Phần lớn thời gian của tôi dồn vào xe cũ — 1,1 triệu tin đăng, 73 khu vực, với đủ kiểu biến động giá và tin đăng lại quen thuộc. Vậy nên khi dữ liệu bất động sản bắt đầu xuất hiện trên cùng những bảng điều khiển tôi vẫn dùng cho xe, tôi không nghĩ nó sẽ khiến mình chú ý. Vậy mà nó đã, vì những lý do chẳng liên quan gì đến kế hoạch ban đầu.
Dưới đây là nhật ký, gần như theo đúng thứ tự tôi thực sự nhận ra từng thứ.
Ngày một: con số không nhúc nhích
Việc đầu tiên tôi kiểm tra với bất kỳ nguồn dữ liệu mới nào là tổng số, vì tổng số ít khi nói dối hơn bất cứ thứ gì khác trong nghề này. Bất động sản dừng ở mức 601.702 tin đăng. Ổn thôi. Rồi tôi chia nhỏ theo khu vực, và con số đó không còn giống một dự án triển khai toàn cầu nữa mà giống một dự án chỉ gói gọn trong một quốc gia kèm theo sai số làm tròn: riêng Nhật Bản đã chiếm 588.644 trong số đó. Tức là 97,8% toàn bộ nguồn dữ liệu.
Để so sánh, dữ liệu xe của chúng tôi trải rộng trên 73 khu vực mà không khu vực nào vượt quá 6% tổng số (Pháp, khu vực lớn nhất, chiếm 67.569 trên 1,1 triệu — khoảng 6,1%). Bất động sản đang có mức độ tập trung gấp mười sáu lần con số đó. Tôi đã phân vân khá lâu xem đây có phải lỗi trong bộ gắn nhãn khu vực hay không, trước khi nhớ ra điều thực sự chi phối nó: các cổng bất động sản của chính Nhật Bản niêm yết một lượng khổng lồ akiya — những căn nhà nông thôn bị bỏ hoang hoặc gần như bỏ hoang mà chính phủ đã cố gắng thanh lý trong nhiều năm, thường với mức giá khiến một chiếc Corolla cũ trông như một món hàng xa xỉ. Các cổng thông tin này đầy đủ, dễ đọc bằng máy, và đồ sộ. Còn cổng thông tin ở những nơi khác thì chưa được như vậy.
Ngày hai: đi tìm 2,2% còn lại
Tôi muốn biết "những nơi khác" trông như thế nào, nên tôi tách các khu vực ngoài Nhật Bản ra và xếp chúng cạnh nhau.
Ai Cập nhỉnh hơn Đức một chút, điều này khiến tôi bất ngờ — tôi đã đoán rằng một thị trường lớn, được ghi chép đầy đủ như Đức sẽ vượt lên trước Cairo trong một mẫu ngẫu nhiên. Sri Lanka cũng duy trì ở mức bốn chữ số ổn định. Rồi đến một vách đá: bốn nước Trung Mỹ — Guatemala, Nicaragua, Panama và El Salvador — dừng ở mức 80, 80, 80 và 78.
Ngày ba: ba con số giống hệt nhau chưa bao giờ là trùng hợp
Chính "vách đá" đó mới thực sự khiến tôi khựng lại. Ba quốc gia rơi vào đúng cùng một con số không phải là tín hiệu thị trường, đó là một dấu vân tay. Khi Guatemala, Nicaragua và Panama đều hiện đúng 80 tin đăng, đó không phải ba nền kinh tế cùng hội tụ về một quy mô tồn kho — đó là một nguồn dữ liệu thượng nguồn duy nhất với giới hạn cứng 80 trang, cấp cùng một cách cho cả ba nước. Con số 78 của El Salvador chính là bằng chứng xác nhận: đủ gần để là cùng một nguồn, đủ khác để chứng minh đây không phải lỗi copy-paste trong chính pipeline của chúng tôi. Ở đâu đó có một trang tổng hợp bất động sản khu vực giới hạn số trang kết quả miễn phí ở khoảng 80 tin đăng mỗi quốc gia, và cho đến khi chúng tôi vượt qua được giới hạn đó — lấy trực tiếp từ nguồn thay vì qua trang tổng hợp, hoặc phân trang vượt qua bất kỳ bức tường nào nó dựng lên — bốn quốc gia đó sẽ luôn hiện ra nhỏ bé giống hệt nhau bất kể thị trường thực của chúng ra sao.
Đây là phần kém hào nhoáng của việc xây dựng bất kỳ bộ dữ liệu mới nào một cách trung thực: những con số đầu tiên bạn có được không phải là thị trường, mà là hình dạng của các nguồn dữ liệu hiện tại của bạn. Tôi thà phát hiện ra điều đó ngay trong tuần đầu tiên còn hơn xuất bản một bài viết kiểu "những thị trường bất động sản nhỏ nhất Trung Mỹ" được xây dựng trên giới hạn trang của một trình quét dữ liệu.
Ngày bốn: điều thực sự khiến tôi bất ngờ
Không phải mức độ tập trung ở Nhật Bản — tôi đã lường trước phần nào điều đó ngay từ đầu, vì biết rằng phần lớn tín hiệu bất động sản của chính chúng tôi vốn đã đến từ các nguồn Nhật Bản ở mảng xe cộ. Điều khiến tôi bất ngờ là vấn đề chất lượng dữ liệu lại dễ nhận ra đến vậy mà không cần công cụ đặc biệt nào. Bạn không cần nền tảng thống kê để nhận ra ba con số 80 liên tiếp. Bạn chỉ cần nhìn các con số theo đúng thứ tự, và đó gần như là toàn bộ công việc này.
Nó cũng khiến tôi nhìn lại một điều về dữ liệu xe của chúng tôi mà tôi đã ngừng để ý vì đã quá quen: 73 khu vực với sự phân bố thực sự đồng đều, không khu vực nào vượt quá 6,1%, được nuôi bởi 1.375 nguồn độc lập — sự phân bố đó không phải trạng thái tự nhiên của một bộ dữ liệu được thu thập, mà là kết quả của tám năm chủ động vượt qua đúng loại "bức tường tổng hợp" vừa xuất hiện vào ngày ba của nguồn dữ liệu bất động sản. Từng khu vực trong số 73 khu vực đó ban đầu đều trông giống như Guatemala.
Hiện tại nó đang ở đâu
Bất động sản chưa phải là một sản phẩm — đó là một tín hiệu chúng tôi đang theo dõi trong khi mảng xe cộ vẫn tiếp tục vận hành, một dòng trong lộ trình dài hơn hướng tới phạm vi bất động sản rộng hơn. Nhưng một tuần theo dõi nó dần lấp đầy là một lời nhắc nhở khá hữu ích về thứ tự thực sự của các bước vận hành: đưa nguồn dữ liệu lên, nghi ngờ những con số tròn trịa, tìm ra bức tường, rồi xây cách vượt qua nó. Nhật Bản sẽ thôi chiếm 97,8% nguồn dữ liệu này theo đúng cách mà Pháp, chứ không phải UAE hay Nhật Bản, đã vươn lên dẫn đầu số liệu xe của chúng tôi — bằng cách bổ sung thêm nguồn cho đến khi không một nguồn nào có thể vô tình thống trị tổng số.
