Ik heb het meeste van mijn tijd besteed aan tweedehandsauto's — 1,1 miljoen advertenties, 73 regio's, de gebruikelijke stroom van prijsdalingen en herplaatsingen. Dus toen vastgoeddata begon binnen te komen in dezelfde dashboards die ik voor auto's gebruik, verwachtte ik niet dat het mijn aandacht zou vasthouden. Toch gebeurde dat, om redenen die niets met het plan te maken hadden.
Hier is het logboek, ruwweg in de volgorde waarin ik dingen daadwerkelijk opmerkte.
Dag één: het getal dat niet beweegt
Het eerste wat ik bij elke nieuwe feed controleer is het totaal, want totalen liegen minder dan wat dan ook in dit vak. Vastgoed stond op 601.702 advertenties. Prima. Toen splitste ik het per regio op, en het getal hield op eruit te zien als een wereldwijde uitrol en begon eruit te zien als een eenlandsproject met een afrondingsfout eraan vast: Japan alleen al was goed voor 588.644 van die advertenties. Dat is 97,8% van alles in de feed.
Ter vergelijking: onze autodata bestrijkt 73 regio's waarbij geen enkele regio boven de 6% van het totaal uitkomt (Frankrijk, onze grootste, staat op 67.569 van de 1,1 miljoen — ongeveer 6,1%). Vastgoed zit op zestien keer die concentratie. Ik twijfelde er even over of dit een bug in de regio-tagger was, tot ik me herinnerde wat er eigenlijk achter zit: Japans eigen vastgoedportalen vermelden een enorme hoeveelheid akiya, de verlaten of bijna verlaten plattelandswoningen die de overheid al jaren probeert kwijt te raken, vaak tegen prijzen die een tweedehands Corolla als een luxeaankoop doen lijken. De portalen zijn grondig, machineleesbaar en enorm. Die van de rest zijn dat nog niet.
Dag twee: op zoek naar de overige 2,2%
Ik wilde weten hoe "de rest" eruitzag, dus haalde ik de niet-Japanse regio's eruit en zette ze op een rij.
Egypte doet het net iets beter dan Duitsland, wat me verraste — ik had verwacht dat een grote, goed gedocumenteerde markt als de Duitse eerder zou domineren in een willekeurige steekproef dan Caïro. Sri Lanka houdt ook een stabiel vier cijfers aan. Dan is er een klif: de vier Midden-Amerikaanse landen — Guatemala, Nicaragua, Panama en El Salvador — staan op respectievelijk 80, 80, 80 en 78.
Dag drie: drie identieke getallen zijn nooit toeval
Die klif is wat me echt deed stilstaan. Drie landen die precies op hetzelfde aantal uitkomen is geen marktsignaal, het is een vingerafdruk. Wanneer Guatemala, Nicaragua en Panama alle drie exact 80 advertenties tonen, is dat geen drie economieën die toevallig op dezelfde voorraadgrootte uitkomen — dat is één bovenliggende bron met een harde paginalimiet van 80, die alle drie op dezelfde manier voedt. El Salvadors 78 is het teken dat het bevestigt: dicht genoeg om dezelfde bron te zijn, verschillend genoeg om te bewijzen dat het geen copy-paste-fout in onze eigen pipeline is. Ergens is er een regionale vastgoedaggregator die gratis resultatenpagina's beperkt tot ongeveer 80 advertenties per land, en tot we daaromheen werken — rechtstreeks bij de bron in plaats van via de aggregator, of doorpagineren voorbij welke muur die ook opwerpt — zullen die vier landen even minuscuul overkomen, ongeacht hoe hun werkelijke markten eruitzien.
Dit is het onglamoureuze deel van het eerlijk opbouwen van een nieuwe dataset: de eerste cijfers die je krijgt zijn niet de markt, het is de vorm van je huidige bronnen. Ik ontdek dat liever in week één dan dat ik een bericht over "de kleinste vastgoedmarkten van Midden-Amerika" publiceer dat gebaseerd is op de paginalimiet van een scraper.
Dag vier: wat me echt verraste
Niet de concentratie in Japan — die had ik al half verwacht, gezien hoeveel van ons eigen vastgoedsignaal al uit Japanse bronnen kwam aan de autokant van het bedrijf. Wat me verraste was hoe herkenbaar het datakwaliteitsprobleem was zonder speciale tooling. Je hebt geen statistische achtergrond nodig om drie keer een 80 op rij te herkennen. Je hoeft alleen de cijfers op volgorde te bekijken, en dat is grotendeels waar dit werk eigenlijk uit bestaat.
Het gaf me ook een nieuw perspectief op iets van onze autodata dat ik was opgehouden op te merken omdat ik eraan gewend ben geraakt: 73 regio's met een echte spreiding, geen enkele regio boven 6,1%, gevoed door 1.375 onafhankelijke bronnen — die verdeling is niet de natuurlijke staat van een gescrapete dataset, het is acht jaar bewust omwegen zoeken rond precies het soort aggregatormuur dat net op dag drie van de vastgoedfeed opdook. Elk van die 73 regio's zag er ooit uit als Guatemala.
Waar het nu staat
Vastgoed is nog geen product — het is een signaal dat we in de gaten houden terwijl de autokant blijft draaien, één regel in een langere routekaart naar bredere vastgoeddekking. Maar een week ernaar kijken terwijl het zich vulde, was een goede herinnering aan de volgorde waarin dingen in de praktijk gebeuren: krijg de feed live, word achterdochtig bij ronde getallen, vind de muur, bouw dan een weg eromheen. Japan zal ophouden 97,8% van deze feed te zijn op dezelfde manier waarop Frankrijk, niet de VAE of Japan, uiteindelijk bovenaan onze autotellingen terechtkwam — door bronnen toe te voegen tot geen enkele meer per ongeluk het totaal kan domineren.
