京公网安备 11010802034615号
经营许可证编号:京B2-20210330
绿城的大数据阳谋:抢占最有价值的业务链
房地产企业对大数据早已不再陌生。曾几何时,它帮开发商实现精准营销,做内部管理,解决房地产建造的标准化问题。如今,开发商正试图运用这一工具为客户提供更多增值服务,一方面,可以使房企在转型期寻求新的增长点;另一方面,可以使房企更好地实现重资产向轻资产的转型。
绿城与东软熙康合作的社区医疗,并不仅仅是为业主提供服务,还会借助这种服务获得业主的相关大数据。而这些数据对医药企业来说,价值巨大。在数据安全保护到位的情况下,他们可以更有针对性地生产、研发健康类产品。
一个想落地,一个想依托
蓝城集团官网显示,去年9月,由蓝城投资管理有限公司、东软集团控股子公司——东软熙康健康科技有限公司(以下简称东软熙康)、绿城物业服务集团有限公司合资成立上海蓝熙健康管理有限公司(以下简称上海蓝熙),东软熙康持股40%,蓝城控股和绿城物业共同持有40%,另外20%为公司高管和个人持股。
业内认为,上海蓝熙的成立,是地产界争夺互联网入口的表现,目前包括万科、恒大、中南建设在内的众多房企都已加入这个行列。随着人们对社区医疗的意识逐渐增强,该领域将成为房企利润的又一个增长点。
当房地产行业告别传统的增长模式,以数据作为增值驱动的时代正在到来,这为开发商的跨界转型再添助力。大数据的挖掘使现有产业深加工和实现产业融合成为可能。它让房地产的发展从粗放扩张变为精细化管理,也让其他行业更深地介入到房地产,一些看似不相干的领域走到了一起。
绿城和东软熙康的合作因此具备了天时和地利。绿城从事健康管理已6年,东软熙康在该领域也深耕5年之久,拥有成熟的远程医疗和线上云医院经验。用上海蓝熙CEO曲蕃蕊的话说“一个想落地,一个想依托,两者是一拍即合”。
虽然目前健康管理和移动医疗的概念尚未深入人心,但市面上的可穿戴设备,可为个人进行健康管理服务提供数据采集的切入点。
健康管理的全过程称为CASE,即整合数据的获取流程。C为capture,即大数据的获取,通过可穿戴设备和各种医疗仪器的采集获取第一手数据;A为analy-sis,即将采集到的数据上传到APP并对其进行建模分析,进而告知你处于何种健康水平;S为suggestion,即提供建议,这需要专业团体和人员给予支持,最后实现大数据的真正应用;E为execution,假设你是一名患者,在给到你建议之后,有机构督促你去执行这个方案,从而使你重获健康。
上海蓝熙自有的益体机系统通过对小区业主的血压、血糖、体脂等方面的检测,将数据自动上传到APP,健康管理人员通过APP上的数据做出健康评估,针对相关指标进行管理,给出第三方咨询意见。通过数据平台,把线下医疗机构、社区、居民家庭通过线上平台融合在一起。
据介绍,目前上海蓝熙在杭州有两家具有医疗资质的健康管理中心,有5位主任医师,甚至有的就来自绿城的业主。上海蓝熙在杭州还签约了省人民医院、浙江一医院、浙江二医院和邵逸夫医院的50名医生,另外东软熙康自己的云医疗平台还有近1200名医生。从人员配置来看,以社区为单位,每百户居民配备一名健康管理师,每个社区有一名家庭医生,业主如果确认需要做线下治疗,则会联系专家作进一步沟通。
据曲蕃蕊介绍,当家庭医生问诊之后,若病人情况未有好转,他们会为患者寻找杭州本地具有相应资质的医生,如果当地的医生还无法解决,就会进行远程医疗。远程医疗的方式很简单,业主在家庭医生的陪同下事先找到对口医生,发起需求后,3天内得到回复,然后约好时间,通过视频进行云端医疗,每次视频15分钟。
据悉,目前与上海蓝熙展开合作的,除了绿城还有世茂和亿达两家。今年将在杭州布局20个绿城小区,未来会进入全国100个绿城社区。
大数据和医疗结合
大型的传统房地产企业面向的客户群数以千万计,加上互联网的集合效应,这个数量级还可以无限扩大。随之而来的是边际成本降低,这也是开发商不惜花费巨大代价的原因。
东软熙康与绿城的联姻,可以说是大数据时代跨界融合的一个典型案例。
曲蕃蕊表示,目前全国20%的人口患有高血压、高血脂等慢性疾病,而随着全国老龄化人口比重不断增加,他们的健康问题也越来越受关注。
资本市场永远是最敏锐的。去年底,弘毅投资、高盛领衔对东软熙康进行了1.7亿美元A轮投资。
占领市场空缺,树立行业标杆,可以看做是绿城等开发商的主动求变,但现阶段消费者对此还需要一个适应期,毕竟这是一个从无到有的过程。现阶段的大数据分析仅仅停留在数据量的增加和数据分析成功应用上。所有大数据公司最终想获取的是足够多的客户样本,通过不断降低边际成本来实现价值。这也是开发商深度挖掘和投入成本的动机。未来大数据的盈利模式,就是获取大数据的成本由开发商买单,获取之后的应用和开发,则与开发商分享,从而形成闭环。
社区健康管理中心扮演的是前述A、S、E三个角色,通过线上云医院平台,以优惠的价格来吸引客户,给他们提供样本数据,在达到一定量级之后,通过数据的加工分析,一方面可以给客户健康管理指导,另一方面可以将数据提供给相关供应商,从而实现精准营销。比如东软熙康的线上云医院,可通过视频来寻找对应的专科医生。
据了解,东软熙康目前在全国有两三千万客户。在不
侵犯客户个人隐私的情况下,为客户提供精准的健康管理服务,形成精准营销,最终再服务客户。举例来说,一名患有高血压的业主,何时吃药、吃哪类药能够更好地控制病情,这就涉及大数据的交融和样本的采集。上海蓝熙和东软熙康通过立足社区,占据流量入口,充分挖掘高端人群消费能力,进而为他们提供更有价值的高端服务。
值得一提的是,对于数据的采集和利用,涉及一个关键问题,就是客户的隐私安全。某P2P平台数据分析师周志成认为,为了客户的隐私安全,必须建立大数据清洗闭环。首先通过设置命题,即数据分析的原因和问题,找到需要的原始数据,针对命题来清洗数据,同时建模,找到异常点,从而预测、挖掘和归因预警未来的业务,通过建模分析,让数据产生价值,并运用到生产和实际业务中去。
对房企来说,大数据所带来的不仅是销量的提振,更是整合原来看似杂乱和没有关联的资源,形成新的产品,输出给客户。这意味着绿城有机会占领整个健康产业价值生产链的最上游,在整个产业链价值分配中占据重要一席。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23