京公网安备 11010802034615号
经营许可证编号:京B2-20210330
通过数据分析 三四线城市去库存房价将继续下降
“网络上的‘任大炮’和现实中的任志强,区别还是蛮大的。”8月27日,自贡某楼盘营销负责人肖先生在谈到任志强的自贡行时说道。22日,盐都大讲堂·城市讲堂2015第五期在自贡市委大礼堂开讲,中国房地产协会副会长、华远地产股份有限公司原董事长任志强作为嘉宾,以国内房地产市场为案例,通过大量的数据分析,讲解了未来房地产的发展方向,作了“经济与房地产形势分析”的专题讲座,分享了不少“干货”。
现场分享用大量权威数据支撑论点。
演讲台上的任志强,带着眼镜,穿着一套蓝灰色西服,浅色衬衣,未打领带。演讲时不时把眼镜推上额头或摘下,或者把左手抄在裤袋里,显得非常放松和随意。“我不了解自贡的情况,只能与大家分享对全国市场的看法。”
他提到,尽管今年二季度的地价涨幅有所上升,但购置土地面积和新开工面积不会有太多增长,新开工面积增长下滑反而有利于消化库存。而全国各线城市商品房销售面积同比变化,已于二季度由负转正,一线城市增幅最大,三四线城市房价继续下降。
“房地产投资,难以再重复过去的高增长。”他还提到了2015年影响房地产市场的因素,他说,不利的因素是库存略有减少、贷款低速增长,而有利的则是货币政策宽松、稳定住房消费、低利率提高可支付能力以及新增供量减弱等因素。在他看来,2015年的房地产市场,区域分化会加剧,刺激政策会一直持续,房价平稳过渡,销售由负转正,库存量会加速消化。谈吐幽默
思维严谨不如网上“危言耸听”
在现场演讲时,任志强基本没有笑容,其PPT采用财政部、联合国以及各大知名智库的权威数据,来分析和支撑自己的论点,偶尔表现出冷幽默。“我觉得现场亲眼见到的任志强,本质上还是网络上的那个‘任大炮’,敢说实话,尽管表情严肃,但很幽默。”自贡房地产从业人士冯先生说。
“我最大的感受就是‘任大炮’在网络上是个非常有争议性的人物,经常危言耸听,但实际上,现场感受到的任志强,逻辑非常慎密严谨,追求客观事实,每一个结论,都是由那些权威数据来解读的,可信度非常高。”肖先生说。
在采访中,不少人都觉得,网络上的“任大炮”与现实中演讲时的形象,有同有异。“相同的是,确实他敢于说真话、实话,他的演讲内容里,有不少人是不会说出来的。而不同的是,现实里的任志强比起网上的‘任大炮’的单一形象,更加专业、低调和务实。”现场听取演讲的自贡市民王先生称。
楼市观点
互联网创业支撑写字楼?自贡还未出现
当天,任志强在演讲中提到,当前的互联网就业趋势明显增加,为社会解决了大量就业,在部分城市,这些互联网从业者从侧面支撑起了部分城市写字楼的市场需求。就此,华西城市读本记者采访了部分业内人士的观点,发现自贡的写字楼市场并未出现这种现象。
“我们租的写字楼,近30元/平方米,大约30多个平方,每月租金1000元多点,再加上其他商用的水电气和车库等费用,总计1600多元。”在汇东某写字楼办公的微型互联网刚创业公司王先生称,像他们这样租用写字楼办公的,主要是为了公司的形象和门面,而大多数的该类型公司,还是租用普通小区的房屋较多。
“任志强提到的这个现象,应该主要集中在一二线城市,比如北京、成都。”肖先生说,而且主要是针对以电子商务为代表的互联网企业,这类行业在自贡这样的三四线城市才刚刚起步,大部分是80、90后的年轻人,规模小,资金少,属于草根创业阶段,并无实力也无需求租用外表豪华租金昂贵的写字楼,大多还是租用的普通小区民房。
肖先生称,今后南湖的不少写字楼建成后,可能会吸引部分市内市外的创业企业,那时才能看出写字楼市场在自贡的生存状况。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05