序

目前，整个不动产行业已经进入“低增长、低利润、低容错、低预期”的新阶段。未来，不动产行业将面临“更稳定、更低增长、更平缓、更受控”的局面。每个不动产企业面临的问题是如何活下去、活得更久。所以，不动产企业需要谋变、向生。

爱德数智希望内置AI（人工智能）决策能力的数智化经营平台能够帮助这些企业打造核心竞争力，帮助它们活得更好、走得更远。

一、数智化经营的价值

1.全价值链的大协同大运营

如今，地产经营已经不只是一个企业内部要做的事，它是不动产行业全价值链的大协同、大运营。以不动产开发环节为例，行业价值链的前端有很多投资方、合作方；中端存在较多成熟的开发、代建、代管企业；在后端，以前占较大权重的是销售类住宅产品，而现在，持有经营类、大基建、大配套产品的占比越来越大。

不动产行业需要打通全价值链，从资源获取到地产开发，再到持有经营类产品的经营管理，都要打通。很多龙头企业已经实现了数智化经营管理，并能实时洞察经营变化。自家到底有多少可售货值？哪些是滞销产品？企业有多少持有类经营产品？如何经营？这些都是很多企业正在解答的谜题。

不动产行业里在管理方面做得很好的企业，在前期开发策划时，会利用详细的数智化预演方案，把所有的产品业态分解好，把盈利模式、资金运作模式都想清楚。例如，它们会把销售成本和持有物业成本分摊得非常详细，不同经营模式下的持有物业成本可以具体到业态、楼栋甚至楼层。在持有物业开发完成后，参与运营管理的主体才择机进入，并挑选合适的物业来经营。例如，有些机构只选部分底商做商业，或者选择某栋楼的若干楼层做公寓或酒店。如果前期的持有物业成本分摊得不够细、不够灵活，就会给后期运营带来较大麻烦。

通常，负责开发销售的是地产企业，负责持有运营的是商业公司。虽然它们可能同属一个大集团，但其盈利模式不同，所以工作界面还是需要划分清楚的。有些集团在前端有自己的投资公司、城市更新公司，在后端有独立上市的重资产经营、物业服务、物流等公司。它们之间的关联非常密切，相关数据必须打通。这在龙头企业的数智化经营案例中经常遇到。

所以，数智化经营做的是从前端开始，一直贯穿整个价值链的大协同和大运营。

2.不动产数智化经营的核心价值

不动产数智化经营管理平台的产品布局要覆盖不动产全价值链。前端是为不动产开发经营的投资方打造的“大资管平台”。目前，随着投资不动产的基金、信托企业的不断成熟，“大资管平台”服务于存量项目的开发及其全生命周期的运营，并监管项目的建设、存量物业的经营管理以及资本的退出。

在不动产开发管理环节，开发企业所使用的“房地产大运营管理平台”已经较为成熟，这里不再过多介绍。

爱德数智还与成熟的代建企业合作开发了“代建项目运营管理平台”，与上市物业管理企业一起打造了“物业管理经分平台”，与地产集团的自持商业经营公司及资产管理部一起搭建了“存量物业管理平台”。

不动产数智化经营管理平台从业务系统提取数据，根据企业的经营管理逻辑进行智能化建模，旨在实现企业经营及项目运营管理全过程的数智化、可视化，实现企业资源价值最大化。

现在，成熟企业的数智化经营管理平台能够围绕“4P”（预测、预演、预警、预控）理念，在战略跟踪、预实分析、资源协同、预警预控、绩效达成等多维度进行交圈管理，努力支持各条线、各层级的决策管理，从而打造一个AI辅助决策的数智化大平台。

在增量时代，数智化经营管理平台通过项目全周期管理、公司货值资源管理、企业战略与经营目标监控等，给企业带来了高周转、高利润、高回报，其最终的核心是实现资源的销售价值最大化。

在今天的存量时代，数智化经营管理平台要帮助企业管好、控好每一分利润，管好资金运作，做好对持有物业的动态经营管理，持续提升资产创造价值的能力，从而保障企业有稳定、持续的投资收益。

二、数智化经营的实践案例

在数智化经营的实践过程中，AI决策让不动产管理更加高效务实。

1.国企案例：AI决策平台动态监控战略目标

正如本书插页“不动产AI决策平台”所示，某国企的不动产AI决策平台包括战略规划、战略实现，并穿透到年度目标、业务动态。其背后是管理逻辑、经营思想的沉淀，体现了很高的AI决策管理水平。

不动产AI决策平台的看板上端会有一栏动态的战略预演，动态展示企业战略规划目标。这个目标并不是几个简单的数字，而是从过去和现在的海量业务数据中提炼出的大量指标，比如供销比、回款率等，以此来支持企业对未来的预测。

看板会动态展示目前所有业务条线运营的数据、指标和考核目标。这些数据的动态变化会对该企业战略目标的实现产生影响，影响较大时会触发预警体系，并将相关问题推送责任部门处理。

看板上的数据是实时动态并关联的，其背后有一套严格且高质量的数据和业务逻辑，能够让企业真正做到从战略规划到战略实现的动态跟踪。

2.央企案例：项目全周期管理的实时测算

如图0-1所示，项目全周期数智化管理包括项目全周期的业务协同管理和利润、现金流及动态目标考核等。

这是某不动产央企应用的AI决策管理工具，该企业把整个项目中的重大会议都设置成管理节点。因为不同阶段的不同会议要决策的事情不同，要管理的重点也不一样，所以在每一个会议开始前，企业都需要进行全周期试算。各个业务条线都要直接上线参与，把业务活动落实到项目经营目标的测算中。经过数据预测、模型试算和业务场景预演，企业最后选择合适的方案上会，且这一过程不允许人为调整数据。

管理人员在会议上需要考虑很多维度，最后敲定的事项或许会改变试算方案中的一些参数或指标数据。因此，企业必须重新在该模型中试算，以输出新的核心指标，确认其合理并可行后才能决策。

这就是把过去比较复杂的业务交圈逻辑变成一个试算工具，即需即用。但是企业要想真正把这套试算工具即时用起来，需要集成大量动态业务数据并获得平台支持，更需要企业有推进数智化管理的决心和执行力。

以楼栋颗粒度为例，很多企业在启动会甚至月度经营分析会阶段，只能核算到分期业态的项目数据，而没有采集楼栋数据或数据采集不稳定。因此企业只能输出大的项目指标，这完全脱离了具体业务的管理颗粒度。而该央企在项目可研阶段就精确到楼栋，并对项目中的变数使用对应的管理措施和平台。

3.民企案例：AI预测实现现金流管理可视化

回款和现金流是地产企业不变的主题，尤其在当下，企业对现金流管理的好坏直接影响其生死。现金流是对企业业务运营的结果性展示，它的颗粒度一定要精细。除了正常的收支，现金流还包括股东借款、资金往来、双向计息等。

为了强化回款管理，企业要管好每个业务动作，因为回款不仅仅是财务和销售的事情。项目策划、产品规划、合约规划等都很关键，所以企业要真正做到用管理创造效益。

影响公司资金运作的各项因素都存在很大变数，只有应用符合企业自身资金运营环境的敏感性分析工具和风险预警工具，才能更有效地帮助企业抵御各种资金风险。

图0-2是某民企现金流预测管理可视化展示，大致描述了现金流跟踪流程和跟踪的颗粒度。不动产企业在做BI（商业智能）分析或看板时，经常不知道选用哪些指标，需要管理哪些指标。企业只有通过AI决策，才能对回款看板的一级、二级指标进行深度分析。

4.物企案例：AI测算助力利润保卫战

近年，物管企业经常提及的话题是打响利润保卫战，因为利润不只是一个结果。企业的创利能力是其所有能力的综合体现，无论哪个环节出现问题，最后都会导致利润损失。所以，标杆企业直接提出“每一元利润损失都要找到源头”的口号。

这正是企业数智化经营管理平台能做到的事情。在项目层面，其可以实现对全周期利润的动态跟踪，包括已完成部分和预测部分。但最终利润要在公司层面核算，要从公司层面、各业务线、各项目中直接获取与利润相关的所有指标，这就需要企业设计敏感性分析模型，从而为利润的测算和预测服务。

物管企业在上市后，对规模、流量、多种经营等有较多要求。但是当真正运行起来时，企业往往会发现自己很难找到利润来源和增长点。这是行业痛点。如图0-3所示，某物管企业设计了一个动态经营分析平台，绘制了一幅利润管控地图，这使企业能够找出所有利润来源。

该平台会算出每类业务的盈利动态及预测值。哪些业务挣钱，哪些不挣钱？企业应该朝哪个方向发展？这些问题看似简单，但需要企业调整或新增很多成本分摊规则，这对企业现有的财务核算体系提出了较大挑战。

数智化经营不是简单的互联网技术线上化，而是通过AI决策，提升企业的经营管理能力和利润创造能力。

三、AI决策的三大特征

数智化经营的一个显著优势是具备AI决策能力。这种能力具有三大特征，一是以建模为核心，二是数据决定结果，三是用标准化解决差异化。

1.以建模为核心

在数智化经营中，最具技术含量的其实是建模，建模需要人工智慧。每个企业都有自己的Excel（电子表格软件）套表，在建模过程中，企业需要根据目前的经营逻辑和行业领先实践，优化套表中的原有逻辑。建模专家也要不断思考：模型是现成的吗？模型是否可以标准化？建模只是在表上吗？建模是否无法兼顾业务特殊性？建模需要有思想吗？

随着AI技术的应用，同时基于企业的大量历史数据，机器建模能够自主学习并实现动态优化。例如，销售物业的回款模型、成本动态支付模型等，存在很大的优化和探索空间。

2.数据决定结果

图0-4是项目全周期测算模型的基础数据流。它首先从各个业务系统里取数，在模型计算分析后，对项目的货值、回款、定价等进行管理，同时管理项目全周期的利润和现金流。

通常，在货值系统输入底层数据后，这个测算模型可以变成纯粹的盈利测算工具，从而实现从管理口径到财务口径的数据转换，实现业财一体化数据联动，但对销售定价与货值折损的管理仍然需要由货值系统去完成。所以，取数逻辑直接影响测算模型的输出价值。

更重要的是数据质量。每家企业或每个业务部门通常都认为自己的数据没有问题，可一旦做到集团级的数据集成和数据分析，企业就会发现底层数据的质量很差。数据定义不清晰、口径不一致、架构混乱、供数频次不稳定等问题，会直接导致系统无法采集数据，甚至导致模型崩溃。领先企业的数据治理工作常常持续半年，甚至一年之久。

3.用标准化解决差异化

各家企业的管理思路都有其个性，因此数智化经营必然是差异化的成果。但是模型的核心部分需要标准化，需要具有一致的业务和财务测算逻辑。模型的主干线一定是标准化的，例如，利润计算公式都是一样的，差异在于生成利润的收入来源、成本列支。通常，代建代管企业的成本测算要比地产企业的精细。提炼模型的核心并将它标准化，是一项专业工作。

在标准化基础上，模型要根据企业的特质做定制化配置，使其符合企业的实际需求。有的企业侧重于销售单价的精益管理，甚至管到每一间房子；而有的企业专注于开发核心城市的核心地段项目，或者旧改城市更新项目。因为售价基本是固定的，所以销售单价就不是后者的管理重点。

这是一个从“KNOW HOW”（知道怎么做）到标准化产品提炼，再到个性化广泛应用的过程。

图0-5是预见性4P决策体系，是不动产AI决策的核心，也是数智化经营平台设计与应用的关键。预见性4P决策体系是一个从业务技能到标准化提炼，再到个性化广泛应用的体系。

四、小结

不动产数智化经营是一项缓慢而仔细的工作。过去，企业主要关注花了多少钱，办了多少事，结果怎么样。现在，企业关注能花多少钱，能办多少事，要什么样的结果。未来，企业将聚焦为什么做，怎么做，怎样才能做得更好。

要想回答好这些问题，企业需要大量的数据支持，然后通过数智化经营平台，即时集成数据，快速计算，输出数据并分析结果。

巴菲特说“这个世界上没有人愿意慢慢变富”，但在当下，挣快钱的时代已经过去了。随着不动产经营进入存量时代，企业只有务实地做好经营管理，开始习惯慢慢挣钱，才能更持续地经营下去。

张松涛
爱德数智副总裁