Bất động sản vẫn là đối tác phụ trong công ty này. Xe hơi mới là mảng kinh doanh chính; bất động sản là thứ chúng tôi bắt đầu nghiên cứu vì hạ tầng scraping đã có sẵn và không ai cưỡng lại được việc thử xem nó còn kéo được gì nữa. Phần lớn dữ liệu bất động sản đó thuộc về một quốc gia duy nhất, Nhật Bản, ở quy mô khiến mọi nơi khác trông như sai số làm tròn. Nhưng sai số làm tròn đó vẫn là khoảng 13.000 tin rao bán, và ba tuần trước tôi quyết định thực sự đọc chúng thay vì chỉ đếm chúng.
15 tháng 9. Lấy mẫu từ Ai Cập, Đức và Sri Lanka — ba khu vực ngoài Nhật Bản duy nhất có đủ số dòng dữ liệu để gọi là "thị trường" chứ không chỉ là một mẩu sơ khai. Bốn quốc gia khác (Guatemala, Nicaragua, Panama, El Salvador) cũng có mặt trong dữ liệu, mỗi nước đóng băng ở đúng 80 tin rao bán, đó là một câu chuyện riêng tôi sẽ không kể lại ở đây — đó là một hạng mục danh sách chờ, không phải thị trường đang hoạt động, và nó đã nằm im từ khi đợt mở rộng bị đóng băng. Điều tôi muốn lần này là ba thị trường thực sự đang được crawl liên tục.
Cảm nhận đầu tiên: các tin rao bán ở Ai Cập đọc như một quốc gia có hai thị trường bất động sản thực sự khoác chung một lớp vỏ. Các tin căn hộ ở Cairo và Alexandria, dày đặc và mang tính giao dịch, nằm chung trong một luồng dữ liệu với các căn chalet ở North Coast và Red Sea rõ ràng được định giá cho người mua nhà thứ hai và được mô tả gần như hoàn toàn dựa trên khoảng cách tới biển. Không có gì trong dữ liệu xe hơi giống như vậy — một chiếc Hyundai cũ không có "danh tính kép" tùy theo nó đang đỗ ở thành phố nào.
19 tháng 9. Đức là nước khiến tôi bất ngờ nhất, và không phải theo nghĩa tích cực. Tôi đã kỳ vọng các tin rao bán bất động sản ở Đức sẽ chủ yếu là tin bán — người Đức nổi tiếng là một dân tộc chuộng thuê nhà, đúng vậy, nhưng các nguồn chúng tôi scrape lại nghiêng về các tin do môi giới đăng, và tôi cho rằng điều đó đồng nghĩa với hàng để bán. Sai hoàn toàn. Một phần đáng kể trong số dữ liệu chúng tôi lấy về là Mietwohnung — căn hộ cho thuê — trộn lẫn với các tin bán theo cách mà, nếu chúng tôi từng xây mô hình giá bất động sản cho Đức từ dữ liệu này, sẽ cần một bộ lọc riêng trước khi ai đó tin vào bất kỳ con số nào xuất ra từ đó. Hiện tại, luồng dữ liệu thô không phân biệt rõ ràng giữa thuê và bán đủ để tôi thấy yên tâm gọi bất cứ thứ gì là "mức giá điển hình."
24 tháng 9. Sri Lanka mất nhiều thời gian hơn để nắm bắt vì các tin rao bán ở đây thực sự đa dạng hơn tính theo đầu người so với Ai Cập hay Đức. Căn hộ ở Colombo, biệt thự kiểu thuộc địa ở vùng cao, các lô đất ven biển ở phía nam — đây là một tập dữ liệu nhỏ (4.006 tin) nhưng bao trùm một quốc gia có các dạng bất động sản khác biệt rất lớn tùy theo khu vực, và với kích thước mẫu này, sự biến thiên đó thể hiện ra như nhiễu hơn là tín hiệu. Hôm đó tôi ghi trong ghi chú: "đây là nơi tôi sẽ tin một mô hình ít nhất và tin một con người nhiều nhất." Vẫn đúng.
29 tháng 9. Quay lại các số liệu thô để kiểm tra chéo cảm nhận định tính của mình với các con số, vì ba tuần quan sát cảm tính có thể khiến ta tin vào một câu chuyện không thực sự tồn tại. Ai Cập: 4.427. Đức: 4.230. Sri Lanka: 4.006. Gần nhau đến mức không có nước nào là "cái thực sự" còn lại là phụ — ba nước gần như ngang nhau, điều này không rõ ràng chỉ qua việc lướt xem vì các tin ở Ai Cập tạo cảm giác có nhiều hơn.
Nhìn vào biểu đồ đó cùng với thực tế là riêng Nhật Bản đã chiếm 588.644 trong tổng số 601.702 dòng dữ liệu bất động sản của chúng tôi, và bạn sẽ thấy rõ hình dạng thật của mảng này lúc này: một thị trường khổng lồ, trưởng thành mà chúng tôi đang đo đạc một cách thực chất, ba thị trường nhỏ nhưng có thật mà chúng tôi đang bắt đầu hiểu, và bốn vị trí giữ chỗ chờ ai đó quyết định chúng có đáng xây dựng thêm hay không. Đó không phải một lời phàn nàn — mảng xe hơi cũng đi qua đúng cái phễu này, chỉ là trong một khung thời gian dài hơn và với nhiều nguồn dữ liệu hơn.
3 tháng 10. Mục ghi cuối trước khi viết bài này. Tôi đi tìm một điều cụ thể: liệu các tin rao bán ở Ai Cập, Đức và Sri Lanka có định giá bằng nội tệ một cách nhất quán, hay có kiểu lộn xộn trong việc gắn thẻ loại tiền tệ từng gây rắc rối cho chúng tôi nhiều lần ở mảng xe hơi (chúng tôi đã từng có các nguồn âm thầm báo cáo sai đơn vị, và nó đã gây ra một lỗi phân tích giá sai lệch 1000 lần cho xe hơi hồi đầu năm nay). Câu trả lời ngắn: phần lớn là nhất quán, nhưng các tin cho thuê ở Đức đôi khi mang một con số theo tháng nằm cạnh tổng giá bán của một tin khác mà không có gì trong văn bản thô phân biệt hai loại đó ngoài ngữ cảnh mà một người đọc sẽ nhận ra còn một bộ phân tích tự động thì không. Đó là nhiệm vụ kỹ thuật thực sự tiếp theo ở đây, không phải một quốc gia mới.
| Thị trường | Số tin rao bán | Điểm đáng chú ý |
|---|---|---|
| Ai Cập | 4.427 | Danh tính kép: căn hộ đô thị so với nhà nghỉ dưỡng ven biển |
| Đức | 4.230 | Tin cho thuê và tin bán trộn lẫn trong cùng một luồng dữ liệu |
| Sri Lanka | 4.006 | Độ biến thiên loại hình cao trên mỗi tin — từ căn hộ đến biệt thự thuộc địa đến lô đất |
Không cái nào trong số này đã sẵn sàng cho một mô hình giá theo cách mà mô hình giá xe hơi của chúng tôi ở UAE đã đạt được. Nhưng ba tuần trước tôi còn không biết liệu ba quốc gia này có phải là thị trường thực sự hay chỉ là nhiễu tình cờ vượt qua một ngưỡng số dòng dữ liệu. Giờ tôi biết chúng là thật, tôi biết tương đối rõ chúng khác nhau ở đâu về cấu trúc, và tôi biết một việc cần sửa — tách riêng thuê và bán trong luồng dữ liệu của Đức — phải được thực hiện trước khi tất cả những điều này trở thành hơn một bài tập quan sát. Nhật ký thường có ích nhất ở điểm đó: không phải để tìm ra câu trả lời, mà để tìm ra câu hỏi tiếp theo đáng đặt ra.
