Saya menghabiskan sebahagian besar masa saya dengan kereta terpakai — 1.1 juta senarai, 73 wilayah, dengan gelagat biasa penurunan harga dan penyenaraian semula. Jadi apabila data hartanah mula muncul dalam papan pemuka yang sama yang saya gunakan untuk kereta, saya tidak menjangkakan ia akan menarik perhatian saya. Tetapi ia berjaya, atas sebab-sebab yang tiada kaitan langsung dengan rancangan asal.
Berikut ialah catatannya, lebih kurang mengikut susunan saya benar-benar menyedarinya.
Hari pertama: angka yang tidak berganjak
Perkara pertama yang saya semak pada mana-mana saluran data baharu ialah jumlah keseluruhan, kerana jumlah keseluruhan paling kurang menipu berbanding apa-apa jua dalam bidang ini. Hartanah mencatatkan 601,702 senarai. Baiklah. Kemudian saya pecahkan mengikut wilayah, dan angka itu tidak lagi kelihatan seperti pelancaran global sebaliknya seperti projek satu negara dengan ralat pembundaran yang melekat sekali: Jepun sahaja menyumbang 588,644 daripada senarai tersebut. Itu 97.8% daripada keseluruhan saluran data.
Sebagai perbandingan, data kereta kami merangkumi 73 wilayah tanpa mana-mana satu pun melebihi 6% daripada jumlah keseluruhan (Perancis, wilayah terbesar kami, mencatatkan 67,569 daripada 1.1 juta — kira-kira 6.1%). Hartanah pula berjalan pada kepekatan enam belas kali ganda itu. Saya berulang-alik memikirkan sama ada ini pepijat dalam pengesan wilayah sebelum saya teringat apa yang sebenarnya mendorongnya: portal hartanah Jepun sendiri menyenaraikan jumlah akiya yang sangat besar — rumah luar bandar yang ditinggalkan atau hampir ditinggalkan yang telah cuba dilupuskan oleh kerajaan bertahun-tahun lamanya, sering pada harga yang menjadikan sebuah Corolla terpakai kelihatan seperti pembelian mewah. Portal-portal ini menyeluruh, boleh dibaca mesin, dan amat besar. Portal-portal negara lain, belum lagi.
Hari kedua: mencari 2.2% yang selebihnya
Saya mahu tahu rupa "negara-negara lain" itu, jadi saya keluarkan wilayah bukan-Jepun dan susun mengikut kedudukan.
Mesir sedikit mengatasi Jerman, yang mengejutkan saya — saya sangka pasaran yang besar dan terdokumentasi dengan baik seperti Jerman akan mendahului sampel rawak ini sebelum Kaherah. Sri Lanka turut kekal pada angka empat digit yang stabil. Kemudian terdapat jurang mendadak: keempat-empat negara Amerika Tengah — Guatemala, Nicaragua, Panama, dan El Salvador — masing-masing berada pada 80, 80, 80, dan 78.
Hari ketiga: tiga angka yang serupa bukan kebetulan
Jurang itulah yang sebenarnya membuatkan saya berhenti seketika. Tiga negara yang mencatatkan bilangan tepat yang sama bukanlah isyarat pasaran, ia satu cap jari. Apabila Guatemala, Nicaragua, dan Panama semuanya menunjukkan tepat 80 senarai, itu bukan tiga ekonomi yang bertemu secara kebetulan pada saiz inventori yang sama — itu satu sumber huluan dengan had muka surat tegar sebanyak 80, yang memberi input yang serupa kepada ketiga-tiganya. Angka 78 bagi El Salvador ialah petunjuk yang mengesahkannya: cukup hampir untuk menjadi sumber yang sama, tetapi cukup berbeza untuk membuktikan ia bukan ralat salin-tampal dalam saluran data kami sendiri. Di suatu tempat, terdapat pengagregat hartanah serantau yang menghadkan muka surat hasil percuma kepada lebih kurang 80 senarai bagi setiap negara, dan sehingga kami mengelilinginya — mendapatkan sumber terus berbanding melalui pengagregat, atau memuka-suratkan melepasi sekatan yang ditetapkannya — keempat-empat negara ini akan kelihatan sekecil yang sama tanpa mengira rupa sebenar pasaran masing-masing.
Inilah bahagian yang tidak gemerlapan dalam membina mana-mana set data baharu secara jujur: angka pertama yang anda perolehi bukanlah pasaran sebenar, sebaliknya bentuk sumber semasa anda. Saya lebih rela mendapati perkara ini pada minggu pertama berbanding menerbitkan artikel "pasaran hartanah terkecil di Amerika Tengah" yang dibina atas had muka surat sebuah pengikis data.
Hari keempat: apa yang sebenarnya mengejutkan saya
Bukan kepekatan Jepun — saya sudah separuh menjangkakannya sejak awal lagi, memandangkan berapa banyak isyarat hartanah kami sendiri sudah pun datang daripada sumber Jepun di bahagian kereta dalam perniagaan ini. Yang mengejutkan saya ialah betapa jelasnya masalah kualiti data itu tanpa sebarang alat khas. Anda tidak perlu latar belakang statistik untuk mengesan tiga angka 80 berturut-turut. Anda cuma perlu melihat angka-angka itu mengikut susunan, dan itulah sebenarnya sebahagian besar kerja ini.
Ia juga mengubah cara saya melihat sesuatu tentang data kereta kami yang sudah lama saya tidak perasan kerana saya sudah biasa dengannya: 73 wilayah dengan sebaran yang sebenar, tiada satu wilayah pun melebihi 6.1%, 1,375 sumber bebas yang memberi input kepadanya — taburan itu bukanlah keadaan semula jadi bagi set data yang dikikis, ia adalah hasil lapan tahun sengaja mengelilingi jenis sekatan pengagregat yang sama seperti yang baru muncul pada hari ketiga saluran data hartanah itu. Setiap satu daripada 73 wilayah itu pada mulanya kelihatan seperti Guatemala.
Kedudukannya sekarang
Hartanah belum lagi menjadi produk — ia satu isyarat yang kami perhatikan sementara bahagian kereta terus beroperasi, satu baris dalam pelan hala tuju yang lebih panjang menuju liputan hartanah yang lebih luas. Tetapi seminggu memerhatikannya berkembang merupakan peringatan yang baik tentang susunan sebenar operasi berlaku: dapatkan saluran data itu berfungsi, jadi curiga terhadap angka bulat, cari sekatannya, kemudian bina jalan untuk melepasinya. Jepun akan berhenti menjadi 97.8% saluran data ini dengan cara yang sama Perancis, bukan UAE atau Jepun, akhirnya berada di puncak kiraan kereta kami — dengan menambah sumber sehingga tiada satu pun boleh menguasai jumlah keseluruhan secara kebetulan.
