大数据文摘出品
买卖房子可能是你这一辈子做的最大的一次生意了。这一点对中国人来说如此，对美国人来说也不例外。
在国内买卖房子，我们一般都会上一些App上看看那套房子值多少钱，一般来说，大家都会参考同小区类似房子的挂牌价。
当然，现在也有一些软件开发出了所谓的智能系统，你输入房子的位置、面积、层高、朝向等信息，会自动出来一个参考价格。
这种模式在国内或许用的比较少，毕竟都是小区平层房居多，跟楼下大妈和房产中介打听打听，基本也能把房子价格打听出个大概——剩下的就是讨价还价了嘛。
但是，在美国，以独栋为主的各类房产通常价格差异很大，房龄横跨上百年，建筑结构和建筑风格各异，即使是同样地段，可能交易价格会有很大的差异。
这时候，智能系统就成了主角。
也许你没有听说过Zestimate，更没有听说过Zillow公司，但是他们做的事情你一定能理解——用人工智能判断房价。
作为文摘的粉丝，多少了解一些预测系统的原理，列出尽可能多的房屋的特征，然后用大量历史数据进行训练，就能得到一个相对准确的房屋估价模型。
Zestimate做的就是这么一件事。Zestimate的数据样本究竟多大?答案是1.04亿，美国全国的住宅总共也不过2亿左右，Zillow公司占了一半。
海量数据加上这几年飞速发展的神经网络技术，Zillow公司的业务直线起飞，在整个美国，几乎所有参与房屋买卖的经理人都将Zestimate的估值作为重点参考。
就是这么一件顶着AI科技光环的公司，在11月2日宣布计划裁员2000人，约占全部员工总数的25%，一周后公司股价大跌近三分之一。
这到底是发生了什么?
我们不妨一起来看看，这个典型的AI科技公司的成长和受挫之路，对于国内很多靠着“一招鲜，吃遍天”的初创科技公司来说，有着重要的参考意义。
从招聘广告看Zestimate预测技术
一般来说，想要观察一家AI公司的核心技术，看看他们的核心业务算法工程师的招聘要求就行了。
Zestimate的核心是预测，最关键的应该是数据科学家，我们来随便看一个Zillow公司数据分析师的招聘广告是什么样。
其实还是SQL数据库、Python/R这些东西，并且尤其提到了Prophet库。
Prophet是一个专门为预测单变量时间序列数据集而设计的开源库。如果你想要自动化地寻找一组好的模型超参数，从而对拥有趋势及季节性周期变化结构的数据做出有效预测，使用Prophet来处理是一件轻而易举的事情——它本来就是为此而设计的。
很显然，Zestimate是用Prophet做时间序列预测，比如未来房子值多少钱?
但是Prophet能胜任这样的工作吗?显然并不完全能。
住房价格是随机的和综合的，因为房价是一个竞争的、高度金融化的市场价格，就像股票一样，很多时候依照历史数据得到的只是过拟合的曲线，而不能预测到未来的波动。
关于时间序列预测房价的局限性可以参考这篇博客：https://ryxcommar.com/2021/11/06/zillow-prophet-time-series-and-prices/
被AI技术砸脚的Zillow
Zillow的Zestimate估价技术在房产市场平稳的时候还是非常管用的。
根据其官网的介绍，目前Zestimate在全美国范围内针对在售房屋的价格预测偏差(median error)为 1.9%，而针对未上市房屋的价格预测偏差为 6.9%。
准确的结果使得Zillow公司不可避免的去考虑怎么通过这个估值赚钱，这就造就了“房屋翻售”(House flipping)项目的诞生。
简单来说，就是购买售价偏低的房产，进行修复和部分设施升级后再加价售出，以获取差价利润。
只不过之前这个估价购买都是有经验丰富的房产经理人完成，而Zillow则是通过机器学习技术来完成。
这种方式效率很高，但是也风险更大。
根据财经十一人的报道，新冠疫情后，美国的房地产市场急速升温。房价上涨的同期比很快从5%上下飙升到超过10%，2021年8月最高甚至达到19.8%。
Zestimate模型没有很好地应对市场的这一变化，房价波动导致模型跑偏，很多成交的房产都出现了价格倒挂，买的时候贵，翻新了再买反而便宜了。
在凤凰城，Zillow翻售后房屋放盘价格有超过九成(93%) 低于公司购入的价格。
这种失误不仅让Zillow亏钱了，还让Zillow手里持有了过多库存。
就这样，巨额亏损和现金流断裂，让Zillow挺不住了。
根据媒体报道，11月2日，Zillow发出声明，公司将放弃房屋翻售业务。声明中表示，公司的快速买卖房屋的算法+模式未能按计划发挥作用，造成巨额亏损。预计第三和第四季度的合并亏损将超过5.5亿美元。公司计划裁员2000人，约占全部员工总数的25%。声明发布后的一周内公司股价大跌近三分之一。
这样的结果给所有沉醉在数字化、大数据、AI等技术上的公司敲响了警钟，一味依靠数据分析和模型预测的业务模式，并不能应对市场的全部。市场永远是对的，一旦市场发生变化，原本让公司赚的盆满钵满的模型可能也是让公司倒下的决定性因素。
【本文是51CTO专栏机构大数据文摘的原创译文，微信公众号“大数据文摘（ id: BigDataDigest）”】
