通过大数据的整合，克而瑞城市地图侧重研究城市未来的发展逻辑和发展趋势，以利于企业在城市中能够更加前置地寻找到更具成长性的投资区域。
一
克而瑞积极洞悉市场行情，利用数字化分析，判断城市未来发展趋势，解读板块跃迁路径，帮助企业能够更加前置的寻找到更具成长性的投资区域。截止目前，城市地图已经迭代更新到3.0版本。
二
城市地图方法论的升级优化之路
1.0版本
纯市场角度出发
城市地图1.0版本，我们从纯市场角度出发，主要研究房地产市场维度，包括各板块土地市场/新房市场/二手房市场等。
通过对房地产市场现状及增量趋势进行综合分析，划分地产基础指标和地产潜力指标两大类。建立各指标等级分数体系：通过归一化算法将各板块土地、新房及二手房各项指标分别进行同量纲化，再将可比性数据加权计算综合得分，最后将各板块得分进行标签落位。
在实际运用中，我们发现，1.0版本更多的是在用过去的指标解释未来，单指标的权重占比，缺乏统一标准。同时，当宏观环境不断变化时，政策强控下的部分指标钝化，例如地块限价时期，楼地价差逐渐被压缩至一定范围，无法体现板块之间的差异。
为了解决以上矛盾点，我们研发2.0版本，主要优化单点板块问题，解释认知对位。
2.0版本
植入板块基本配套要素
城市地图2.0版本，我们在楼市价值之下，植入板块基础配套要素进行属性交叉，回答各板块配套及房价的关联关系。
在优化扩容市场指标的同时，加入城市基本面研究，具体包括交通/教育/产业/商业/医疗/休闲等与房地产强关联性指标，考虑其现状和未来规划，不再是单一的运用历史数据指标。
从城市占位着手，结合城市POI大数据进行板块落位，再将各类标签进行分能级赋分，板块内同类标签总求和后进行密度处理。然后通过归一法将不同量纲的指标同量纲化，再将可比性数据加权计算综合得分，最后将各板块环境得分落位至环境模型中。
这一轮我们基于前期输出的地产模型及环境配套，进行属性交叉，形成综合模型。根据城市/板块自身未来规划，研判城市发展形势，未来发展方向及竞争力。
3.0版本
加入核心的人口变量因素
城市地图3.0版本，加入核心的人口变量因素，形成了人口、地产、基建三者闭环，并在基建配套流动脉络和人口流动路径等复合视角下，进行板块跃迁预判。
（1）在2.0综合模型的基础上，我们先引入板块的地理属性模型，即优先行业认知判定，结合板块发展现状及对核心区域通勤时间判定，进行城区、近郊、远郊属性落位。采用的主要研究方式有：卫星建筑影像判定、行业共识属性认定、城央距离属性认定等。
然后综合地产模型、城市配套基础、地理属性三大类指标输出土地品类结论，并对影响各板块未来发展的各因素项进行集中综合评估，最终结合城市未来供地情况，确定安全边界，给出具体的投资建议。
（2）加入核心的人口变量因素。人口分布现状分析：对各板块人口的规模、密度、薪酬、学历、消费水平、资产规模和质量特征进行。人口流动规律分析：对各板块工作和居住人口的流入和流出进行梳理，通过密度处理后，输出各板块之间的人口流动路径。
三
3.0版本
更符合行业认知，兼顾前瞻化
过去，我们过度聚焦现状数据，产生的“核心地块好，但投资难度高，不可能投资”问题，缺乏对未来发展的客观评判。
