Večino časa preživim pri rabljenih avtomobilih — 1,1 milijona oglasov, 73 regij, običajno kroženje znižanj cen in ponovnih objav. Zato ko so se nepremičninski podatki začeli pojavljati v istih nadzornih ploščah, ki jih uporabljam za avtomobile, nisem pričakoval, da me bodo pritegnili. Pa so me, in sicer iz razlogov, ki niso imeli nobene zveze z načrtom.
Tukaj je dnevnik, približno v vrstnem redu, v katerem sem stvari dejansko opazil.
Prvi dan: število, ki se ne premakne
Prvo, kar preverim pri vsakem novem viru podatkov, je skupno število, ker skupna števila v tem poslu lažejo najmanj. Nepremičnin je bilo 601,702. V redu. Nato sem številko razdelil po regijah, in ni več izgledala kot globalna uvedba, temveč kot projekt ene same države z zaokroženo napako zraven: samo Japonska je predstavljala 588,644 od teh oglasov. To je 97.8 % vsega v viru podatkov.
Za primerjavo: naši avtomobilski podatki zajemajo 73 regij, pri čemer nobena ne presega 6 % skupnega števila (Francija, naša največja, ima 67,569 od 1.1 milijona — približno 6.1 %). Pri nepremičninah je koncentracija šestnajstkrat večja. Precej sem omahoval, ali gre za napako v označevalniku regij, preden sem se spomnil, kaj v resnici stoji za tem: japonski nepremičninski portali sami po sebi navajajo ogromno količino akiya — zapuščenih ali skoraj zapuščenih podeželskih hiš, ki jih vlada že leta poskuša znebiti, pogosto po cenah, ob katerih rabljena Corolla deluje kot luksuzni nakup. Ti portali so temeljiti, strojno berljivi in ogromni. Portali drugod (še) niso.
Drugi dan: iskanje preostalih 2.2 %
Zanimalo me je, kako izgleda "vsi ostali", zato sem izločil regije zunaj Japonske in jih postavil drug ob drugega.
Egipt tesno prehiti Nemčijo, kar me je presenetilo — pričakoval bi, da bo velik, dobro dokumentiran trg, kot je nemški, v naključnem vzorcu prevladal pred Kairom. Tudi Šrilanka se drži stabilnega štirimestnega števila. Nato pride prepad: štiri srednjeameriške države — Gvatemala, Nikaragva, Panama in Salvador — imajo 80, 80, 80 in 78 oglasov.
Tretji dan: tri enaka števila nikoli niso naključje
Prav ta prepad me je dejansko ustavil. Tri države s popolnoma enakim številom niso tržni signal, temveč prstni odtis. Kadar Gvatemala, Nikaragva in Panama vse po vrsti izkazujejo natanko 80 oglasov, to ne pomeni, da so se tri gospodarstva neodvisno približala isti velikosti ponudbe — pomeni, da en sam vir podatkov nižje v verigi vse tri napaja enako, s trdo omejitvijo 80 na stran. Salvadorjevih 78 je znak, ki to potrdi: dovolj blizu, da gre za isti vir, in dovolj drugačno, da dokazuje, da ne gre za napako kopiraj-prilepi v našem lastnem cevovodu. Nekje obstaja regionalni agregator nepremičnin, ki brezplačne strani z rezultati omeji na približno 80 oglasov na državo, in dokler ga ne obidemo — z neposrednim virom namesto agregatorja ali s prelistavanjem mimo ovire, ki jo postavlja — bodo te štiri države delovale enako majhne, ne glede na to, kakšni so njihovi resnični trgi.
To je neglamurozni del poštene gradnje vsakega novega nabora podatkov: prve številke, ki jih dobiš, niso trg, temveč oblika tvojih trenutnih virov. Raje to ugotovim v prvem tednu, kot da objavim članek "najmanjši nepremičninski trgi v Srednji Ameriki", zgrajen na strani omejitvi nekega scraperja.
Četrti dan: kaj me je dejansko presenetilo
Ne koncentracija na Japonskem — to sem na nek način pričakoval že vnaprej, glede na to, koliko našega lastnega nepremičninskega signala je že prej prihajalo iz japonskih virov na avtomobilski strani posla. Presenetilo me je, kako berljiva je bila težava s kakovostjo podatkov brez kakršnega koli posebnega orodja. Za to, da opaziš tri zaporedne osemdesetice, ne potrebuješ statističnega znanja. Potrebuješ le, da si po vrsti pogledaš številke, kar je v resnici večina tega dela.
To je tudi na novo osvetlilo nekaj pri naših avtomobilskih podatkih, česar nisem več opažal, ker sem se nanje navadil: 73 regij s pristno razpršenostjo, nobena regija nad 6.1 %, 1,375 neodvisnih virov, ki jih napaja — taka porazdelitev ni naravno stanje zbranega nabora podatkov, temveč osem let namernega obhajanja prav tiste vrste agregatorske ovire, ki se je pravkar pokazala tretji dan pri nepremičninskem viru. Vsaka od teh 73 regij je na začetku izgledala kot Gvatemala.
Kje smo trenutno
Nepremičnine še niso produkt — so signal, ki ga spremljamo, medtem ko avtomobilska stran posla teče naprej, ena vrstica v daljšem načrtu proti širši pokritosti nepremičninskega trga. Toda teden dni opazovanja, kako se je nabor polnil, je bil dober opomnik na to, v kakšnem vrstnem redu stvari v resnici potekajo: spraviti vir podatkov v živo, postati sumničav do okroglih števil, najti oviro, nato pa zgraditi pot mimo nje. Japonska bo nehala predstavljati 97.8 % tega vira na enak način, kot je Francija, in ne Združeni arabski emirati ali Japonska, na koncu pristala na vrhu naših avtomobilskih števil — z dodajanjem virov, dokler noben posamezen vir po naključju ne more prevladati nad skupnim številom.
