本发明属于大数据分析技术领域,尤其涉及一种基于大数据分析的资产运营评估决策算法。
背景技术:
随着国家对国有资产管理体制改革的不断深入,特别是对盘活国有资产、提高运营效益提出了进一步的要求,国有资产运营管理进入新的发展时期,不动产作为当前资产构成的重要部分,包括土地、房屋、构筑物等形式,需综合考虑其地理位置、周边配套、建筑年限等多维度属性进行科学分析,为资产运营提供辅助决策支持。
随着大数据技术的不断发展,通过设置数据源及处理规则,可从爬取互联网公开数据,经解析、融合、存储等一系列的操作,可获取大量的基础实时数据,包括房价、房租、物业费、周边配套等多维度属性,对于资产运营评估决策具有实际的参考意义。本发明依据资产评估业务知识库进行数据结构化定义,基于大数据技术获取实时房价房租等数据,通过资产的多维属性关联方法进行数据分析,并设计可交互配置的指标参数进行在线分析,最终实现图表化输出,并生成标准的评估分析报告,辅助业务人员进行资产运营分析。
现阶段的资产运营分析往往需要由专业人员汇集各个渠道的数据,并人工完成数据的清洗、合并、计算、排序等工作,需要投入较长的数据准备和数据分析时间,且难以灵活的设置不同的分析指标因素进行综合性评估,具有一定的局限性,因此,现阶段市场上亟需一种基于大数据分析的资产运营评估决策算法来解决上述问题。
技术实现要素:
本发明的目的在于:为了解决现阶段的资产运营分析往往需要由专业人员汇集各个渠道的数据,并人工完成数据的清洗、合并、计算、排序等工作,需要投入较长的数据准备和数据分析时间,且难以灵活的设置不同的分析指标因素进行综合性评估,具有一定局限性的问题,而提出的一种基于大数据分析的资产运营评估决策算法。
为了实现上述目的,本发明采用了如下技术方案:
一种基于大数据分析的资产运营评估决策算法,该算法包括如下步骤:
步骤s1:构建资产数据结构,设置多维度属性字段,建立标准的结构化定义;
步骤s2:设置房产信源及数据爬取规则,并获取爬取数据;
步骤s3:对爬取结果进行结构化解析,写入kafka消息队列;
步骤s4:订阅kafka消息队列,进行数据补全,形成结构化的房产数据结果,写入kafka消息队列;
步骤s5:订阅kafka消息队列,将结构化的房产数据结果写入elastic索引;
步骤s6:构建资产的多维属性关联查询服务;
步骤s7:设置评估指标参数;
步骤s8:根据名称、位置、经纬度等信息进行数据检索,获取参考数据;
步骤s9:设置运营期限,按不同的模式计算资产运营价值评估结果;
步骤s10:图表化输出,提供决策分析报告。
作为上述技术方案的进一步描述:
所述步骤s1中所构建的资产数据结构依据业务需求进行设计,且所述资产数据结构包括名称、位置、经纬度、权属单位、账面面积、土地面积、周边配套、物业费、学区、房价以及房租等多维属性字段。
作为上述技术方案的进一步描述:
所述步骤s2中的房产信源为排名靠前的房产网站,且至少配置2家,且所述至少配置的2家主流房产网站信源是以页面数f1、f2为例,包括新房、二手房以及租房三个通道,建立爬取入口、周期和深度,进行数据爬取,获取房产详情数据、房价走势数据以及房租走势数据。
作为上述技术方案的进一步描述:
所述步骤s3中按房产网站设置对应的消息队列topic。
作为上述技术方案的进一步描述:
所述爬取结果基于xpath进行配置,提取包括名称、位置、经纬度、周边配套、物业费、学区、房价、房租、历史房价以及历史房租等多维属性,并形成结构化数据,如出现缺失数据,设置为null,且所述按房产网站名称建立topic是以页面数f1、f2为例,将数据写入kafka消息队列。
作为上述技术方案的进一步描述:
所述步骤s4中的数据融合采用数据补全的方式,形成结构化数据,且所述结构化数据是以f1为基准数据,进行完整性检查,如出现字段缺失,则调用f2的数据进行补充,形成结构化的房产数据,将数据写入kafka消息队列t,如f1、f2均出现字段缺失,将数据写入kafka消息队列e,待人工核查。
作为上述技术方案的进一步描述:
所述步骤s6中的查询服务基于elastic接收查询条件json进行自定义条件的关联查询,所述基于elastic检索服务所设计的restapi,可按json条件执行检索,支持客户端自定义条件,可按名称、位置以及经纬度等多字段进行检索。
作为上述技术方案的进一步描述:
所述步骤s7中的评估指标依据业务需求进行设置,且所述设置内容包括数量、面积、资金收益率以及贷款利率等多维属性,并支持对部分指标的交互配置,分析人员可根据实际调研情况进行调整。
作为上述技术方案的进一步描述:
所述步骤s9中依据专家知识库,构建三种模式进行资产运营价值评估计算。
作为上述技术方案的进一步描述:
所述步骤s10中依据业务需求进行图表化输出、生成决策分析报告,支持根据实际业务进行升级。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明中,依据资产评估业务知识库进行数据结构化定义,基于大数据技术获取实时房价、房租等数据,通过资产的多维属性关联方法进行数据分析,并设计可交互配置的指标参数进行在线分析,最终实现图表化输出,同时还能够生成标准的评估分析报告,辅助业务人员进行资产运营分析。
2、本发明中,通过设计依据业务需求构建资产数据结构,其包含资产运营分析所需的关键字段,因此便能够在基于大数据技术中获取实时房价、房租等数据。
3、本发明中,通过设计融合多个房产网站数据,实现数据互补,保证了数据的完整性,且便于业务人员进行核查,通过设计的基于大数据架构进行数据传输,支持模块分离及弹性拓展,通过设计采用多指标配置,支持用户交互,可得到不同权重下的分析结果,通过设计支持图表化、标准报告形式的输出,方便进行结果报送。
附图说明
图1为本发明提出的一种基于大数据分析的资产运营评估决策算法的功能流程示意图;
图2为本发明提出的一种基于大数据分析的资产运营评估决策算法的投资模式示意图;
图3为本发明提出的一种基于大数据分析的资产运营评估决策算法的评估曲线示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-3,本发明提供一种技术方案:一种基于大数据分析的资产运营评估决策算法,该算法包括如下步骤:
步骤s1:构建资产数据结构,通过设计依据业务需求构建资产数据结构,其包含资产运营分析所需的关键字段,因此便能够在基于大数据技术中获取实时房价房租等数据,设置多维度属性字段,建立标准的结构化定义;
步骤s2:设置房产信源及数据爬取规则,并获取爬取数据;
步骤s3:对爬取结果进行结构化解析,写入kafka消息队列;
步骤s4:订阅kafka消息队列,进行数据补全,形成结构化的房产数据结果,写入kafka消息队列;
步骤s5:订阅kafka消息队列,将结构化的房产数据结果写入elastic索引;
步骤s6:构建资产的多维属性关联查询服务;
步骤s7:设置评估指标参数;
步骤s8:根据名称、位置、经纬度等信息进行数据检索,获取参考数据;
步骤s9:设置运营期限,按不同的模式计算资产运营价值评估结果;
步骤s10:图表化输出,提供决策分析报告。
具体的,如图1所示,所述步骤s1中所构建的资产数据结构依据业务需求进行设计,且所述资产数据结构包括名称、位置、经纬度、权属单位、账面面积、土地面积、周边配套、物业费、学区、房价以及房租等多维属性字段。
具体的,如图1所示,所述步骤s2中的房产信源为排名靠前的房产网站,且至少配置2家,且所述至少配置的2家主流房产网站信源是以页面数f1、f2为例,包括新房、二手房以及租房三个通道,建立爬取入口、周期和深度,进行数据爬取,获取房产详情数据、房价走势数据以及房租走势数据,通过设计融合多个房产网站数据,实现数据互补,保证了数据的完整性,且便于业务人员进行核查。
具体的,如图1所示,所述步骤s3中按房产网站设置对应的消息队列topic。
具体的,如图1所示,所述爬取结果基于xpath进行配置,提取包括名称、位置、经纬度、周边配套、物业费、学区、房价、房租、历史房价以及历史房租等多维属性,并形成结构化数据,如出现缺失数据,设置为null,且所述按房产网站名称建立topic是以页面数f1、f2为例,将数据写入kafka消息队列。
具体的,如图1所示,所述步骤s4中的数据融合采用数据补全的方式,形成结构化数据,且所述结构化数据是以f1为基准数据,进行完整性检查,如出现字段缺失,则调用f2的数据进行补充,形成结构化的房产数据,将数据写入kafka消息队列t,如f1、f2均出现字段缺失,将数据写入kafka消息队列e,待人工核查。
具体的,如图1所示,所述步骤s6中的查询服务基于elastic接收查询条件json进行自定义条件的关联查询,所述基于elastic检索服务所设计的restapi,可按json条件执行检索,支持客户端自定义条件,可按名称、位置以及经纬度等多字段进行检索。
具体的,如图1所示,所述步骤s7中的评估指标依据业务需求进行设置,且所述设置内容包括数量、面积、资金收益率以及贷款利率等多维属性,并支持对部分指标的交互配置,分析人员可根据实际调研情况进行调整。
具体的,如图1所示,所述步骤s9中依据专家知识库,构建三种模式进行资产运营价值评估计算。
具体的,如图1所示,所述步骤s10中依据业务需求进行图表化输出、生成决策分析报告,支持根据实际业务进行升级。
工作原理:使用时,依据业务需求进行数据结构设计,包括名称、位置、经纬度、权属单位、账面面积、土地面积、周边配套、物业费、学区、房价以及房租等多维属性,并以此形成标准的结构化定义;
设置房产信源,至少选择2家主流的房产网站信源(以f1、f2为例),包括新房、二手房、租房三个通道,建立爬取入口、周期以及深度,进行数据爬取,获取房产详情数据、房价走势数据和房租走势数据;
对爬取结果基于xpath进行配置,提取包括名称、位置、经纬度、周边配套、物业费、学区、房价、房租、历史房价以及历史房租等多维属性,形成结构化数据,如出现缺失数据,设置为null;
以f1为基准数据,进行完整性检查,如出现字段缺失,则调用f2的数据进行补充,形成结构化的房产数据,将数据写入kafka消息队列t,如f1、f2均出现字段缺失,将数据写入kafka消息队列e,待人工核查;
订阅kafka消息队列,将结构化的房产数据结果写入elastic索引;
基于elastic检索服务设计restapi,可按json条件执行检索,支持客户端自定义条件,可按名称、位置、经纬度等多字段进行检索,读取不动产配置数据,并设置评估指标参数如下:
房屋数量{si|i=1,2,3,4},分别对应1居室、2居室、3居室、4居室及以上的房屋数量;
房屋总面积a
国有资金投资收益率m
抵押所得资金百分比r
抵押贷款利率d
年房价增速z
根据名称、位置、经纬度等信息构成检索条件,调用上述中所构建资产的多维属性关联查询服务,获取参考数据,包括房价p、房租(1居室c1、2居室c2、3居室c3、4居室及以上c4),周边配套等信息;
根据业务分析经验,按出租模式、拍卖后投资模式、抵押投资后出租模式进行资产运营评估,以n年期进行计算,到期资产总价值为:
(1)出租模式:
继续持有房屋产权,房屋出租,按此模式进行计算,到期资产总价值计算公式为:
(2)拍卖后投资模式:
不持有房屋产权,拍卖后进行投资,按此模式进行计算,到期资产总价值计算公式为:
a*p*(1+m)n
(3)抵押投资后出租模式:
继续持有房屋产权,按比例进行抵押贷款,并将所贷资金进行投资,房屋出租,按此模式进行计算,到期资产总价值计算公式为:
绘制三种模式的资产运营价值评估曲线,并给出数据报表,形成资产运营价值评估分析报告。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。