每当澳大利亚有人想要建造游泳池、拆除房屋或开发一块联排别墅时，他们都会向当地市政委员会提交一份开发申请（DA）。这些都是公开数据——超过18,000份申请，涵盖330多个市政委员会，每天更新。

大多数人并没有意识到，当将这些数据与其他来源结合时，它的威力有多大。我想通过展示我们用这些数据构建的内容，来说明我的意思，并描绘出可能的前景。

我们如何使用DA数据：可行性计算器

我们构建了DA Leads，以汇总来自每个澳大利亚州的开发申请。但单纯的汇总并不是最有趣的部分。

有趣的部分在于，当你将DA数据与其他数据源叠加时会发生什么。

以我们的可行性计算器为例。当一个房地产开发商输入一个地址时，后台发生的事情如下：

1. 我们从州土地登记服务（7个不同的政府GIS系统）中提取地块边界和地块面积
2. 我们从州规划方案层中查找分区和规划叠加层——遗产、洪水、林火、高度限制
3. 我们获取该郊区的中位销售价格和最近的可比案例
4. 我们使用澳大利亚标准（ResCode、NCC退距、停车要求）来估算住宅容量
5. 然后——这就是我们的DA数据发挥作用的地方——我们提取附近的开发申请，以展示该地区实际正在建设的项目

最后这一点改变了对话。开发商不仅仅是在查看理论上的分区容量。他们看到在过去6个月内，1公里范围内提交了3个联排别墅项目和2个细分项目。这是一个信号。它告诉他们该地区活跃，市政当局正在批准类似项目，并且市场有需求。

DA数据成为了更大产品中的一个模块。不是整个产品——而是一个为财务建模增加现实世界背景的组件。

模式：DA数据作为信号层

我认为大多数房地产科技公司缺少的就是这一点。DA数据不仅仅是建筑许可证的列表。它是实时反映地面情况的信号，可以作为丰富层嵌入几乎任何物业或建筑产品中。

想想单个DA记录能告诉你什么：

• 在哪里 进行建设（地址、地方政府、州、坐标）
• 什么类型 的工作（我们将每个DA通过AI分类为21个行业类别——翻新、游泳池、拆除、细分等）
• 何时 提交的，以及当前状态
• 可能花费 多少（开发的估计成本）
• 谁 在做（付费层级上的申请人姓名）

现在想象将这些信息叠加在你已有的数据之上。

你可以构建什么？

如果你正在构建一个建筑CRM：

你的用户手动管理潜在客户。如果新的潜在客户能够自动出现呢？在墨尔本西部的一个水管工可能会发现，昨天在15公里范围内提交了3个新的游泳池DA。拆除公司在拆除许可证进入系统的瞬间就会收到通知。

你不需要构建数据管道。你只需注册一个webhook，新的DA实时推送到你的系统中：

import requests

API_KEY = "dk_your_key"

BASE = "https://daleads.com.au/api/v1"
headers = {"Authorization": f"Bearer {API_KEY}"}

# 注册一个 webhook -- 当新的 DA 出现时通知
resp = requests.post(f"{BASE}/webhooks", headers=headers, json={
    "url": "https://yourapp.com/api/webhooks/new-da",

"events": "new_da",
})

您的客户关系管理系统从“用户输入潜在客户”转变为“潜在客户寻找用户”。

如果您正在构建一个房地产投资平台：

您的用户通过租金收益和资本增长来分析郊区。但他们无法看到即将发生的变化。一些郊区的分区开发申请（DA）激增，意味着该地区即将变得更加密集。一个以翻新DA为主的地区正在进行城市更新。一个拆迁许可证增加的区域可能正在从独立住宅转变为公寓。

# 在特定郊区发生了什么？
resp = requests.get(f"{BASE}/das", headers=headers, params={
    "suburb": "Brunswick",
    "state": "VIC",
    "since": "2025-10-01",
})

# 按类别计数以发现趋势
from collections import Counter

categories = Counter(da["trade_category"] for da in resp.json()["data"])
# {'Renovation': 12, 'Subdivision': 8, 'Multi Dwelling': 5, ...}

DA 数据成为你竞争对手所没有的领先指标。

如果您正在为建筑行业构建供应链或物流产品：

材料供应商只能猜测需求的走向。他们不应该这样做。如果本季度昆士兰州的游泳池需求（DA）上升了40%，这就是一个明确的信号，应该在昆士兰的仓库中储备更多的游泳池设备。如果翻新活动集中在墨尔本市中心，那么就应该在那个地方配置贸易供应库存。

# 全国统计 -- 建筑活动在哪里发生？
stats = requests.get(f"{BASE}/stats", headers=headers).json()["data"]

for state in stats["by_state"]:

print(f"  {state['state']}: {state['count']} DAs")

# 深入特定的市议会
resp = requests.get(f"{BASE}/das", headers=headers, params={
    "council": "布里斯班市议会",

"category": "Pools",
    "since": "2026-01-01",
})
print(f"布里斯班今年的泳池 DAs 数量: {len(resp.json()['data'])}")