房地产投资决策支持系统探讨

房地产投资不仅与国民经济的发展状况有关,而且还涉及到建筑业、金融业、商业、市政建设、能源、交通等各个重要部门。房地产市场变化快、投资巨大、风险极高,要完成这样一个决策需要决策者同时考虑主市场、材料、资金、市政建设等诸多因素,并且做出综合判断,这种复杂的决策已经很难仅凭经验正确地做出。房地产是一个综合性极强的系统工程,关系到国家、集体、个人的利益,影响到国民经济的起伏,其兴旺与低落从一个侧面反映了经济发展状况。因此,房地产业迫切需要一种能帮助决策者综合考虑多方面的因素,根据科学的决策策略,辅助决策者做出决策的工具。
决策支持系统为解决房地产投资决策中出现的种种不足提供了解决方案。决策支持系统是一种基于计算机的系统,帮助决策者通过与系统直接交互使用数据及浅析浅析模型解决非结构化的决策不足。通过决策支持系统,房地产开发商可以对要开发的项目的各种情况有一个更深入的了解,能综合各方面的因素对投资的项目做出一个合理的判断,从而减少房地产投资中的盲目性,使投资更准确,收益率更高。本文结合房地产项目投资的实际情况,提出了一种房地产投资决策支持系统,可以为房地产项目的投资提供决策支持,实现企业项目管理的快速辅助决策,提高投资者的决策水平。

一、房地产投资决策支持系统

房地产投资决策支持系统是将决策支持系统技术应用到房地产投资中,从而能有效地对房地产投资者进行辅助决策,提高决策的效率和准确性。

(一)房地产投资决策支持系统的基本功能

本系统分为房地产市场调查与预测、经济评价、风险浅析浅析和可行性报告生成等四大模块。通过房地产市场调查与预测模块,用户可以方便地了解到房地产市场的近况以及国民经济状况,并能对将来房地产市场的发展情况做出一个大概的预测。通过经济评价模块可以对所投资项目做出准确的评估,从而判断出此项目的盈利状况。风险浅析浅析模块可以对投资项目的风险作一个大体的浅析浅析,用户通过对各个投资方案的经济评价和风险的权衡,可以做出较为准确的判断。可行性报告生成模块则可以自动生成项目的可行性报告,用户可以根据具体情况来添加可行性报告中的内容。

(二)系统的基本结构

在房地产投资中遇到的可变性因素非常多,再加上房地产投资本身所具有的高风险性,这就使得传统的MIS系统不能满足房地产投资决策的需要,只有使用决策支持系统才能有效地解决这一不足。但是传统的决策支持系统也有着它的不足,不能很好的对房地产投资进行有效的辅助决策。因此,本系统借鉴了最近发展起来的决策支持系统的新技术,提出了一种新的房地产决策支持系统模型。
数据仓库、联机浅析浅析处理、数据挖掘是决策支持系统发展中的新兴技术,将这些技术引入到房地产决策支持系统中可增强系统的辅助决策功能。该系统的总体结构如图1所示。

其中,数据仓库是为了决策支持的需要而在数据库的基础上发展起来的一项新技术。数据仓库可将大量的用于事务处理的数据库中的数据进行清理、抽取和转换,按决策主体的需要重新进行组织。数据仓库中的各种数据可以适应决策不足多样性的要求,数据仓库侧重于对面向主题的数据的存储和管理。联机浅析浅析处理可以对数据仓库中的大量数据进行浅析浅析,从中提取出有用的信息,从而起到辅助决策的作用。数据挖掘是从知识发现的概念中引申出来的,把数据挖掘技术应用到数据仓库的浅析浅析可以有效地从数据仓库中挖掘出有价值的东西,从而有利于辅助决策。

二、房地产投资决策系统的相关技术

传统的决策支持系统是利用数据库、人机交互进行多模型的有机组合,辅助决策者实现科学决策的综合集成系统。自从决策支持技术形成以来,在全世界得到了广泛的应用,但是决策支持在发展中也遇到了一些不足,主要不足有以下几个方面:(1)DSS使用的数据库只能对原始数据进行一般的加工和汇总,而决策支持涉及大量历史数据和半结构化不足,传统的数据库管理系统难以求解复杂的半结构,不能满足DSS的需要;(2)决策支持系统以集成数据为基础,然而现实中的数据往往分散管理且大多分布于异构的数据平台,数据集成不易;(3)由于决策本身所涉及不足的动态性和复杂性,针对不同的情况应有不同的处理策略,而模型库提供的浅析浅析能力有限,所得到的浅析浅析结果往往不尽如人意;(4)决策支持系统的建立需要对数据、模型、知识和接口进行集成。数据库语言数值计算能力较低,因而采用数据库管理技术建立决策支持系统知识表达和知识综合能力比较薄弱,难以满足人们日益提高的决策要求。
数据仓库、联机浅析浅析处理和数据挖掘技术,给决策支持系统的发展注入了新的活力,数据仓库、联机浅析浅析处理和数据挖掘技术的出现,有利于解决上面传统的决策支持系统所遇到的不足,为决策支持的发展提供了一条新的途径。

(一)数据仓库(DW)技术

信息系统中有两种类型的数据:操作型数据和决策支持型数据。前者是由日常事务处理生成的,后者是把前者加工后(清理与集成)形成的。操作型数据服务于日常事务处理,决策支持型数据服务于信息增值。目前,理论界把存有决策支持型数据的系统称为数据仓库。当需要为决策部门提供及时、准确、详细和可靠的风险信息时,海量数据的存储与加工便成为首要不足,而这正是数据仓库的专长。

(二)联机浅析浅析处理(OLAP)

OLAP是一种决策浅析浅析工具,它是针对特定不足的联机数据访问和数据浅析浅析而产生的一种技术,它可以根据浅析浅析人员的要求,快速、灵活地对大量数据进行复杂地查询处理,并以直观的、易理解的形式将查询结果提供给各种决策人员,从而得到高度归纳的信息。OLAP是基于数据仓库的信息浅析浅析处理过程,是数据仓库的用户接口部分。通过OLAP这种独立于数据仓库的浅析浅析技术,决策者能灵活地掌握项目进度的数据,以多维的形式从多方面和多角度来观察项目进度的状态、了解项目进度的变化。OLAP技术浅析浅析策略有切片、钻取、维度自由组合、图标自由切换,并可形成表现友好、丰富的报表结果。

(三) 数据挖掘(DM)技术

数据挖掘可以称为数据库中的知识发现,是从大量数据中提取出可信、新颖有效并能被人理解的模式的高级处理过程,是数据库技术、人工智能、神经网路、机器学习等领域的交叉学科。数据挖掘是一个过程,是从大型数据库中抽取隐藏其中的可理解的可操作的信息,目的是帮助浅析浅析、决策人员寻找数据之间的关联,发现被忽略的要素,而这些信息对于决策行为是至关重要的。
数据挖掘常用的技术和算法有决策树、神经网络、概念树、遗传算法、模糊数学、统计浅析浅析、可视化技术、粗糙集、公式发现等。数据挖掘的作用是可以实现自动预测趋势和行为、关联浅析浅析、聚类等。数据仓库、联机浅析浅析处理、数据挖掘是作为三种独立的信息处理技术出现的,但都是以解决决策支持浅析浅析不足为主要驱动力量发展起来的,具有一定的联系性和互补性。其中数据仓库用于数据的存储和组织,联机浅析浅析处理集中于数据的浅析浅析,数据挖掘则致力知识的自动发现。