精细化理论在房地产管理的课题中选择投资作为研究课题？

主题描述

这是一个工作轮换。本次要研究的课题是【精细化理论在房地产行业的应用】。

精细化管理在业务线和业务线中有很多应用。但在投资策划领域，求精精神如何体现？

投资口是整个房地产链的前端。总的来说，大家对这部分作品的印象是，第一，不容易，有地好；二是觉得成功主要靠资源和经验，合适的时间、合适的地点、合适的人，才能为企业争取到一块好土地。但实际上，经过一段时间的工作，我发现精细化方法在投资规划中的应用也很深。可以提高项目投资规划的决策准确性，提高整体工作效率。

如果说运营是通过管理体系实现精细化，那么在投资决策中，就是通过多维分析实现决策过程的精细化，从而提高决策的准确性。

在这里，我想从以下四个方面谈谈我在这方面的学习、感悟和思考：

一、寻找关键因素：哪些指标影响更大

二、基本数据维度：所有投资者都关心的决策因素

三、大数据：精细化投资决策的重要工具

四、指标分解：如何拆解推演

一、寻找关键因素：哪些指标影响更大

在精细化管理课题中，为什么选择投资作为研究课题？同学们认为，精细化管理是针对公司规模化经营管理的，在管理上，需要看公司的战略对哪些因素或哪些因素更敏感，重点管理这些因素。

拿地是房地产公司的第一能力，也是我们最应该花精力研究的部分。在精细化管理中，我们也应该积累更多的数据和模型来服务这个环节。这并不是说它令人头疼。通过敏感性测量，我们可以看到各个维度对核心指标的影响。

分析方法：先模拟一个项目的沙盘，计算项目管理指标，然后调整各个指标进行敏感性分析，并尝试计算其对IRR、ROE等指标的影响。

图：项目管理指标计算的模拟方法

将可变因素分为投资因素、规划、销售、装修、成本、付款、融资（成本）、税收。通过调整变量因素，我们可以观察到IRR和ROE的变化。

图：敏感​​因子调整对投资指标的影响

观察上表可以得出一些趋势结论：

1. 首先要做的是确定你的产品类型。如果是盈利类型，则取决于利润率；如果是快速周转转型，则取决于正现金流。可以看出两者之间没有必然的联系。

2.IRR和ROE这两个指标都与利润和现金流量相关，是均衡指标。

3.对IRR影响最大的因素排名：投资>计划>销售价格上涨

4.对ROE影响最大的因素排名：投资>计划>销售>融资>成本

5. IRR偏向现金流，与去化有明显的相关性； ROE偏向于利润，与利润的关系更密切。一些大房企最关心的指标是： BGY：回归正值；万科：ROE；融创：内部收益率+利润率（与营业额相平衡）；越秀IRR+利润率：（向利润平衡）。企业评估的哪些指标会导致企业走向什么样的商业模式

6. 成本的增加或减少会影响利润，但不会影响周转时间，因为它对峰值影响不大。成本控制是在经营中保证利润，但对公司的成长和规模的增长没有直接的贡献。许多公司已经意识到，仅仅通过控制成本是无法维持增长的！目前的成本控制博弈主要是成本适应。如果影响淘汰和销售，则更倾向于通过计划和销售来提高效率。所以，建设和销售成本一定要足，严控怎么强调都不过分！

讨论后总结：

目标是：最少的资金，最短的时间，最高的利润。

拿地能力是第一能力，其次是速度、产品和销售、融资、成本控制和项目质量的能力。

这种分析方法其实只是在一级分析。同样的理论和分析方法也将应用于具体项目的敏感性分析。比如在回报的战略要求下，我们能承受的地价是多少，商业营业收入变化对回报的影响，寻找可以承受的高峰时间等。

二、基本数据维度：所有投资者都关心的决策因素

投资评估和信息收集是一个贯穿投资前、投资中、投资后的全过程。具体而言，在战略、土地信息、实地考察、项目初步判断、销售调研、强势设计、投资估算等方面，评价指标较多。其中很多环节的计算方法和数据来源也比较复杂。相信所有的投资从业者都曾在计算台前经历过伤眼、伤眼的漫漫长夜。

图：来自越秀地产华东区域投资总监郑明标

在投资房地产项目时，最需要关注的因素是净利润率、项目和股东IRR和ROE。应该说，这些概念应该是所有投资一年级的学生一开始就学习的。

在整个项目做沙盘练习的时候，我们会为这些概念整合更多的大操作思路，代入到业务分析模型中。此时，除净利润率、IRR、ROE外，现金流转正的月份（包括自有资金和项目整体转正的时间）、将考察共同投资的年化收益率。

对于房地产来说，主要看三个指标，一是区域，二是周期，三是杠杆。

在关键指标中，企业会“偏心”。比如近几年流行的BGY的快速周转模式，强调回报时间快，现金流贡献要大。有老师提到，2008年之前，房地产主要以房、质量、品牌为主，而2008年之后，以土地为主人力资本投资模型分析，征地、快速周转成为企业快速发展的重要选择。

所谓BGY的快速周转模型，就是放大和增加现金流指标贡献的重要性。现金流成为投资指标中最优先的指标。

图：现金流贡献

现金流贡献是为新项目投资贡献现金流的能力。这个概念的重点是推动这个项目对新项目的投资。

也许这张 BGY 的图片可以帮助我们更好地理解这个概念。

图片：BGY456高周转模式

上图是BGY的456高周转模型。我们可以看到，以1亿股东的原始投资，两年半内实现175亿的土地规模，10%的净利润率可以获得17.@ >5亿利润。

为了实现如此快速的扭亏为盈，BGY提到4个月开市是根本前提，5个月现金流回报是核心关键，6个月资金可用于新项目重新营业额，这才是真正的目标！

在这个模型的指导下，我们将追求更短的现金流回报周期。因为越晚恢复正常，资金需求时间越长，占用资金越长，资金压力越大。这个指标对后期影响很大。再者，我们会追求更早的开工和市场开放的要求，追求资本需求的峰值不要太高，追求更低的土地市场比……因为这些都会影响现金流回正的周期因素！

这个模块确实帮助一些公司在过去几年取得了奇迹般的发展，甚至成为了“宇宙第一的房地产公司”。但最近发生了一些事情，很多人开始反思、批评和抵制这种模式。别人开发成功的时候，我想我已经错过了抄袭，失败的时候我没有资格批评它……对我来说，这是一种启发。

无论是现金流模型还是快速周转模型，我们看到这些指标都是企业在发展过程中的战略选择，进而影响评价指标，进而推动企业发展企业各条线、各部门。改变。

一般来说，我们在投资时会综合考虑净利润率、IRR、ROE、现金流转正月份、跟投人年化收益率等几个关键指标。同时，会充分考虑自身企业在城市的定位，即所谓指标的战略选择。也就是说，要考虑公司的产品线、融资能力、拿地能力、发展战略等软性条件，进行战略性、快速周转、盈利性和盈利性的产品结构定位。平衡产品，并将其推回投资要求。实现企业定位和发展。可以看出，这些指标对整体运行影响很大。在关注和要求某些指标时，一定要考虑到这些指标对后端每一行的巨大指导和影响。

三、大数据：精细化投资决策的重要工具

在形成决策分析的过程中，数据支持是必不可少的。

随着行业的发展，市场上涌现出很多平台和专业公司，协助我们进行投资相关的市场调研。业内常用的房产数据库有中指数据、科瑞等。此外，还有地方平台和群，发布各地最新的土地信息。但说到细化这个话题，值得一提的是如何通过大数据来增加决策数据源的广度和深度。

大数据不仅可以整合海量数据，还能以数字地图的形式更直观地为分析师展示结果。

上述的投前决策分析内容，很大一部分可以是利用大数据进行平台化的地图分析，包括地块信息、人口、交通、教育、商业地产、土地供应等。 、吸收和公共设施，有200多种细分。

以地图的形式研究数据，建立维度和模型进行分析，比传统表格更直观，便于多图对比。以数据为起点，数字地图在精细化投资决策中的作用主要体现在三个方面：

第三个方面对学生认识自己的工作具有最深远的意义。现有分析结果的存储和数据库的积累，通过数字化平台，有利于未来更大时间跨度、更强能量的综合分析，也可以防范投资政策人员流失给企业带来的风险.

在大数据分析中需要注意的一件事是数据源的准确性。可以从不同渠道导入不同的数据，包括官方数据、不同监控设备、互联网平台或细分领域APP的数据。例如，土地供应数据来自官方发布平台，交通数据来自地图和地铁，日常消费可以通过移动支付APP和细分行业的服务型APP获取。这些数据的更新周期从每日到每季度不等。如果数据质量不好，需要先清洗数据再存储。

分析时要注意分析维度的匹配。并不是越详细越好，也应该避免不同维度的数据对比。如果使用数据地图，可以更灵活地调整城市级、社区级、道路级等粒度。在区域方面，您还可以在地图上定义自己的空间边界，通过调整不同的区域和维度进行比较和交叉分析。

通过数据地图，可以在多个时空维度对不同类型的城市数据进行交互查询、分析和计算。数据可以以地图的形式观察和比较，再加上人脑的分析判断，还是很爽的。

以往，公司在做轨道交通项目分析时，也引入大数据，对一定时期内入市的胶交物业地块、地块进行大数据分析和综合分析，提供为项目扩展提供参考。一组方法。如下图，（已模糊）：

大数据带给我们的信息量和思考量仍然很大。大数据让我们看到，其实只要能保证数据源的（相对）准确性，数据的平台和渠道都是技术问题，投资决策分析最重要的是要明确自己的投资逻辑。

如今，多家主流房企纷纷采用大数据和数字地图，进行更精细化的投资决策分析。这种方法已经积累了两年，在很多城市也得到了应用。遗憾的是，大湾区的数据积累水平并没有跟上其他标杆区域，还有一个过程。

对于尚未采用这种方式的企业来说，进入大数据时代是必须的，但也有阵痛。比如数据建设和数据库积累需要一个过程，另一个是平台建设和维护的资源和人力投入。

四、指标分解：如何拆解推演

我们在设计投资模型的时候，如何拆解指标，如何在推导中应用数据，是需要反复思考的关键点。我个人觉得用一组表、一组方法是不合适的。比如有的城市需要考虑所在城市群，有的项目需要放在集群中进行分析，而商业地产项目也应该有针对不同视角的指标要求，等等。

这里篇幅有限，有些问题我没有研究或思考清楚。因此，今天我就将问题简化，讨论在一定维度上拆解投资指标的思考。

如前所述，对于房地产而言，主要有三个决策指标，一是区域，二是周期，三是杠杆。我们在考虑投资的时候，一个是错开时间，找到一个好的周期来走，另一个是走空间。解决了何时何地的问题，杠杆就是如何的问题。

地区选择的一个重要方面是城市的选择。我们要解决的问题是如何在当前环境下通过城市进入评价的各个思维维度，或许这个问题有答案。

城市选择分析的前提是我们已经明确了我们的产品定位和策略。比如，无论是平衡型、快速周转，还是高利润的产品，产品的选择和企业的扩张策略都已经有些清晰了。在此基础上，作为投资逻辑的一部分，研究入城深耕的选择。

入市评价可以考虑以下几个维度：

4.1、城市价值分析

价值和价格是评判城市的重要维度。价格可能更直观地反映在市场上，价值维度需要分析。一般来说，城市的价值可以从宏观、人口、规划、市场等维度进行细分、描述、评分、排名和聚类。

对于具体的项目，每个指标都可以根据需要进行细分或细化。下表是尺寸分解设计的示例。

该方法相对简单。需要分析的城市按照维度打分，最后就可以做排名了。注意，不同的维度权重会直接影响排名结果。

4.2、城市和城市群

在某一阶段，我们将对城市进行细分，并将每个城市作为个体进行分析和比较。不过，我最近和前辈交流，看了一些研究成果。我觉得城市和城市群不应该分开。在做决策时人力资本投资模型分析，最好把他们放在城市群中做区域分析。

来源：《世邦魏理仕，2018年中国投资市场报告》

相关研究引用了城市群的几个分析维度。

例如，城市群处于什么发展阶段，是极化方式还是一体化方式。如果一个城市出现区域两极分化，其资源集聚度会更高，但一体化的整体城市群的抗风险能力可能会更高。武汉和苏州就是两个例子。

来源：《世邦魏理仕，2018年中国投资市场报告》

这是一个需要进一步考虑的问题。或许投资时要加上城市群系数？也许不能一样……因为一个事实对决策的影响是正面的还是负面的，可能是分开判断的，而不是统一标注的。比如，在一个资源比较集中的城市，产业的引进可能会比较大，但是一个综合城市群的跨区域协调可能会产生更多的创新发展机会。

因此，判断城市和城市群不仅要根据政策资源的投入强度、交通轨道的里程、城市GDP在城市群中的比重、商业发展、产业资源、人才流动等，也是决策时。根据具体投资需求进行进一步分析。

4.3、风险

风险主要考虑两个方面。一是征地方式不同，风险不同。

招标、拍卖挂牌、产业合作、旧改、并购……现在获取土地的方式有很多种。

有些人会说，最糟糕的是竞价市场，但事实并非如此。因为，在招标市场，虽然它的溢价率很低，但可以说企业的利润率会受到一定的影响，但也要看到它的风险是最低的。招标拍卖的经营风险和交易风险较低。 一、金钱具有时间价值。二是风险与收益相匹配。拍卖挂牌的土地会比较干净，只有经营风险，没有交易风险，所以会比较贵。并购项目不仅有操作风险，还有交易风险，所以会比较便宜，时间也不好把握。每个公司都应该定义自己的战略和业务线，如果负担不起，就适当地做高风险的业务。

二是投融资风险和资本化退出。

这方面涉及对房地产增长或盈利或赌博的早期投资资本要求。还涉及到市场的周期，资源的引进是否顺畅，业主的经营能力、财务、资本运作能力等。未来作为商业项目的专门研究，风险分析可能会更好。

来源：《世邦魏理仕，2018年中国投资市场报告》

总体而言，政策去杠杆化的方向，让房企资金紧张，但资本证券化打开了持有资产的窗口。未来，“控股+运营+资管”模式对投资也有新的要求，需要更精准地对运营能力、财务和资本运营能力进行有效、持续的评估，对标针对市场指标。因为归根结底，产品的接收方发生了变化，从直接买家变成了资本市场的各种投资者。在做出投资决策时，这将是一个重要的考虑因素。

4.4、交叉分析：思想讨论

入城维度有很多，可以细化地细分分析，对城市或项目进行标注和评分。对目标城市或项目进行单一维度分析后，根据价值取向和投资逻辑，对目标城市或项目进行多维度交叉分析。

在这个层面上，分析的重点不是数据，而是决策。

最近有幸与一位同样在不断思考房地产项目投资决策问题的资深大师讨论相关话题。他有一些特别好的想法，在这里我也分享一下他的观点和我的一些解读：

1、土地作为资产、金融产品

2、资产的价值和价格不一定相同，这是炒作的理论依据。

3、投资资产的基础，一是价格低于价值，二是成长性。比如茅台，PE是150，但还是有人投资。

4、投资逻辑的解决方法是首先找到具有投资价值的资产，其次公司需要具备投资能力。

这个投资逻辑的重点是发现价值、发现价格洼地、评估价格增长。

按照这个逻辑，对每个维度进行细分，用数据来描述和交叉分析，模型是全的。通过评估，可以判断哪些城市应该优先考虑，哪些城市不应该优先考虑。

分析如下（前人作品已模糊）：

六、总结

本文是对房地产投资精细化管理理论的探讨。在讨论中，我梳理了投资决策中的基本数据维度和几种决策思维方式。

随着房地产行业的发展和转型，逐渐进入后发展时代。发展时代以住宅为主，以销售为导向，强调成本、规模、速度，后发展时代是全产品线、全价值链、全周期的新环境。在后发展时代的市场环境下，信息的复杂性增加，企业不得不权衡取舍，转型变革，对数据辅助决策的需求和要求也会越来越高。通过更多的数据维度，在更多的时间和空间上对决策进行细分和比较，建立更多的数字化模型来辅助决策，应该是一种趋势。

本文更多是从空间角度讨论投资决策，并不完美。在最基本的层面上，模型也应该从空间（区域）、时间（时期）和资本（杠杆）的角度来讨论。未来，一方面要充分考虑控股资金的配置，比如在商业、工业、物流地产等支线进行补充；另一方面是企业产品线的选择和微改造，跳出住宅产品原有的多样性。未来可能需要推出财务成本更低、周期更短、制度限制更小的极端项目，以及面向整个价值链的服务型产品。我认为，在行业的未来，会有更多有趣的数字模型。

期待以后做更多有用的探索！

感谢您的阅读！