Imobiliarele rămân partenerul minor al companiei. Mașinile sunt afacerea de bază; imobiliarele sunt lucrul pe care am început să-l explorăm pentru că infrastructura de scraping era deja construită și nimeni nu a putut rezista tentației de a vedea ce altceva poate extrage. Cea mai mare parte a setului de date imobiliare provine dintr-o singură țară, Japonia, la o scară care face ca orice altă țară să pară o eroare de rotunjire. Dar eroarea de rotunjire înseamnă totuși vreo 13.000 de anunțuri, iar acum trei săptămâni am decis să le citesc efectiv, nu doar să le număr.
15 septembrie. Am extras un eșantion din Egipt, Germania și Sri Lanka — singurele trei regiuni, în afară de Japonia, cu suficiente rânduri cât să le numim „piață", nu doar o schiță. Alte patru țări (Guatemala, Nicaragua, Panama, El Salvador) există și ele în date, fiecare înghețată la exact 80 de anunțuri, ceea ce e o poveste separată pe care n-o voi relua aici — e un nivel de listă de așteptare, nu o piață activă, și a rămas neatinsă de la înghețarea extinderii. Ce mi-am dorit de data asta au fost cele trei care sunt efectiv crawlate în mod continuu.
Prima impresie: anunțurile din Egipt citesc ca o țară cu două piețe imobiliare reale într-o singură piele. Anunțurile de apartamente din Cairo și Alexandria, dense și tranzacționale, stau în același flux cu chalet-urile de pe Coasta de Nord și de la Marea Roșie, care sunt în mod clar prețuite pentru cumpărători de reședințe secundare și descrise aproape exclusiv în termeni de distanță până la plajă. Nimic din datele despre mașini nu seamănă cu asta — un Hyundai second-hand nu are o identitate dublă în funcție de orașul în care e parcat.
19 septembrie. Germania e cea care m-a surprins cel mai mult, și nu într-un sens bun. Mă așteptam ca anunțurile imobiliare germane să fie dominate de vânzări — germanii sunt faimoși ca națiune de chiriași, e adevărat, dar sursele pe care le extragem înclină spre anunțuri prin agenții, iar eu am presupus că asta înseamnă stoc de vânzare. Greșit. O parte semnificativă din ce extragem este Mietwohnung — apartamente de închiriat — amestecate cu anunțurile de vânzare într-un mod care, dacă vom construi vreodată un model de preț imobiliar german pe baza acestor date, are nevoie de propriul filtru înainte ca cineva să aibă încredere într-o cifră rezultată din el. În acest moment, fluxul brut nu distinge chiria de vânzare suficient de clar ca să mă simt confortabil numind ceva „preț tipic".
24 septembrie. Sri Lanka mi-a luat mai mult timp să o înțeleg pentru că anunțurile sunt cu adevărat mai variate pe cap de locuitor decât cele din Egipt sau Germania. Apartamente din Colombo, bungalow-uri din epoca colonială în zona montană, parcele de teren pe litoral în sud — e un set de date mic (4.006 anunțuri) care acoperă o țară cu arhetipuri imobiliare extrem de diferite în funcție de regiune, iar această variație se manifestă ca zgomot, nu ca semnal, la această dimensiune a eșantionului. Am notat în acea zi: „asta e cea în care aș avea cel mai puțină încredere într-un model și cea mai multă într-un om." Rămâne valabil.
29 septembrie. M-am întors la cifrele brute ca să-mi verific lectura calitativă față de numere, pentru că trei săptămâni de anecdote te pot convinge de o poveste care nu există de fapt. Egipt: 4.427. Germania: 4.230. Sri Lanka: 4.006. Suficient de apropiate una de alta încât niciuna dintre cele trei nu e „cea reală" iar celelalte doar o anexă — sunt practic la egalitate, ceea ce nu era evident doar din răsfoit, pentru că anunțurile din Egipt păreau mai numeroase.
Privește acel grafic alături de faptul că Japonia singură reprezintă 588.644 din cele 601.702 de rânduri imobiliare totale, și obții forma onestă a acestui vertical în acest moment: o piață enormă, matură, pe care o măsurăm cu adevărat, trei piețe mici dar reale pe care abia începem să le înțelegem, și patru locuri rezervate care așteaptă ca cineva să decidă că merită dezvoltate. Nu e o plângere — mașinile au trecut prin exact aceeași pâlnie, doar pe o perioadă mai lungă și cu mult mai multe surse.
3 octombrie. Ultima notă înainte de a scrie acest articol. Am căutat un lucru anume: anunțurile din Egipt, Germania și Sri Lanka afișează prețuri consecvent în moneda locală, sau există genul de haos în etichetarea valutară care ne-a mușcat mai mult de o dată pe partea de mașini (am avut surse care raportau tăcut în unitatea greșită, iar asta ne-a costat un bug de 1000x în analiza prețurilor la mașini mai devreme anul acesta)? Răspuns scurt: în mare parte consecvent, dar anunțurile de închiriere din Germania poartă uneori o cifră lunară alături de prețul total al unui anunț de vânzare, fără nimic în textul brut care să le diferențieze în afară de context, pe care un cititor uman l-ar sesiza, dar un parser nu. Asta e următoarea sarcină inginerească reală aici, nu o nouă țară.
| Piață | Anunțuri | Ce iese în evidență |
|---|---|---|
| Egipt | 4.427 | Identitate dublă: apartamente urbane vs. reședințe secundare de pe coastă |
| Germania | 4.230 | Anunțuri de închiriere și vânzare amestecate în același flux |
| Sri Lanka | 4.006 | Variație mare de arhetipuri per anunț — de la apartament, la bungalow colonial, la parcelă de teren |
Nimic din toate astea nu e pregătit pentru un model de preț așa cum e prețuirea noastră pentru mașini din Emiratele Arabe Unite. Dar acum trei săptămâni nu știam dacă aceste trei țări erau piețe reale sau doar zgomot care a reușit întâmplător să depășească un prag de număr de rânduri. Acum știu că sunt reale, știu aproximativ unde diferă structural una de alta, și știu singura reparație — separarea chiriei de vânzare în fluxul german — care trebuie să se întâmple înainte ca toate astea să devină mai mult decât un exercițiu de răsfoit. Jurnalele sunt utile mai ales pentru asta: nu pentru a găsi răspunsul, ci pentru a găsi următoarea întrebare care merită pusă.
