giasan.vn real estate analytics for Vietnam markets.

1. chuyên gia nhà đất

2. 2
ĐẶT VẤN ĐỀ
2

3. Đặt vấn đề
• Dữ liệu về thị trường BĐS không minh
bạch, vừa thiếu vừa thừa
• Kết nối người mua, người bán gặp trở
ngại
3

4. Dữ liệu BĐS: Thiếu
• Lịch sử biến động giá theo thời gian
• Định giá BĐS tự động
• Thiếu niềm tin
4

5. Lịch sử biến động giá theo thời gian
5
Quá khứ | Xu thế

6. Định giá BĐS
6

7. Thiếu niềm tin
7
Lừa
đảo
Hoa
hồng
cao
Sai sự thật

8. 8

9. 9

10. Dữ liệu BĐS: Thừa nhưng "tạp"
10
Tuan Nguyen, CEO rongbay.com

11. 11
Trang Hn ABC
Trang Hn XYZ

12. 1/17/17 12
So sánh thị trường BĐS với chứng khoán
• 300 tỉ USD (báo cáo 2015 của
FPT securities)
• Thiếu thông tin chất lượng,
thừa thông tin tạp
• Khó kiểm soát điều hành
• Chưa có biểu đồ báo cáo chi
tiết
• 33 tỉ USD (báo cáo của
quandl.com)
• Báo cáo, biểu đồ phân tích rõ
dàng
• Được quản lý, có quy chế điều
hành chặt chẽ
• Biểu đồ biến động giá thời
gian thực
12

13. 1/17/17 13
So sánh thị trường BĐS với rao vặt, thương
mại điện tử
• Sản phẩm BĐS có giá trị cao
• Sản phẩm có tính "bất biến",
duy nhất, tồn tại lâu dài
• Sản phẩm có giá trị thấp hơn
• Sản phẩm mang tính tiêu
dùng, da dạng
13
BĐS đang được quảng cáo online như "rao vặt"

14. Kết nối người mua, người bán
• Đối với người mua/bán:
– Đâu là BĐS phù hợp với tôi?
– Đâu là nhà môi giới tin tưởng của tôi?
• Đối với nhà môi giới
– Đâu là người mua tiềm năng của tôi?
14

15. Có đủ tin tưởng để liên hệ hay không?
15

16. Đâu là người mua tiềm năng
• Người mua hàng không chủ động tiếp cận nhà môi giới
• 90% các cuộc gọi bán hàng bị từ chối
• Năm 2012, khi ngành bất động sản gặp khó khăn, có
đến 40% nhà môi giới bỏ nghề, chuyển sang làm công
việc khác.
16

17. 17
MỤC TIÊU & XÂY DỰNG HỆ THỐNG
17

18. Mục tiêu
• Giải bài toán dữ liệu BĐS
• Từ dữ liệu, kết nối người mua và người
bán tiềm năng
18

19. Ý tưởng chính
• Xây dựng hệ thống tổng hợp thông tin rao BĐS
– Máy tìm kiếm "google" cho BĐS
• Sử dụng công nghệ phân tích dữ liệu lớn (big data processing)
để thống kê, tổng hợp, phân tích và dự đoán từ dữ liệu
• Sử dụng công nghệ xử lý ngôn ngữ tự nhiên (natural language
processing) để bóc tách nội dung từ tin rao BĐS
• Sử dụng dữ liệu phân tích hành vi (behavior analysis) người
dùng từ đó hiểu người dùng, kết nối người dùng và nhà môi giới
phù hợp
19

20. Quy trình xử lý dữ liệu
20
Xử lý dữ liệu lớn
Xử lý ngôn ngữ tự
nhiên
Crawler
dữ liệu
Lọc dữ liệu thô
Cơ sở dữ liệu
Báo cáo
Chatbot
Website

21. Quy trình kết nối người mua/bán
Hành vi người dùng
tương tác với hệ
thống
Engine phân ch
hành vi nhằm định
vị nhu cầu
(behavior analysis)
Gợi ý, giới thiệu
cho nhà môi giới
thích hợp
21
Vd: Hay jm kiếm về
D'capitale,
Thang Long No 1
Phát hiện nhu cầu:
Cao cấp, Cầu giấy,
50tr/m
Gợi ý cho nhà môi giới
A, chuyên BĐS cao cấp
Cầu Giấy

22. Khả năng áp dụng
• Đưa thông tin, số liệu toàn cảnh về thị trường
BĐS Việt Nam
– Xuất báo cáo chi tiết, chính xác
• Đưa thông tin lịch sử, xu thế giá, định giá BĐS
tự động với từng dự án cụ thể
• Phân tích được hành vi, nhu cầu của người mua
bán BĐS từ đó kết nối đến nhà môi giới thích
hợp
22

23. 23

24. 24

25. Phân bố giá trị đất
25

26. Đối thủ cạnh tranh
26
Market
AnalyHcs
Homefinder.vn
Expensive
Affordable
ConvenHonal
lisHng
nhadatso.com

27. Liên hệ
trungtv@giasan.vn
27