房地产行业客户信息的数据挖掘应用研究

【摘要】：随着社会经济的快速发展和城市化进程的加速,房地产业在宏观经济中的重要性不断凸显,而房地产业发展的同时也暴露出了一些问题。一方面是新建面积不断增长,另一方面空置率却不断上升。根据2009房地产蓝皮书的数据,2008年商品房空置面积由年初的负增长变为1-12月的同比增长21.8%,商品房的空置面积快速增长。同时,房地产开发企业对市场调查不充分,不了解客户的实际需求,盲目上项目,开发出的住房不适合客户的需要。这一切都使房地产交易中纠纷不断,影响了房地产行业的健康发展。 房地产企业要想在激烈的市场竞争中取胜,就必需充分利用各种经济数据和客户信息,分析房地产市场的供需状况,并对房地产行业的发展和市场做出准确的判断和预测,这样房地产企业才会在激烈的竞争中立于不败之地。而要实现这一目标,对客户信息进行数据挖掘就显得尤其重要。 数据挖掘技术是目前数据仓库领域最强大的数据分析手段。简单地说,数据挖掘就是面对海量的存储数据建立数学模型,找出隐含的业务规则和有价值的信息,在实际应用中发挥作用。 论文完成过程中对S房地产公司的部分客户数据和2009年西安市居民住房情况问卷调查数据进行抽取,存储在SQL Server 2000数据库中。论文采用SPSS Clementine 11.0的聚类算法、决策树算法和关联规则算法对调查数据进行了分析,通过这些算法建立多个模型,比较这些模型的精确度,最终选择出最佳的数学模型,根据运算的结果挖掘出了一些对房地产企业有价值的模型、规则和信息。这些模型和规则比较客观地反映了目前西安市城市居民的住房需求情况,也使得房地产企业正确决策、找准细分市场、最大程度发现客户价值有据可循,从而促进房地产企业的发展。