万科投资决策的工具——PIE模型的正确打开方式
马上都七月底，就不炒七月初“万宝之争”的冷饭
七月初，郁总参加腾讯“云+未来”峰会，发表的演讲里，
小编感兴趣当然不是郁总用了“禾略的城市地图”
感兴趣的同学，戳这里，即可免费试用——总裁级别的投资决策的工具
小编好奇的是，郁总概括万科PIE模型的两大不足——颗粒度太高，时效性不够，提到
“万科过去做投资有个PIE模型，P是人口，I是基础设施，E是就业，过去20多年时间里我们根据PIE投资模型，来决定我们的投资方向。但是现在这个东西越来越不好用了。第一它的颗粒度太粗；第二时效性不够，精确的人口普查五年才一次，但是行业竞争很激烈，越来越细分，90后已经成为主要消费人群，我们想知道他们在哪里。”
作为一枚根正苗红的90后，小编此时内心是
PIE模型不好用，怪我咯
有必要先回顾一下，万科在过去20多年，用于投资决策的PIE模型的工作原理
P：人口——持续健康的人口增长会带来旺盛的住房需求
I：基础设施建设——基础设施建设可提升区域内及与外部的交通联系，提升片区居住价值
E：就业——就业密集区域也是住宅需求最大的区域
这就是说，人口、基建、就业三要素，直接决定城市住宅需求的发展趋势
而万科基于PIE模型，主要进行以下内容的研究——
整理到这里，小编不厚道地笑了，忍不住开始装逼
郁总对万科PIE模型的缺点概括还不够到位，除了颗粒度太粗，时效性不够，还有实操不严谨
在明确PIE模型的缺陷后，郁总分享的是，万科跟一些大学和机构开发的城市洞察大数据系统
而演讲主题为“互联，让我们对客户更好”
似乎是顺应着2014年，我司扫底僧写的“如何用互联网思维来改造万科”的思路——开放的协助、消费者参与决策、重视数据挖掘、顺应潮流
除了一点——
“互联网一定要加上你所在的行业吗，是改良还是颠覆？传统行业在每一个细分领域的力量仍然是无比强大的，互联网仍然是一个工具。”
——马化腾
基于以上认识，禾略在万科PIE模型上，用互联网思维优化升级——
其实互联网思维也没那么神秘，就是把一个复杂的问题拆成几个关键点，然后逐个攻破
关于对“颗粒度太粗”的改进——
1、将城市进行细胞分解
根据商业聚集原则，将上海划分198个片区（商圈）
将数据落实到商圈板块，通过高等数学、统计学的处理，可对板块及土地进行精准的属性定位
2、指标的精细化
由万科的二级指标，细化至四级指标
关于对“时效性不够”的改进——
1、结合移动大数据，获取实时人口信息
通过对移动设备的数据收集，可得出客群的实时情况、生活轨迹
2、结合空间大数据，获取实时地理信息点
以上海为例，通过高德地图，采集超过48万个地理信息点，加以分析整理
关于对“实操不严谨”的改进——
用高等数学、统计学的方法，量化回答土地价值、未来潜力及开发策略
1、明确片区土地属性
通过PIE模型，禾略梳理出超过50个房地产价值影响因子，进行聚类分析，明确不同片区的土地属性
聚类示意——用数学模型，将土地属性相似的，聚为一类
2、片区土地属性变化概率研判
通过二元逻辑回归，判断片区土地属性变类的概率
二元逻辑回归数学模型示意
3、片区土地属性变化原因分析
通过随机森林模型，研究变类的触发因素
结合禾略PIE模型，对城市进行基本判断
详情可联系扫地僧，获取暗号“需要PPT我就发你PPT”
陪你想，陪你写，陪你玩