准化之外更关注差异化工期，思考如何让工期更加合理。中海提出了系统升级计划，探索系统的自主学习机制，让每一版的计划在系统中能够实现自主学习，输出更适合各个区域项目的合理化、差异化、个性化的周期，这也代表了房企对AI产业的更高层次需求。

三、数据化与智慧化：AI 改变房企的决策管理

房地产企业需要利用AI的核心要素和思路去满足未来的发展需求，解决技术难题，提升管理效能，创造更多价值。
在AI时代，房地产企业的经营模式和决策管理也会发生重大的改变，这样的改变主要体现在2个方面，一个是数据化，另一个是智慧化。

1、数据化：支持决策，预测未来
数据化主要体现在2个方面。

（1）大数据支持决策

首先，房企对数据的数量要求非常高，比如在制定城市扩张战略时，需要了解已进入该城市的房企信息，包括拿地、项目开发、市场占有率等，这些都需要大量的数据作为支持。其次，数据的质量也很重要，比如数据的颗粒度、时效性、更新频率等，要能通过数据分析产生真实的价值。（如图3)

图3 竞争对手全方位数据分析示例图

（2）实现业财一体化，用数据预测未来

没有数据，企业就无法制定长期规划，更无法进行经营预测。“业财一体化”是多年来房地产企业追求的方向之一，但实现起来非常不易，目前多数企业还无法实现真正的自动输出财务报表和财务预算。

首先，企业的经营数据、业务数据在不同的专业线和应用场景下各不一样，因为业务口径、数据、用途都有所不同，所以无法有效关联和测算，企业需要把业务的逻辑和口径打通。

其次，打通之后的数据是管理口径的数据，还要把管理口径的数据转化为财务口径的数据。由于房地产行业的业务和合作关系比较复杂，房企很难做到数据的实时、无缝转化，但随着技术的进步和应用的深入，未来一定会实现。

2、智慧化：建立人机交互新逻辑，推进智慧化决策

目前智慧化已被列入国家战略，地方政府也纷纷提出智慧化城市的概念，对于房地产企业来说，运营管理同样需要智慧化的支持。

企业必须打通所有的业务逻辑，让管理逻辑与业务逻辑互相匹配，在此基础上再做一些建模和算法，这样输出的结果才能体现出一定的智慧化。例如，企业如何通过理顺测算逻辑，推导问题原因，进而推动智慧决策。

考核关乎每个人的实际收益，自然受到各方关注，但在考核指标评估、责任归属等方面经常引发争议。如图4，某企业的数据显示，本月的销售回款计划率预计为60%，结果并不理想。

影响销售回款指标的因素很多，项目层面和集团层面都可能产生指标偏差，开发、销售、财务等多个部门都可能为此担责。这时企业需要从测评逻辑入手，逐步查找原因，进行科学决策。

图4 某企业本月销售回款计划测算示例图

（1）厘清测算的逻辑

首先要搞清楚考核指标原本的测算逻辑。企业会遵循一定的规则来制定计划目标，比如当月销售的计划回款60%，上一个月的计划回款20%，再上一个月的计划回款20%。除了回款工作本身执行不到位的情况外，销售也会影响回款计划完成率，因为项目销售情况不好，回款自然也会相应减少，所以企业需要进一步审视销售计划完成的情况。

（2）根据销售计划的完成情况，修正实际回款比例

经分析可知，本月的销售计划完成率只有80%，上一个月完成了计划的90%，再上一个月超额完成120%。接下来先把销售计划自动修正成实际的销售，再按照计划回款的测算逻辑换算成计划回款标准，即当月销售计划值 * 80% * 60%，再与实际回款额进行对比。经计算可知，前两个月的回款计划都完成了，当月实际回款只完成了修正后计划值的70%，问题就出在当月。
经过修正计算得出的结果才准确，查找出导致指标偏差的具体环节，有效减少考核争议，未来这个过程会在系统中自动完成。

（3）查找影响回款的具体原因

发现了问题之后，企业需要进一步查找原因。常见的付款方式有银行贷款、一次性付款、分期付款等，企业发现是银行抵押贷款的条件发生了改变，影响了回款。

银行可以根据地方政策和自身要求来调整放款条件，这个变化让企业很难预判，比如北京某区突然调整银行房贷政策，按照原有条件就无法放款。这个变化产生的连锁效应，导致产业链前端的一些环节受到影响，回款的减少就是其中之一。

（4）推动智慧决策

查找原因的目的不是追责，而是要推动决策，制定解决方案，这才是管理的价值所在。在回款出现问题之后，企业要思考是否应该改变计划目标，有无需要来调整整个项目的现金流，一旦调整了现金流目标，相应的IRR、拿地策略、投资策略、开发节奏、销售策略等都要做出相应的调整。

让数据和技术为管理服务，为决策服务，最终输出解决方案，这些在未来都能通过系统来自动实现，把房地产管理变得更智慧，这是AI在房地产行业中创造的价值。

总结

这里所探讨的AI和智慧化并不是硬件和机器端，更多是挖掘AI的内核。把人的智慧输入给机器，在机器里面设置很多的算法、逻辑、建模，集成所有工作流程和业务，通过计算让系统自动将数据输出到企业管理层。

让系统具备自我学习的能力，将企业的管理理念、经验和逻辑自主沉淀在系统中，输出有助于管理、运营和决策的数据和解决方案，这才是爱德数智想做和正在做的事情。

责任编辑：吕娜