描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787521725841
聚焦数智化，开拓新领域：数智化在信息技术领域是比较领先的科技应用。市面上，地产行业尚未出现以“数智化”为核心卖点的相关书籍。
提供数智化决策工具，重构企业经营管理模型：为地产企业提供数据化、智能化管理决策和业务作业工具，对地产企业的货值、利润、现金流进行从集团到区域和项目的全面预控、预演、预警和预测。
集结管理创新实践，提升行业风险防控能力：对万科、碧桂园、融创、龙湖、世茂等头部房企在经营管理数智化探索方面进行总结梳理，助力提升整个行业的预测、预演、预警、预控管理水平。
地产行业进入新周期，环境多变，竞争激烈，业务复杂，风险频发。地产企业需要建立预见性4P体系，实现大运营智能决策。
预见性4P体系是指，在地产行业全周期、全层级、全专业、全项目、全业态的视角下，以预测（prospect）、预演（preview）、预警（pre-alert）、预控（pre-control）为手段，以货值、利润、现金流为核心工作对象，以数据模型和逻辑运算为驱动，以数据化、智能化平台为依托，实现战略、经营、业务一体化的运营管理体系。
预见性4P体系广泛应用于大运营管理的核心业务场景，包括投前测算、投后运营、经营监控、动态货值、战略推演等。预见性4P体系有助于提升投资质量、运营效能，能够促进投资收益的扩大化和抵御经营风险，是房企总裁、业务总监、一线员工进行管理和业务决策的新一代智能工具。
本书分析了预见性4P体系产生的行业周期特点，阐述了4P的具体内容、理念、逻辑和应用场景，总结了行业经典案例的打法和特点，重点呈现了该体系的构建步骤、数据资源、平台保障和实施准备，*后还提供了重点城市行业环境的数据分析、前10强房企经营与运营的数据指标分析。这是对标杆房企数智化实践的深度总结，是对地产大运营新发展的系统梳理，希望能够给管理决策者带来更多启发和借鉴
序
趋势篇
第一章 环境分析：房地产行业跨入低增长周期
第一节 宏观环境分析：人口与城镇化的推动力在减弱
一、人口增长持续走低，将进入0.3% 的低速新区间
二、城镇化率平均增速将降低至1%左右
三、土地成交体量将保持在4% 的低速增长区间
第二节 行业分析：量价全面进入低增长阶段
一、销售面积累计增长：峰值更低，周期更长
二、未来三年商品房销售面积或将持续负增长
三、全国商品房销售额增长放缓
四、房价指数将降低至5%以下
第二章 经营分析：房企权益净利持续低增长
第一节 利润为王：权益净利是房企经营决策更核心的指标依据
一、权益净利指标体系的价值与修正逻辑
二、权益净利进入中低速增长阶段
三、四项子指标的周期性变化趋势
四、权益净利分析体系的四大应用场景
第二节 权益利润之争：前10 强房企谁是未来的利润之王
一、趋势分析：中海超越房企三巨头
二、增长率分析：融创、碧桂园成为高基数、高增长的代表
三、预测分析：万科一路攀升将重回行业第一
四、前10强均值趋势：规模和利润影响权重逐步加大
第三章 运营分析：低增长时代的精益运营之道
第一节 15家标杆房企精益运营指标分析
一、房企的发展能力指标
二、房企的杠杆能力指标
三、房企的周转能力指标
四、房企的赢利能力指标
第二节 核心能力评级：三大梯队能力变迁
一、第一梯队：发展能力和赢利能力将持续强化
二、第二梯队：周转能力、赢利能力和发展能力都将得到强化
三、第三梯队：发展能力和杠杆能力将持续强化
理念篇
第四章 预见性经营决策4P体系，为经营决策服务
第一节 房企经营预测三要素
一、三要素经营逻辑
二、房地产行业的经营管理现状
第二节 爱德地产的4P经营逻辑
一、资产保值与增值：落专业、控减损、促增长
二、销售与投资管理：“预警”联动“预控”，防患于未然
三、投后运营管理：“预警”未来，溯源归因，推导当下决策管理
第五章 预测：把业务经验沉淀为数据测算模型
第一节 业务预测识别销售与利润风险
一、缺少全局观或使销售下滑
二、缺少决策力易使实效与初衷不匹配
三、缺少预测体系给企业带来的痛点
第二节 三大层级预测提升经营决策速度和质量
一、预测内容：从项目到公司的三大层级
二、项目层级预测价值：全周期保障投资收益
三、公司层级预测价值：预控全年经营目标
四、动态调整预测：有效应对变化和风险
五、预测体系的三大管理价值
第三节 动态预测的三大核心
一、动态模型：实现多层级经营数据的输出
二、投前预测核心：自动化运算的策略和参数
三、项目经营预测的核心：三次干预四级控制下的平滑术
四、动态调整预测的核心：敏感性分析
第六章 预演：从战略目标到业务运营的场景化推导
第一节 预演的价值：避免战略规划的盲目
一、没有战略规划，经营计划越调越乱
二、个人意志代替战略规划，存在很大的盲目性
三、预演体系的价值：以科学规范体系助力战略目标高效落地
第二节 集团战略目标和业务计划的预演
一、趋势推演：确定集团的远期战略目标
二、目标分解：确定各层级的远期战略目标
三、业务推演：确定年度核心业务计划和资金缺口
第三节 确定战略实施路径和项目经营计划
一、项目推演的整体框架 088
二、战略调整：“两上两下”形成最终的战略目标
三、战略检视：评估目标和计划的合理性
四、推演结果：输出四个层面的成果
第四节 预演难点：利益冲突产生经营风险
一、运营数据辅助交圈决策
二、战略沟通：多业务条线交圈，制定策略
三、战略测算：快速调用内置标准化参数
四、战略评价：从交圈视角分析战略目标的合理性
第七章 预警：经营过程风险的预先识别与控制
第一节 风险管理痛点及应对工具
一、风险管理实践中的五大痛点
二、风险管理的思路和逻辑
三、风险管理闭环
第二节 风险识别：建立识别标准和框架
一、定量风险：基于经营目标卡位标准，识别指标达成类风险
二、定性风险：基于公司职能条线梳理核心业务点，识别业务风险
第三节 风险预警：主动识别，分级推送
一、设计指标达成类风险的预警机制
二、主动 被动管理，实现业务风险预警
第四节 风险寻源：定位业务着力点，提出解决方案
一、指标树寻源法
二、数据图谱寻源法
三、定位业务着力点，直接指导业务操作
四、敏感性分析，提出多项解决方案
第五节 风险跟踪：杜绝类似的风险再次发生
一、实施风险评价及考核，增强执行的主动性
二、做好风险后评估，杜绝发生同样风险
三、完善风险数据库，为其他项目提供对策查询
第八章 预控：标准卡位的预实分析，前瞻性保障经营目标的实现
第一节 五大管控场景下的五维设计
一、价值规划：五个管控场景，实现多层级管理目标
二、价值落地：五个维度设计，完成数智化运营系统落地
第二节 建立目标管控体系
一、管理痛点：不联通、不准确、不动态
二、管控地图：按层级、角色分解经营目标
三、建立经营运营卡位标准
四、管理协同：跨职能线、跨层级的协同型经营管理
五、跟踪调整：基于目标及评判标准，进行风险预警
第三节 预实分析与在线激励
一、预实分析展示：根据各层级目标预实数据形成分析简报
二、基于卡位标准，预判企业经营健康程度
三、考核监控：基于经营指标动态结果进行在线激励
案例篇
第九章 预测案例：1 000亿级快周转型X企的经营预测实践
第一节 动态货值预测管理，保障销售与利润最大化
一、管理目标：动态货值预测，支撑供销存业务管理
二、管理痛点：基础数据维护不及时、版本管理不完善、缺少预判性
三、改进方向：及时性、全面性和预判性
四、预测关键点：差异化、多版本、阶段性、预实管理
第二节 动态货值预测的核心：对未售货值进行动态预测
一、操盘项目的动态货值预测：按天实时获取项目数据
二、未售货值价格预测的要点和重点
三、管理闭环：形成全周期供货、销售、回款、交楼全链条的预测
四、分析结果看板展示，实现动态跟踪及预警
第十章 预演案例：2 000亿级均衡型H企盈利战略的数智化推演
第一节 确定诉求，规划蓝图
一、找痛点：数据采集精度低，推演分析不全面
二、明确诉求：围绕盈利目标进行智能化的战略推演
三、规划蓝图：搭建智能化、多元化的盈利规划测算平台
第二节 实施战略推演，在线测算与调整
一、汇总现有项目和虚拟项目，形成战略目标
二、损益线与现金流线并行，测算盈利结果
三、优化测算结果，保障盈利规划目标
第三节 输出盈利目标，辅助经营决策
一、明确运营方向：将盈利规划目标转换为业务管理目标
二、辅助管理决策：将盈利规划动态数据应用于业务场景
三、盈利规划信息化的价值
第十一章 预警案例：3 000亿级利润型S企的指标预警与风险寻源
第一节 集团预算视角下的三级预警机制
一、集团三级管控场景下预警对标刻度设计
二、区分三大版本，建立预警指标的关联
三、灵活设计三级预警流程
四、分级展示预警结果，增加切换和跳转功能
第二节 项目全周期动态收益预警管理实践
一、经营目标的风险预警
二、节点偏差的风险预警
第三节 围绕全周期和进度类目标规划风险寻源路径
一、全周期预警指标的风险寻源方式
二、进度类目标的风险寻源路径
第十二章 预控案例：4 000亿级多元化V企的目标预控与在线激励
第一节 V企线上大运营预控管理体系
一、框架：三大运营标准，四大管理标准
二、标准：三大运营标准形成线上大运营预控管理体系
三、落位：关键场景核心指标
第二节 在线激励考核，保障目标达成
一、基于全周期经营模型的激励方案，强化高周转意识
二、实时动态地跟踪目标执行计算绩效奖金
三、奖金分配细化至基础岗位，激励明确到人
四、预测可实现的奖金情况
五、奖金预测查询：提升员工积极性和管理效率
六、绩效应用的优化：更加直观地呈现奖惩预测
建设篇
第十三章 场景设计与管理规则设置
第一节 场景设计：数字化经营的第一步
一、Z企：五大场景对应五个主体
二、V企：五类管理八大场景
三、场景识别：线下场景需跟线上系统匹配
四、预警场景方案规划：查看预警、风险寻源、形成重点管理清单
第二节 管理规则设置
一、与场景对应的管理规则设计
二、指标梳理与设计
三、看板设计：指标展示设计
四、预警机制的构建：关注重点指标，设计阈值和处理机制
五、模型设计：追求测算分离，重点解决“测”的问题
第十四章 主数据管理：构建地产运营管理的数据基石
第一节 主数据构建方法
一、主数据的意义：共享高价值数据
二、数据化现状：平台建设事倍功半，数据资产未能发挥价值
三、主数据管理存在的难题
四、主数据管理目标：保障数据质量
五、主数据框架构建：实现主数据统一管理，业务统一应用
第二节 数据标准：确立定义、管理、服务三大标准体系
一、主数据定义标准
二、主数据管理标准
三、主数据服务标准
第三节 数据治理：数据平台与数据运维
一、数据治理：对现有数据改造并完成数据拉通
二、数据平台：构建统一的主数据工作平台和主数据操作入口
三、数据运维：根据主数据管理标准制定保障系统运维的流程和制度
第十五章 系统开发与平台上线
第一节 系统方案设计
一、数据探源：梳理指标，对数据来源分类
二、系统设计：进行维度设计和Cube 设计
三、输出UI 原型：多元化展现分析结果，形成管理驾驶舱
第二节 系统开发
一、模型开发：四步标准流程
二、从业务系统到多维Cube数据集成
三、规范标准化：确保开发过程有章可循
四、上线交付与运维保障
第三节 数智化经营分析平台上线
一、做什么：数智化经营分析平台的功能
二、怎么做：动态预测揭风险，智能测算找原因
数据篇
第十六章 四大都市圈核心城市发展趋势分析
第一节 人口增速分析：在低增速背景下，新一线城市具备人口资源集聚优势
一、长三角城市群：杭州、宁波人口涨幅超4%，是近年人口增长黑马
二、粤港澳大湾区城市群：规划利好明显，佛山人口总量已达800 万级别
三、京津冀城市群：天津、石家庄人口基数虽大，但人口吸附力较弱
四、成渝城市群：成都、重庆两大核心占据区域人口优势
五、趋势分析：大湾区的广深珠佛人口吸附力强劲，市场需求稳固
第二节 城镇化分析：各城市群城镇化结构有差异，协同发展为主要趋势
一、长三角城市群：各城市城镇化水平较均衡
二、粤港澳大湾区城市群：深圳城镇化率已达到100%
三、京津冀城市群：区域内城镇化水平分化严重
四、成渝城市群：成都是城镇化率唯一超70%的城市
五、走势分析：成渝、京津冀的热点二、三线城市仍将推进城镇化高速发展
第三节 土地供应分析：二线城市的土地成交市场将保持稳势发展
一、长三角城市群：杭州、南通等环沪城市高速发展
二、粤港澳大湾区城市群：广佛土地出让体量保持高水平
三、京津冀城市群：天津、石家庄土地成交量将下行
四、成渝城市群：成都土地成交发展平稳
第十七章 前10强房企经营指标趋势分析
第一节 指标原动力：四大维度分析前10强房企权益净利增长的特征
一、净资产规模分析：硬实力的比拼
二、资产产出率分析：考验下降周期里总资产周转能力
三、权益乘数分析：寻找安全高效的边界
四、净利润率分析：下降触底
第二节 前10强房企经营指标能级分析
一、“单高”型企业
二、“双高”型企业
三、“三高”型企业
第十八章 15家标杆房企运营指标趋势分析
第一节 核心能力指标趋势
一、销售面积增长率：三个梯队将保持低速增长
二、储销比：两极分化态势，一、二梯队降储销比，三梯队升储销比
三、地货比：三个梯队发展将以“稳”为主
四、销售权益比：三个梯队有微幅增长，二梯队销售权益比居高
五、存销比：两极分化态势，一、二梯队降存销比，三梯队升存销比
六、建销比：三个梯队走势平稳下降，二梯队建销比居高
七、现金幅增长，三梯队现金回笼能力强
八、净利企国企盈利居高
九、管理费用率：三个梯队走势平稳下降，二梯队房企综合治理水平最高
十、营销费用率：三个梯队有小幅增长，三梯队营销费用率逐步走高
十一、财务费用率：三个梯队走势平稳下降，三梯队房企资金管理能力较好
第二节 十大房企运营指标参考
附件
后记 万亿时代的数智化起点”
第四章 预见性经营决策4P 体系，为经营决策服务
预见未来，制胜经营。数智化运营管理的应用场景有哪些实践？如何用4P 体系诠释预见性管理？房企需要什么资源才能预测未来经营？
第一节 房企经营预测三要素
一、三要素经营逻辑
房企做经营预测，需要“数据、建模、运算”三要素的支撑（见图4-1，图略，详见纸书）。
把大量经验沉淀成数据，是指对数据进行统计、归纳、分析、提炼，再把企业的经营逻辑、管理逻辑变成符合自身需求的数学模型，最后通过平台快速运算，输出我们想要的结果。爱德地产研究院使用多维数据库快速建模、高速运算，实现用数字说话，让地产管理更智慧。
二、房地产行业的经营管理现状
目前，房地产行业的运营管理逻辑已基本打通，房企价值链上的项目投前投后全周期管理、企业生产经营管理、财务的现金流及经营管理已经相互融通，将为企业的战略目标服务。
我们发现，截至目前，众多房企缺乏关键业务的预测数据，房地产行业的数据基础依然薄弱。多年来，房企的项目多、覆盖面广，它们大多积累了大量的数据，但真正能用的却不多，这些数据无法为企业创造价值。
例如，还没有房企能做到对项目全周期销售量的准确预测，无法实现预测数据的及时更新。对于业务人员来说，他们无须做预测，仅仅依靠专业的系统就足够了。然而对于管理层来说，房企大运营没有各项业务的预测数据，就无法做运营管理。所以，房企没有高质量的预测数据，大运营管理寸步难行。
第二节 爱德地产的4P 经营逻辑
爱德地产研究院在大运营管理中提炼的预见性经营决策4P 体系——预测、预演、预警、预控（见图4-2，图略，详见纸书），有望为众多房企提供经营决策服务。
预测是整个预见性经营决策4P 体系的第一步。在这一环节，大部分数据的沉淀已成事实，还有一部分数据需要通过预测的手段来实现对业务的预见。
预测是对各项业务未来运营情况进行铺排，在项目全周期、考核周期抑或战略规划周期等时间段内对未来的业务进行预测。
很多的业务预测最终要变成一个管理场景，比如“十四五规划”便是业务预测的一个场景预演——预演十四五规划后企业的发展景象。预演的过程就是生成和公司有关的经营性目标的过程。在此基础上，4P 数智化运营平台将进行风控目标的设置。平台内部的风控分指标是经过预测和预演形成的，若某个分指标达到了设置的警戒线，该平台就会进行不同级别的报警。
预警偏差可能包括利润下跌、货值下跌、均价偏离、进度延误等。预警不是最终目的，它一定会触发平台的预控。在场景预演中，当某个指标达到预警状态时，多种有效预控手段可以解决潜在风险。也就是说，有预警就有相应的预控措施进行销项。
让预测目标与预演目标相匹配，让企业重回预定轨道，调整纠偏的过程涉及各类经营计划、注资计划等，同时会影响工程进度和去化节奏。因为实际数据发生变化，未来的预测也会顺势而变，所以整个经营决策过程又将进入预测环节。也就是说，预测是一个持续的动态更新过程，预见性经营决策4P 体系会跟随整个企业的经营过程持续地动态循环。在整个预见性经营决策4P体系中，预测的目的在于分析判断，引导预演、预警和预控这三个环节。预测的结果输出是预演、预警和预控实现的基础，这就是4P体系互相支撑的逻辑。4P体系管理方式，将推动管理的预见性，最终为决策服务。
一、资产保值与增值：落专业、控减损、促增长
国有企业的货值管理中有一条红线，代表国有资产的保值与增值。民企在货值管理中也会考虑到控制全过程的货值折损。
货值管理大屏显示的并不只是计划完成率，还会根据当下的实际完成情况，实时刷新未来计划。企业都会对货值指标的未来走势进行预测,有预测结果就会产生预警，即货值管理是与预测、预警协同的管理。
整个项目全周期是从“预”到“实”的过程，最初的项目计划全是“预”，后来项目落地全是“实”。项目全周期的核心是预控，即把每件事做好，落专业、控减损、促增长（见图4-3，图略，详见纸书）。
比如，企业是否在各专业考核中加入关于货值管理的相关考核？在设计端，除了设计好产品、完成任务计划等专业职责，从开始设计到施工图的落地，将对货值的可售率产生什么影响？能不能保障可售面积没有减损，能不能让产品价值提升？货值最终要落实到各个专业线、专业部门的管理中，由运营总监从公司层面去推动完成。
二、销售与投资管理：“预警”联动“预控”，防患于未然
如果预警已经发生，那我们该如何联动所有的预控措施防患于未然？
例如，某香港上市房企，在武汉投资准备拿下一块地，但付款时发现资金链出了问题，原因是北京某银行修正了抵押贷款放款条件，导致该房企北京销售物业的抵押贷款回款没有如期收到。
这家房企在形象进度不达标的这段时间里，会沉淀一大笔无法回流的资金，时间一长，对资金运营将产生很大的影响，便会失去原本在武汉投资拿地的机会。
经验丰富的房企应如何面对这类事情？事情一旦发生，经验型房企会立刻查看工程进度是否需要调整，还会查看哪些回款可以清欠，以此来加速回款。
更系统科学的办法是，在量化数据的加持下，房企在关键节点进行资产变现、权益变现，掌控土地的支付节奏，调整投拓计划、融资计划等，最终目的是保障全盘经营目标的实现（见图4-4，图略，详见纸书）。在风险管理中，这种方式叫风险传递，房企需要及时做出风险预案。在数智化运营平台上，我们可以基于业务数据支持，内置业务关联逻辑，让风险传递联动起来——当风险发生时，立即启动风险防控机制，随时解决问题，以保障经营目标的实现。
大量的数据需要一个内核管理，即建模。若是战略规划，用一个综合回款率来匡算即可。
随着项目的进展，测算内核的指标粒度也会更加精细，比如要细化到房源、购房贷款方式以及抵押贷款回款条件等（见图4-5，图略，详见纸书）。如果没有这些精细化的指标，风险联动就没办法进行。
三、投后运营管理：“预警”未来，溯源归因，推导当下决策管理
如果预测未来的结果不好，那么我们该怎么办？可以在当下进行决策，做调整。
例如，某标杆企业做的项目全周期预测，是在投模运维管理会上对每个项目进行全周期的回溯。从股东视角来看，他们更加关注每个月汇报的预期利润情况、预期毛利润率和回正时间。这些指标的背后是一个计算模型，该模型每个月都会预测下一个月的基于全周期的指标数据。如果出现红色预警，该模型就会按照相应的权限推送相关领导，推送的目的是让领导在当下做决策（而不是审批），从而将问题发生的概率降到最低。
比如，一旦现金流回正超过了四个月，模型就可自主寻源，先判断融资、杠杆、回款是否出现了问题，然后判断具体是哪栋楼、哪个批次、哪个节点出了问题以致影响了现金流回正时间，最后将判断结果作为决策依据提交给相关领导。
找到关键问题的诱发点，这就是溯源归因。溯源归因、及时决策，及时消除未来可能发生问题的诱因，可以让未来变得更好。
总结
现在的企业管理能否像疫情追踪那样精准地发现问题和解决问题？在疫情追踪方面，大数据发挥了很大的作用。地产企业利用的预见性经营决策4P 体系有数据、建模、运算，能够为决策提供不同导向的服务，也可以像应对疫情那样，及时发现企业的问题，将其消灭在萌芽状态。立足当下，创造未来，我们希望预见更加美好的未来。
评论
还没有评论。