สัปดาห์ที่อสังหาริมทรัพย์แอบเข้ามาในชุดข้อมูลรถมือสองของเรา

ผมใช้เวลาส่วนใหญ่อยู่กับรถมือสอง — 1.1 ล้านประกาศ, 73 ภูมิภาค, กับความปั่นป่วนตามปกติของราคาที่ลดลงและการลงประกาศซ้ำ ดังนั้นเมื่อข้อมูลอสังหาริมทรัพย์เริ่มมาปรากฏในแดชบอร์ดเดียวกับที่ผมใช้ดูรถ ผมไม่ได้คาดหวังว่ามันจะดึงความสนใจผมได้ขนาดนี้ แต่มันก็ทำได้ ด้วยเหตุผลที่ไม่เกี่ยวอะไรกับแผนงานเลย

นี่คือบันทึกเหตุการณ์ เรียงตามลำดับที่ผมสังเกตเห็นจริง ๆ

วันแรก: ตัวเลขที่ไม่ขยับ

สิ่งแรกที่ผมตรวจสอบเสมอเมื่อมีฟีดข้อมูลใหม่เข้ามาคือยอดรวม เพราะยอดรวมมักโกหกน้อยที่สุดในธุรกิจนี้ ข้อมูลอสังหาริมทรัพย์อยู่ที่ 601,702 ประกาศ โอเค ไม่มีอะไรผิดปกติ จากนั้นผมแยกตามภูมิภาค และตัวเลขก็เปลี่ยนจากหน้าตาของโปรเจกต์ระดับโลกไปเป็นโปรเจกต์ประเทศเดียวที่มีเศษตัวเลขติดมาด้วย: ญี่ปุ่นประเทศเดียวมี 588,644 ประกาศจากทั้งหมด นั่นคือ 97.8% ของทุกอย่างในฟีด

เพื่อเทียบให้เห็นภาพ ข้อมูลรถของเราครอบคลุม 73 ภูมิภาค โดยไม่มีภูมิภาคไหนเกิน 6% ของยอดรวม (ฝรั่งเศส ซึ่งเป็นภูมิภาคใหญ่ที่สุดของเรา มี 67,569 จาก 1.1 ล้าน หรือประมาณ 6.1%) ข้อมูลอสังหาริมทรัพย์กระจุกตัวมากกว่านั้นถึงสิบหกเท่า ผมคิดไปมาอยู่พักหนึ่งว่านี่เป็นบั๊กในตัวติดแท็กภูมิภาคหรือเปล่า ก่อนจะนึกขึ้นได้ว่าอะไรคือสาเหตุที่แท้จริง: พอร์ทัลอสังหาริมทรัพย์ของญี่ปุ่นเองมีรายการ akiya จำนวนมหาศาล — บ้านร้างหรือเกือบร้างในชนบทที่รัฐบาลพยายามหาทางระบายออกมาหลายปีแล้ว มักตั้งราคาต่ำจนรถ Corolla มือสองดูเหมือนของหรูไปเลย พอร์ทัลเหล่านี้ทำข้อมูลได้ละเอียด อ่านได้ด้วยเครื่อง และมีปริมาณมหาศาล ในขณะที่พอร์ทัลของประเทศอื่น ๆ ยังไปไม่ถึงจุดนั้น

วันที่สอง: ตามหาอีก 2.2% ที่เหลือ

ผมอยากรู้ว่า "ประเทศอื่น ๆ" หน้าตาเป็นอย่างไร เลยดึงภูมิภาคที่ไม่ใช่ญี่ปุ่นออกมาเรียงดู

อียิปต์แซงหน้าเยอรมนีนิดหน่อย ซึ่งทำให้ผมแปลกใจ — ผมคิดว่าตลาดขนาดใหญ่และมีข้อมูลครบถ้วนอย่างเยอรมนีน่าจะครองอันดับหนึ่งในตัวอย่างแบบสุ่มก่อนไคโรเสียอีก ศรีลังกาเองก็ยังมีตัวเลขหลักพันอย่างสม่ำเสมอ แล้วก็มาถึงหน้าผาชัน ๆ: สี่ประเทศในอเมริกากลาง — กัวเตมาลา นิการากัว ปานามา และเอลซัลวาดอร์ — อยู่ที่ 80, 80, 80 และ 78

วันที่สาม: ตัวเลขเหมือนกันเป๊ะสามตัวไม่มีทางเป็นเรื่องบังเอิญ

หน้าผาตรงนั้นแหละที่ทำให้ผมชะงักจริง ๆ การที่สามประเทศได้ตัวเลขเท่ากันเป๊ะไม่ใช่สัญญาณของตลาด แต่เป็นลายนิ้วมือ เมื่อกัวเตมาลา นิการากัว และปานามาต่างก็มีประกาศพอดี 80 รายการ นั่นไม่ใช่สามเศรษฐกิจที่บังเอิญมีขนาดสต็อกสินค้าเท่ากัน — แต่เป็นแหล่งข้อมูลต้นทางเดียวที่ตั้งเพดานหน้าไว้ที่ 80 รายการ แล้วป้อนให้ทั้งสามประเทศแบบเดียวกัน ตัวเลข 78 ของเอลซัลวาดอร์คือหลักฐานที่ยืนยันเรื่องนี้ได้ชัดเจน: ใกล้เคียงพอที่จะเป็นแหล่งข้อมูลเดียวกัน แต่ต่างกันพอที่จะพิสูจน์ว่าไม่ใช่ความผิดพลาดจากการก็อปวางในไปป์ไลน์ของเราเอง ที่ไหนสักแห่งต้องมีตัวรวบรวมข้อมูลอสังหาริมทรัพย์ระดับภูมิภาคที่จำกัดจำนวนหน้าผลลัพธ์ฟรีไว้ที่ประมาณ 80 รายการต่อประเทศ และจนกว่าเราจะหาทางเลี่ยงมันได้ — ไม่ว่าจะดึงข้อมูลตรงจากแหล่งแทนที่จะผ่านตัวรวบรวม หรือไล่หน้าถัดไปให้พ้นกำแพงที่มันตั้งไว้ — สี่ประเทศนี้ก็จะยังดูเหมือนมีตลาดเล็กจิ๋วเท่ากันหมด ไม่ว่าตลาดจริงของแต่ละประเทศจะเป็นอย่างไร

นี่คือส่วนที่ไม่หรูหราเลยของการสร้างชุดข้อมูลใหม่อย่างซื่อตรง: ตัวเลขแรกที่คุณได้มาไม่ใช่ตัวแทนของตลาด แต่เป็นรูปร่างของแหล่งข้อมูลที่คุณมีอยู่ตอนนี้ ผมขอรู้เรื่องนี้ตั้งแต่สัปดาห์แรกดีกว่าไปตีพิมพ์บทความ "ตลาดอสังหาริมทรัพย์เล็กที่สุดในอเมริกากลาง" ที่สร้างขึ้นจากขีดจำกัดหน้าเว็บของสคริปต์ดึงข้อมูล

วันที่สี่: สิ่งที่ทำให้ผมประหลาดใจจริง ๆ

ไม่ใช่การกระจุกตัวของญี่ปุ่น — ผมคาดไว้ครึ่งหนึ่งอยู่แล้วตั้งแต่ต้น เพราะสัญญาณอสังหาริมทรัพย์ของเราเองก็มาจากแหล่งข้อมูลญี่ปุ่นเป็นส่วนใหญ่อยู่แล้วในฝั่งข้อมูลรถ สิ่งที่ทำให้ผมประหลาดใจคือปัญหาคุณภาพข้อมูลนี้มองเห็นได้ชัดเจนขนาดนี้โดยไม่ต้องใช้เครื่องมือพิเศษอะไรเลย คุณไม่จำเป็นต้องมีพื้นฐานสถิติเพื่อสังเกตเห็นเลข 80 เรียงกันสามตัว แค่ต้องมองตัวเลขตามลำดับ ซึ่งก็คืองานส่วนใหญ่ที่ผมทำอยู่จริง ๆ

มันยังทำให้ผมมองข้อมูลรถของเราในมุมใหม่ ซึ่งเป็นสิ่งที่ผมเลิกสังเกตไปแล้วเพราะคุ้นชินกับมันเกินไป: 73 ภูมิภาคที่กระจายตัวอย่างแท้จริง ไม่มีภูมิภาคไหนเกิน 6.1% มีแหล่งข้อมูลอิสระ 1,375 แหล่งป้อนเข้ามา — การกระจายตัวแบบนั้นไม่ใช่สภาพธรรมชาติของชุดข้อมูลที่ดึงมาจากเว็บ แต่เป็นผลจากแปดปีที่เราตั้งใจเลี่ยงกำแพงของตัวรวบรวมข้อมูลแบบเดียวกับที่เพิ่งโผล่มาในวันที่สามของฟีดอสังหาริมทรัพย์ ทุก ๆ หนึ่งใน 73 ภูมิภาคนั้นเคยหน้าตาเหมือนกัวเตมาลามาก่อนทั้งนั้น

ตอนนี้มันอยู่ตรงไหน

อสังหาริมทรัพย์ยังไม่ใช่ผลิตภัณฑ์ — มันคือสัญญาณที่เรากำลังเฝ้าดูอยู่ ในขณะที่ฝั่งรถยังคงเดินหน้าต่อไป เป็นเส้นทางหนึ่งในแผนงานระยะยาวที่มุ่งสู่การครอบคลุมอสังหาริมทรัพย์ที่กว้างขึ้น แต่การเฝ้าดูมันค่อย ๆ เติมเต็มตลอดหนึ่งสัปดาห์ก็เป็นเครื่องเตือนใจที่ดีถึงลำดับที่งานจริง ๆ มักดำเนินไป: เปิดฟีดให้ใช้งานได้ก่อน แล้วเริ่มสงสัยตัวเลขกลม ๆ จากนั้นตามหากำแพง แล้วค่อยหาทางสร้างเส้นทางผ่านมันไป ญี่ปุ่นจะเลิกเป็น 97.8% ของฟีดนี้ในแบบเดียวกับที่ฝรั่งเศส ไม่ใช่สหรัฐอาหรับเอมิเรตส์หรือญี่ปุ่น ขึ้นมาเป็นอันดับหนึ่งในยอดนับรถของเรา — ด้วยการเพิ่มแหล่งข้อมูลเรื่อย ๆ จนไม่มีแหล่งไหนครองส่วนแบ่งยอดรวมได้โดยบังเอิญอีกต่อไป