大数据文摘出品买卖房子可能是你一生中做过的最大的生意。中国人如此，美国人也不例外。在国内买卖房子的时候，我们一般都会去一些APP看看房子值多少钱。一般来说，大家会参考同一个小区同类房子的挂牌价。当然，也有一些软件开发出了所谓的智能系统。您输入房屋的位置、面积、层高、朝向等信息，系统会自动生成一个参考价格。这种模式在国内可能用的比较少。毕竟小区里面多是平房。问楼下的阿姨和房产中介，基本可以查出房子的大概价格——剩下的就是砍价了。然而在美国，以独栋住宅为主的各类房产的价格通常相差很大。房屋年代跨越数百年，建筑结构和建筑风格各不相同。即使在同一地点，成交价格也可能相差很大。这时候，智能系统就成了主角。也许你没有听说过Zestimate，更不用说Zillow了，但你绝对可以了解他们是做什么的——用人工智能来判断房价。作为文摘的爱好者，如果了解预测系统的一些原理，尽可能多的列出房屋的特征，然后用大量的历史数据进行训练，就可以得到一个相对准确的房屋估价模型。这就是Zestimate所做的。Zestimate的数据样本有多大？答案是1.04亿。美国只有大约2亿户家庭，Zillow就占了其中的一半。近年来，随着海量数据和神经网络技术的飞速发展，Zillow的业务直线上升。在整个美国，几乎所有涉及房屋销售的管理人员都将Zestimate的估值作为关键参考。就是这样一家顶着AI技术光环的公司，在11月2日宣布计划裁员2000人，约占员工总数的25%。一周后，公司股价下跌近三分之一。发生了什么？一起来看看吧。这家典型的AI科技公司的成长与挫折，对于国内众多靠“一招，吃遍天下”的初创科技公司来说意义重大。参考意义。从招聘广告看Zestimate预测技术一般来说，想要观察一家AI公司的核心技术，只需要看他们核心业务算法工程师的招聘要求即可。Zestimate的核心是预测，最重要的是数据科学家。让我们来看看Zillow的数据分析师招聘广告是什么样的。其实还是SQL数据库、Python/R等，特别提到Prophet库。Prophet是一个开源库，专为预测单变量时间序列数据集而设计。如果你想自动找到一组好的模型超参数来对具有趋势和季节周期结构的数据做出有效预测，使用Prophet来处理它是轻而易举的事——它最初就是为此而设计的。很明显，Zestimate是用Prophet来做时间序列预测的，比如房子未来值多少钱？但是Prophet能胜任这样的工作吗？显然不完全。房价是随机的、综合的，因为房价和股票一样，是一个具有竞争性、高度金融化的市场价格。很多时候只是根据历史数据得到过拟合曲线，无法预测未来的波动。房价时间序列预测的局限性可以参考这篇博文：https://ryxcommar.com/2021/11/06/zillow-prophet-time-series-and-prices/ZillowZillow的Zestimate估值受到冲击当房地产市场稳定时，人工智能技术仍然非常有用。据其官网显示，Zestimate目前全国待售房屋的中位误差为1.9%，未挂牌房屋的中位误差为6.9%。准确的结果让Zillow不得不考虑如何从这个估值中赚钱，从而催生了“炒房”项目。简单来说，就是低价买下一处房产，修缮升级一些设施，然后高价出售，从差价中获取利润。只是之前的估值购买都是由经验丰富的地产经理完成的，而Zillow是通过机器学习技术完成的。这种方法效率很高，但也比较冒险。据财经十一报道，新冠疫情发生后，美国房地产市场迅速升温。房价同比涨幅从5%左右迅速飙升至10%以上，甚至在2021年8月达到19.8%的峰值。Zestimate模型并没有很好地应对市场的这种变化。房价波动导致模型出现偏差。许多交易的房产显示价格倒挂。买的时候贵，翻新后买便宜了。在凤凰城，超过十分之九(93%)的Zillow房源价格低于公司支付的价格。这一失误不仅让Zillow损失了资金，还给Zillow留下了过多的库存。就这样，巨额亏损和断流的Zillow再也受不了了。据媒体报道，11月2日，Zillow发表声明称，公司将放弃房屋转售业务。声明称，该公司快速买卖房屋的算法+模型未能按计划运行，造成巨额损失。第三季度和第四季度的合并亏损预计将超过5.5亿美元。公司计划裁员2000人，约占员工总数的25%。公告发布后的一周内，该公司股价暴跌近三分之一。这样的结果给所有沉迷于数字化、大数据、人工智能等技术的企业敲响了警钟。单纯依靠数据分析和模型预测的商业模式无法应对整个市场。市场永远是对的。一旦市场发生变化，原本让公司赚大钱的模式也可能成为公司倒下的决定性因素。【本文为栏目组织大数据文摘原创翻译，微信公众号“大数据文摘（id：BigDataDigest）”】点此查看作者更多好文
