Ĉi tiu serio de artikoloj estas dediĉita al la studo de konstrua agado en la ĉefa urbo Silicon Valley - San Francisco. San-Francisko estas la teknologia "Moskvo" de nia mondo, uzante sian ekzemplon (kun la helpo de malfermaj datumoj) por observi la evoluon de la konstrua industrio en grandaj urboj kaj ĉefurboj.
La konstruado de grafikaĵoj kaj kalkuloj estis efektivigita en (sur la platformo Kaggle.com).
Datumoj pri pli ol miliono da konstruaj permesiloj (rekordoj en du datumaroj) de la Konstruministerio de San Francisco - permesas analizi ne nur konstruan agadon en la urbo, sed ankaŭ kritike pripensu lastaj tendencoj kaj historio de evoluo de la konstruindustrio dum la lastaj 40 jaroj, inter 1980 kaj 2019.
Malfermaj datumoj ebligas esplori ĉefaj faktoroj, kiuj influis kaj influos la evoluon de la konstruindustrio en la urbo, dividante ilin en "eksteraj" (ekonomiaj eksplodoj kaj krizoj) kaj "internaj" (la influo de ferioj kaj laŭsezonaj-jaraj cikloj).
Enhavo
Malfermaj datumoj kaj revizio de bazliniaj parametroj.
Ĉi tio ne estas traduko de la artikolo. Mi skribas en LinkedIn kaj por ne krei grafikaĵojn en pluraj lingvoj, ĉiuj grafikaĵoj estas en la angla.
Ligo al la dua parto:
Datumoj pri Konstrupermesilo de Urbo de San-Francisko - De Open Data Portal - . La portalo havas plurajn datenojn pri la temo de konstruado. Du tiaj datumaroj stokas kaj ĝisdatigas datumojn pri permesoj donitaj por konstruado aŭ riparo de objektoj en la urbo:
- (850 mil rekordoj)
- (280 mil registroj, datumoj estas elŝutitaj kaj ĝisdatigitaj ĉiusemajne)
Ĉi tiuj datumaroj enhavas informojn pri eldonitaj konstrupermesiloj, kun diversaj karakterizaĵoj de la objekto por kiu la permesilo estas eldonita. Suma nombro de enskriboj (permesoj) ricevitaj en la periodo 1980-2019 - 1 permesiloj.
La ĉefaj parametroj de ĉi tiu datumaro, kiuj estis uzataj por analizo:
- dato_permesilo - dato de kreado de la aplikaĵo (fakte, la tago en kiu komenciĝas konstrulaboroj)
- Priskribo — priskribo de la aplikaĵo (du aŭ tri ŝlosilvortoj priskribante la konstruprojekton (laboron) por kiu la permesilo estis kreita)
- kalkulita_kosto — taksita (taksita) kosto de konstrulaboro
- reviziita_kosto - reviziita kosto (kosto de laboro post revalorigo, pliigo aŭ malpliigo de la komencaj volumoj de la aplikaĵo)
- ekzistanta_uzo - tipo de loĝejo (unu-, dufamilia domo, apartamentoj, oficejoj, produktado, ktp.)
- poŝtkodo, loko — poŝtkodo kaj objektokoordinatoj
Ĉiujara konstruagado en San Francisco
La suba grafikaĵo montras la parametrojn kalkulita_kosto и reviziita_kosto prezentita kiel distribuo de la totalkosto de laboro laŭmonate.
data_cost_m = data_cost.groupby(pd.Grouper(freq='M')).sum()Por redukti monatajn "outliers", monataj datumoj estas grupigitaj laŭ jaro. La grafikaĵo de la kvanto de investita mono laŭ jaro ricevis pli logikan kaj analizeblan formon.
data_cost_y = data_cost.groupby(pd.Grouper(freq='Y')).sum()
Surbaze de la ĉiujara movo de la sumo de kostoj (ĉiuj permesiloj por la jaro) al urbaj instalaĵoj ekonomiaj faktoroj kiuj influis de 1980 ĝis 2019 estas klare videblaj pri la nombro kaj kosto de konstruprojektoj, aŭ alie pri investoj en San Francisco-lokposedaĵo.
La nombro da konstrupermesiloj (la nombro da konstrulaboroj aŭ la nombro da investoj) dum la pasintaj 40 jaroj estis proksime rilata al ekonomia agado en Silicon Valley.
La unua pinto de konstruagado estis asociita kun la elektronika furoraĵo de la mez-80-aj jaroj en la valo. La rezultinta elektroniko kaj bankrecesio en 1985 sendis la regionan dom-aŭ-termerkaton en malkreskon post kiu ĝi ne resaniĝis dum preskaŭ jardeko.
Post tio, du pliajn fojojn (en 1993-2000 kaj 2009-2016) antaŭ la kolapso de la Dotcom-veziko kaj la teknologia eksplodo de la lastaj jaroj La konstruindustrio de San Francisco spertis parabolan kreskon de kelkmil procentoj..
Forigante la mezajn pintojn kaj trogojn kaj lasante la minimumajn kaj maksimumajn valorojn por ĉiu ekonomia ciklo, estas klare, kiel grandaj merkataj fluktuoj turmentis la industrion dum la lastaj 40 jaroj.
La plej granda pliiĝo en investo en konstruo okazis dum la punktokomerca ekprospero, kiam inter 1993 kaj 2001 10 miliardoj USD estis investitaj en renovigado kaj konstruo, aŭ ĉirkaŭ 1 miliardo USD je jaro. Se ni kalkulas per kvadrataj metroj (la kosto de 1 m² en 1995 estas $3000), tio estas proksimume 350 m000 jare dum 2 jaroj, ekde 10.
La kresko de ĉiujaraj totalaj investoj dum ĉi tiu periodo sumiĝis al 1215%.
La firmaoj kiuj luis konstruekipaĵon dum tiu periodo estis similaj al la firmaoj kiuj vendis ŝovelilojn dum la orfebro (en la sama regiono en la mid-19-a jarcento). Nur anstataŭ ŝoveliloj, en la 2000-aj jaroj jam ekzistis gruoj kaj betonpumpiloj por nove formitaj konstruentreprenoj, kiuj volis gajni monon pro la konstrueksplodo.
Post ĉiu el la multaj krizoj, kiujn la konstruindustrio travivis tra la jaroj, dum la venontaj du post-krizaj jaroj, investoj (kvanto de petoj por permesoj) por konstruado malpliiĝis je almenaŭ 50% ĉiufoje.
La plej grandaj krizoj en la konstruindustrio de San Francisco okazis en la 90-aj jaroj. Kie, kun periodeco de 5 jaroj, la industrio aŭ falis (-85% en la periodo 1983-1986), poste denove altiĝis (+895% en la periodo 1988-1992), restante jare en 1981, 1986, 1988. , 1993 - samnivele.
Post 1993, ĉiuj postaj malkreskoj en la konstruindustrio sumiĝis al ne pli ol 50%. Sed proksimiĝanta ekonomia krizo (pro COVID-19) povus krei rekordan krizon en la konstruindustrio en la periodo 2017-2021, kies malkresko jam en la periodo 2017-2019 sumiĝas al pli ol 60%.
San Francisco-kresko de loĝantaro dinamiko en la periodo 1980-1993 ankaŭ montris preskaŭ eksponencan kreskon. La ekonomia forto kaj noviga energio de Silicon Valley estis la solida fundamento sur kiu la hiperbolo de la Nova Ekonomio, la Usona Renesanco kaj la punktokomoj estis konstruitaj. Ĝi estis la epicentro de la nova ekonomio. Sed kontraste kun la pliiĝo en nemoveblaĵoj, post la punkto-kompinto, la loĝantaro fakte altebeniĝis.
Antaŭ la punktocom-pinto en 2001, ĉiujara loĝantarkresko ekde 1950 estis ĉirkaŭ 1% jare. Tiam, post la kolapso de la veziko, la enfluo de nova loĝantaro malrapidiĝis kaj ekde 2001 estis nur 0.2 procentoj jare.
En 2019 (por la unua fojo ekde 1950), la kreskdinamiko montris elfluon de loĝantaro (-0.21% aŭ 7000 XNUMX homoj) de la urbo San-Francisko.
Atendo kaj realo kiam vi preparas kostajn taksojn
En la uzataj datumoj, datumoj pri la kosto de permesilo por konstruprojekto estas dividitaj en:
- originala taksita kosto (kalkulita_kosto)
- kosto de laboro post revalorigo (reviziita_kosto)
Dum prosperaj tempoj, la ĉefa celo de revalorigo estas pliigi la komencan koston, kiam la investanto (la konstrukliento) montras apetiton post la komenco de konstruado.
Dum krizo, ili provas ne superi la taksitajn kostojn, kaj la komencaj taksoj spertas preskaŭ neniujn ŝanĝojn. (krom la 1989-datita sismo).
Laŭ la grafikaĵo konstruita sur la diferenco inter la revalorita kaj laŭtaksa kosto (revised_cost - estimated_cost), oni povas observi ke:
La kvanto de kostopliiĝo dum revalorigo de la volumeno de konstrulaboro rekte dependas de la ekonomiaj eksplodcikloj
data_spread = data_cost.assign(spread = (data_cost.revised_cost-data_cost.estimated_cost))
Dum periodoj de rapida ekonomia kresko, klientoj de laboro (investantoj) elspezas siajn financojn sufiĉe malavare, pliigante siajn petojn post la komenco de laboro.
La kliento (investanto), sentante sin finance memcerta, petas al la konstruentreprenisto aŭ arkitekto etendi la jam eldonitan konstrupermeson. Ĉi tio povas esti decido pliigi la komencan longon de la naĝejo aŭ pliigi la areon de la domo (post la komenco de laboro kaj la emisio de konstrupermeso).
Ĉe la pinto de la punktokoma epoko, tiaj "aldonaj" elspezoj atingis "krom" 1 miliardon jare.
Se vi rigardas ĉi tiun tabelon jam en procentŝanĝo, tiam la maksimuma kresko de la takso (100% aŭ 2 fojojn la originala taksita kosto) okazis en la jaro antaŭ la tertremo kiu okazis en 1989 proksime de la urbo. Mi supozas, ke post la tertremo, konstruprojektoj, kiuj komenciĝis en 1988, postulis, post la tertremo en 1989, pli da tempo kaj monrimedoj por efektivigo.
Male, malsupreniĝa revizio de la taksita kosto (kiu okazis nur unufoje dum la periodo de 1980 ĝis 2019) plurajn jarojn antaŭ la tertremo estas supozeble pro la fakto ke kelkaj projektoj komencitaj en 1986-1987 estis frostigitaj aŭ investoj en tiuj projektoj estis tranĉitaj. malsupren. Laŭ horaro averaĝe por ĉiu projekto komencita en 1987 - la redukto de la laŭtaksa kosto estis -20% de la origina plano.
data_spred_percent = data_cost_y.assign(spred = ((data_cost_y.revised_cost-data_cost_y.estimated_cost)/data_cost_y.estimated_cost*100))
Pliiĝo en la komenca taksita kosto de pli ol 40% indikis aŭ estis eble sekvo de la proksimiĝanta veziko en la financa kaj poste la konstrua merkato.
Kio estas la kialo de la malkresko de la disvastiĝo (diferenco) inter la taksitaj kaj reviziitaj kostoj post 2007?
Eble investantoj komencis zorge rigardi la nombrojn (la averaĝa kvanto dum 20 jaroj pliiĝis de $ 100 mil al $ 2 milionoj) aŭ eble la konstrusekcio, malhelpante kaj malhelpante emerĝantajn vezikojn en la nemoveblaĵo-merkato, enkondukis novajn regulojn kaj limigojn por redukti eblajn manipuladojn. kaj eblaj riskoj kiuj aperos dum krizaj jaroj.
Konstrua agado depende de la sezono de la jaro
Grupigante la datumojn laŭ kalendaraj semajnoj de la jaro (54 semajnoj), vi povas observi konstruan aktivecon en la urbo San-Francisko depende de sezoneco kaj tempo de jaro.
Antaŭ Kristnasko, ĉiuj konstruorganizoj provas ricevi permeson por novaj "grandaj" projektoj ĝustatempe. (samtempe! la nombro! de permesoj en ĉi tiuj samaj monatoj samnivelas dum la tuta jaro). Investantoj, planantaj akiri sian posedaĵon ene de la venonta jaro, faras kontraktojn en la vintraj monatoj, kalkulante je grandaj rabatoj (ĉar someraj kontraktoj, plejparte, finiĝas antaŭ la fino de la jaro kaj konstruentreprenoj interesiĝas. en ricevado de novaj kandidatiĝoj).
Antaŭ Kristnasko, la plej grandaj kvantoj da petskriboj estas prezentitaj (pliiĝo de mezumo de 1-1,5 miliardoj monate ĝis 5 miliardoj nur en decembro). Samtempe, la tuta nombro de aplikoj por monato restas sur la sama nivelo (vidu malsupran sekcion: statistikoj pri totala nombro da aplikoj laŭ monato kaj tago)
Post la vintraj ferioj, la konstrua industrio aktive planas kaj efektivigas "Kristnaskajn" mendojn (preskaŭ sen plialtiĝo de la nombro de permesoj) por liberigi rimedojn je la mezo de la jaro (antaŭ la festotago de Sendependeco) antaŭ la nova. ondo de someraj kontraktoj komenciĝas tuj post la junia feriado.
data_month_year = data_month_year.assign(week_year = data_month_year.permit_creation_date.dt.week)
data_month_year = data_month_year.groupby(['week_year'])['estimated_cost'].sum()
La samaj procentaj datumoj (oranĝa linio) ankaŭ montras, ke la industrio funkcias "glate" dum la tuta jaro, sed antaŭ kaj post la ferioj, agado pri permesoj pliiĝas al 150% en la periodo inter la semajno 20-24 (antaŭ Sendependeca Tago), kaj malpliiĝas tuj post la ferio ĝis -70%.
Antaŭ Haloveno kaj Kristnasko, agado en la konstruindustrio de San Francisco pliiĝas je 43% dum la semajno 44-150 (de malsupro ĝis pinto) kaj poste malpliiĝas al nulo dum la ferioj.
Tiel, la industrio estas en sesmonata ciklo, kiu estas apartigita de la ferioj "Usona Sendependeca Tago" (semajno 20) kaj "Kristnasko" (semajno 52).
Totala nemoveblaĵa investo en San Francisco
Surbaze de datumoj pri konstruaj permesiloj en la urbo:
La totala investo en konstruprojektoj en San Francisco de 1980 ĝis 2019 estas $ 91,5 miliardoj.
sf_worth = data_location_lang_long.cost.sum()
La totala merkata valoro de ĉiuj loĝdomaj bienoj en San Francisco taksita per domimpostoj (estante la taksita valoro de ĉiu lokposedaĵo kaj ĉiuj personaj posedaĵoj posedataj de San Francisco) .
En kiuj areoj de San Francisco investis dum la lastaj 40 jaroj?
Uzante la Folium-bibliotekon, ni vidu kie ĉi tiuj 91,5 miliardoj USD estis investitaj laŭ regiono. Por fari tion, grupiginte la datumojn per poŝtkodo, ni reprezentos la rezultajn valorojn per cirkloj (la funkcio Rondo el la biblioteko Folium).
import folium
from folium import Circle
from folium import Marker
from folium.features import DivIcon
# map folium display
lat = data_location_lang_long.lat.mean()
long = data_location_lang_long.long.mean()
map1 = folium.Map(location = [lat, long], zoom_start = 12)
for i in range(0,len(data_location_lang_long)):
Circle(
location = [data_location_lang_long.iloc[i]['lat'], data_location_lang_long.iloc[i]['long']],
radius= [data_location_lang_long.iloc[i]['cost']/20000000],
fill = True, fill_color='#cc0000',color='#cc0000').add_to(map1)
Marker(
[data_location_mean.iloc[i]['lat'], data_location_mean.iloc[i]['long']],
icon=DivIcon(
icon_size=(6000,3336),
icon_anchor=(0,0),
html='<div style="font-size: 14pt; text-shadow: 0 0 10px #fff, 0 0 10px #fff;; color: #000";"">%s</div>'
%("$ "+ str((data_location_lang_long.iloc[i]['cost']/1000000000).round()) + ' mlrd.'))).add_to(map1)
map1
Estas klare el la regionoj ke Plejparto de la kukaĵo logike iris al DownTown. Simpliginte la grupigon de ĉiuj objektoj laŭ distanco al la urbocentro kaj la tempo necesa por atingi la urbocentron (kompreneble, ankaŭ multekostaj domoj estas konstruitaj ĉe la marbordo), ĉiuj permesoj estis dividitaj en 4 grupojn: 'Urbocentro' , '<0.5H Urbocentro', '< 1H Urbocentro', 'Ekster SF'.
from geopy.distance import vincenty
def distance_calc (row):
start = (row['lat'], row['long'])
stop = (37.7945742, -122.3999445)
return vincenty(start, stop).meters/1000
df_pr['distance'] = df_pr.apply (lambda row: distance_calc (row),axis=1)
def downtown_proximity(dist):
'''
< 2 -> Near Downtown, >= 2, <4 -> <0.5H Downtown
>= 4, <6 -> <1H Downtown, >= 8 -> Outside SF
'''
if dist < 2:
return 'Downtown'
elif dist < 4:
return '<0.5H Downtown'
elif dist < 6:
return '<1H Downtown'
elif dist >= 6:
return 'Outside SF'
df_pr['downtown_proximity'] = df_pr.distance.apply(downtown_proximity)El la 91,5 miliardoj investitaj en la grandurbo, preskaŭ 70 miliardoj (75% de ĉiuj investoj) investitaj en riparoj kaj konstruado estas en la urbocentro. (verda zono) kaj al la urba areo en radiuso de 2 km. de la centro (blua zono).
Meza laŭtaksa kosto de konstrua aplikaĵo laŭ urbodistrikto
Ĉiuj datumoj, kiel kun la totala investa kvanto, estis grupigitaj per poŝtkodo. Nur ĉi-kaze kun la averaĝa (.mean()) laŭtaksa kosto de la aplikaĵo per poŝtkodo.
data_location_mean = data_location.groupby(['zipcode'])['lat','long','estimated_cost'].mean()
En ordinaraj areoj de la urbo (pli ol 2 km de la urbocentro) - la meza taksita kosto de konstrua aplikaĵo estas $50 mil.
La meza taksita kosto en la urbocentro estas proksimume trioble pli alta ($150 mil ĝis $400 mil) ol en aliaj areoj ($30-50 mil).
Aldone al la kosto de tero, tri faktoroj determinas la totalkoston de hejmkonstruado: laboro, materialoj, kaj registaraj kotizoj. Ĉi tiuj tri komponantoj estas pli altaj en Kalifornio ol en la resto de la lando. La konstruregularoj de Kalifornio estas konsideritaj iuj el la plej ampleksaj kaj striktaj en la lando (pro tertremo kaj mediaj regularoj), ofte postulante pli multekostajn materialojn kaj laboron.
Ekzemple, la registaro postulas konstruistojn uzi pli altkvalitajn konstrumaterialojn (fenestroj, izolajzo, hejtado kaj malvarmigosistemoj) por atingi altajn energiefikecnormojn.
El la ĝeneralaj statistikoj pri la averaĝa kosto de permesila peto, elstaras du lokoj:
- Trezora Insulo - artefarita insulo en Golfo de San-Francisko. La meza laŭtaksa kosto de konstrupermeso estas 6,5 milionoj USD.
- Misio-Bay - (populacio 2926) La meza laŭtaksa kosto de konstrupermeso estas 1,5 milionoj USD.
Fakte, la alta averaĝa apliko en ĉi tiuj du areoj rilatas kun la malplej nombro da petoj por ĉi tiuj poŝtaj lokoj (145 kaj 3064 respektive, konstruo sur la insulo estas tre limigita), dum por la resto de la poŝtkodoj - XNUMXkaj la periodo 1980-2019 ricevis proksimume 1300 aplikojn jare (entute averaĝe 30 -50 mil aplikaĵoj por la tuta periodo).
Laŭ la parametro "nombro da aplikaĵoj", perfekte egala distribuo de la nombro da aplikoj per poŝtkodo tra la urbo estas rimarkebla.
Statistiko pri la totala nombro de aplikoj laŭ monato kaj tago
Ĝeneralaj statistikoj pri la totala nombro de aplikaĵoj laŭ monato kaj semajnotago inter 1980 kaj 2019 montras tion La plej trankvilaj monatoj por la konstrusekcio estas la printempa kaj vintra monatoj. Samtempe, la kvanto de investoj specifitaj en aplikoj multe varias kaj diferencas de monato al monato kelkfoje (vidu aldone "Konstrua agado depende de la sezono"). Inter la semajnotagoj, lunde la ŝarĝo sur la fako estas proksimume 20% malpli ol en aliaj tagoj de la semajno.
months = [ 'January', 'February', 'March', 'April', 'May','June', 'July', 'August', 'September', 'October', 'November', 'December' ]
data_month_count = data_month.groupby(['permit_creation_date']).count().reindex(months)
Dum junio kaj julio estas praktike samaj laŭ la nombro de aplikaĵoj, laŭ la totala taksita kosto la diferenco atingas 100% (4,3 miliardoj en majo kaj julio kaj 8,2 miliardoj en junio).
data_month_sum = data_month.groupby(['permit_creation_date']).sum().reindex(months)
La estonteco de la konstruindustrio de San Francisco, antaŭdirante agadon laŭ ŝablonoj.
Fine, ni komparu la konstruagado-diagramon en San-Francisko kun la Bitcoin-prezdiagramo (2015-2018) kaj la ora prezo-diagramo (1940 - 1980).
Ŝablono (el la angla ŝablono - modelo, specimeno) - en teknika analizo stabilaj ripetaj kombinaĵoj de prezo, volumeno aŭ indikilo datumoj estas nomitaj. Analizo de ŝablonoj baziĝas sur unu el la aksiomoj de teknika analizo: "historio ripetas sin" - oni kredas, ke ripetitaj kombinaĵoj de datumoj kondukas al simila rezulto.
La ĉefa ŝablono, kiu povas esti vidita sur la jara agado-diagramo estas Ĉi tio estas tendenca inversa ŝablono "Kapo kaj Ŝultroj". Tiel nomata ĉar la diagramo aspektas kiel homa kapo (pinto) kaj ŝultroj sur la flankoj (pli malgrandaj pintoj). Kiam la prezo rompas la linion konektanta la trogojn, la ŝablono estas konsiderita kompleta kaj la movado verŝajne estos malsupren.
Movadoj en aktiveco en la konstrua industrio de San Francisco preskaŭ tute koincidas kun la altiĝo de la prezo de oro kaj bitcoin. La historia agado de ĉi tiuj tri prezoj kaj aktiveco-diagramoj montras rimarkindajn similecojn.
Por povi antaŭdiri la konduton de la konstrua merkato en la estonteco, necesas kalkuli la korelacian koeficienton kun ĉiu el ĉi tiuj du tendencoj.
Du hazardaj variabloj estas nomitaj korelaciitaj se ilia korelacia momento (aŭ korelacia koeficiento) estas malsama de nulo; kaj estas nomitaj nekorelaciaj kvantoj se ilia korelacia momento estas nul.
Se la rezulta valoro estas pli proksima al 0 ol al 1, tiam ne utilas paroli pri klara ŝablono. Ĉi tio estas kompleksa matematika problemo, kiun povas preni pli maljunaj kamaradoj, kiuj eble interesiĝas pri tiu ĉi temo.
Se! nescienca! rigardu la temon pri plua disvolviĝo de la konstrua industrio en San Francisco: se la ŝablono daŭre koincidas kun la prezo de Bitcoin, tiam laŭ tiu ĉi pesimisma opcio — eliri el la krizo en la konstruindustrio en San-Francisko ne estos facila en la tuja postkriza periodo.
Kun pli "optimisma" opcio evoluo, ripetita eksponenta kresko en la konstrua industrio estas ebla se agado ĉi tie sekvas la scenaron de "ora prezo". En ĉi tiu kazo, en 20-30 jaroj (eble en 10), la konstrua sektoro alfrontos novan kreskon en dungado kaj evoluo.
Mi rigardos pli detale individuajn sektorojn de konstruado (riparo de tegmentoj, kuirejoj, konstruado de ŝtuparoj, banĉambroj, se vi havas sugestojn pri industrioj aŭ aliaj datumoj - bonvolu skribi en la komentoj) kaj komparos inflacion por individuaj laboroj kun fiksaj tarifoj pri hipotekaj pruntoj kaj la profiteco de registaraj usonaj obligacioj (Fixed Mortgage Rates & US Treasury Yield).
Ligo al la dua parto:
Ligo al Jupyter Kajero:
Bonvolu, por tiuj, kiuj estas kun Kaggle, doni al Notebook pluson (Dankon!).
(Komentoj kaj klarigoj pri la kodo estos aldonitaj poste en Kajero)
Ligo al angla versio:
Se vi ĝuas mian enhavon, bonvolu konsideri aĉeti al mi kafon.
dankon pro via subteno!
Nur registritaj uzantoj povas partopreni la enketon. , bonvolu.
Kion la estonteco havas por la konstruindustrio de San Francisco?
-
66,7%La konstrua sektoro pli verŝajne sekvas la vojon de Bitcoin2
-
0,0%La konstrua sektoro povas sekvi la vojon de orprezoj0
-
0,0%La sektoro atendas ekzaltiĝon dum la venontaj 10 jaroj0
-
33,3%La evoluo de la sektoro ne iras laŭ ŝablonoj1
3 uzantoj voĉdonis. 6 uzantoj sindetenis.
fonto: www.habr.com