证据原则
PropTools 把注册成交价视为来源中的一项观察值，而不是估价。挂牌价、估计市值、拍卖底价与注册成交价是不同的概念，没有标注就不能混为一谈。
数据导入流程
PropTools 从 NAPIC/JPPH 官方公开的 Tableau 导出数据中导入所有州属的记录，写入一个全新的 SQLite 数据库。系统会验证必填字段与全国覆盖范围，把平方米换算成平方尺，生成确定性的记录编号，将近期数据标记为暂定，建立州属与县区汇总，然后才以原子操作替换旧数据库。更新失败或不完整时，线上继续使用上一个通过验证的数据库。
质量标记
| 状态 | 含义 | 默认处理方式 |
|---|---|---|
| 已核实 | 必填字段通过验证，且所属时期的数据已足够成熟。 | 纳入汇总统计。 |
| 暂定 | 近期申报时段，可能受注册滞后影响。 | 纳入并附警示；成交量趋势须谨慎解读。 |
| 待复核 | 每平方尺价格、价格、面积或匹配可信度异常，需要检查。 | 在原始结果中可见；可选择从截尾统计中剔除。 |
稳健统计
公开页面应在中位数旁同时显示样本数量。若某个细分市场有足够记录，PropTools 会提供原始中位数、截尾中位数、四分位距以及第 10 至第 90 百分位数。平均数不作为默认指标，因为少数异常值就足以扭曲它。
市场活跃度评分
活跃度评分是一个 0–100 的综合指标，刊登在市场分析页面上。它刻意不称为需求评分：衡量需求需要挂牌方面的数据，例如库存、挂牌天数和下架率，而 PropTools 一项都没有收集。仅凭注册成交推断需求，等于把猜测当作测量。以下每一项输入都来自官方登记数据。
activity_score =
liquidity × 0.40
+ price_momentum × 0.30
+ auction_pressure × 0.20
+ pipeline_pressure × 0.10
liquidity = percentile_rank(registered_sales among all districts)
price_momentum = normalise(five_year_median_growth, −10%, +30%)
auction_pressure = 100 − normalise(state_auction_lots_per_1000_state_sales, 0, 30)
pipeline_pressure = 100 − normalise(state_pipeline_units / state_sales × 100, 0, 60)
normalise(v, lo, hi) = clamp((v − lo) / (hi − lo) × 100, 0, 100)流动性采用百分位排名，而非缩放值：成交量横跨三个数量级，线性尺度（所有数值都挤向零）和对数尺度（成交 441 宗的县区得 55 分）都无法如实反映。拍卖与在建供应两项比率以州属成交量为基准，因为这两个来源数据集都按州属划分。两个压力项取反向，因为强制出售和未售出的未来供应都对市场不利，而非有利。
已知局限：拍卖列表与新项目登记都按州属而非县区划分，因此这两项是州属层面的信号，套用到该州的每个县区。位于拍卖量大的州属的县区，即使本地市况平稳，也会承受这份压力。请把评分当作县区之间的粗略比较，而非精确排名。
日照与单位朝向
日照工具不使用任何数据集。太阳位置采用 NOAA 的算法，日出与日落取太阳位于地平线以下 −0.833° 的时刻——这是对大气折射和太阳本身半径的标准修正，也就是历书所印、户外的人所见的那一刻。工具同时以伦敦和吉隆坡公布的历书时间核对，因为在北纬 51° 一个误差会让日出时间偏移数分钟、十分明显，而在北纬 3° 同样的误差却隐藏在全年几乎不变的昼长之中。
墙面所受能量只计直射光。大气质量采用 Kasten–Young 公式，衰减采用标准晴空近似，模型峰值为 953 W/m²，而太阳能板的额定值为 1,000 W/m²。对于垂直墙面，入射余弦为 cos(高度角) × cos(方位角 − 朝向)，所以正午最高、最强的阳光照在屋顶而不是墙上。全年每隔五天取样一次，再按 365 天换算总量。
各朝向按能量而非时数排名。时数只是替代指标，在这里会得出错误答案：在吉隆坡三月春分当天，有四个朝向在下午 3 点后同样获得 4.5 小时日照，而其中西墙所受的能量是南墙的二十多倍。晴空只是上限而非预报——马来西亚天空多云潮湿——但云层会同时削减每个朝向，所以即使总量不准，比较结果依然成立。
它不绘制阴影。阴影需要每栋建筑的高度，而马来西亚没有这方面的开放数据：在所测量的地区，OpenStreetMap 只有 5–17% 的建筑带有高度，而可作商业用途的全球卫星衍生数据集在约 100 米处便饱和，把 Merdeka 118 读成 35 米，实际高度却是 679 米。这两个数字都是实测而非假设。因此地图在街道布局上显示日出与日落的方位，并清楚说明线条穿过某栋建筑并不代表已把该建筑计算在内。
报案罪案
报案罪案数据来自 PDRM 的各县区罪案数据集，与 DOSM 的县区人口数据合并，并以每 1,000 名居民计算。单看案件数主要反映的是人口多少，因此不作为主要数字。
关键在于数据合并。PDRM 按警区报告，而警区与行政县区的范围并不相同。吉隆坡是一个县区，却分为五个警区，因此要加总。新近划出的县区往往没有自己的警区——Kuala Nerus 由 Kuala Terengganu 警区管辖，Putatan 由 Penampang 管辖——所以它的罪案计入母县区，而居民却在它自己的人口数据里。只有两个数字涵盖同一范围时，比率才成立，因此这类县区会合并报告。警方还把纳闽归在沙巴之下、布城归在吉隆坡之下，而每个州属都有一行名为“All”的合计，若与县区相加会使州属数字翻倍。
每个警区和每个人口县区都只归入一次，依据一张明确的对照表，凡不是名称直接相符的情况都注明理由。管辖范围以 PDRM 自己的名录和同期的警局名单核实，而不是从地图推断。除非结果加总后与 PDRM 自 2016 年起每一年的全国总数相符，否则构建就会失败。结果确实相符，唯独 2020 和 2021 年 PDRM 自己的雪兰莪数字前后矛盾；这些差距按确切数值记录，任何其他差距都会让构建停止。
报案罪案并非全部罪案：报案率因地点和罪行类别而异，而分母只计居民，所以旅游区和市中心的数字会偏高。这些数字描述的是一年内报到警方的案件，而不是某条街道的安全评级。
水灾损失
水灾损失数据来自 DOSM《水灾影响特别报告》（Special Report on Impact of Floods）的表 2：每个县区的住宅、车辆、商业场所和制造业损失，取自 DOSM 随每一版发布的工作簿。每一版都包含当年和前一年的数据，所以 2021 至 2025 年来自四个版本，除了首尾两年，每一年都印了两次。两次印出的数字分毫不差。
主要数字是五年内平均每间住宅的损失。总额主要反映规模，而任何单一年份主要反映那一年哪里下雨：仅 2021 年就占了五年损失的近三分之二。住宅数量采用 DOSM 自己的数字，列在每个县区旁边。DOSM 称之为“住所”（living quarters），但其数字与 2020 年人口普查的住户数相符。
每个数字使用前都经过检查。一行中的四类损失必须加总等于该行总额，各县区加总等于州属，各州属加总等于全国；然后按本网站合并后的县区，必须加总回到 DOSM 每一年的全国数字。任何一项不符都会让构建停止。来源中的三个缺陷逐一处理：沙巴的住宅数量在 2022 和 2023 年版中偏低，于 2024 年更正；自 2024 年起玻璃市被分成三部分，整个州的住宅数量被复制到其中一部分，因此改用州属行；Hilir Perak 的脚注说明包含 Bagan Datuk，而 Bagan Datuk 仍保留自己的一行，因此两者合并显示。
这些是水灾发生后评估的损失，涵盖的县区范围远大于任何一次水灾。它们不是预报，也不是水灾地图，无法说明某条街道是否会淹水。
已知局限
公开的成交数据可能缺少单位地址、卧室数量、楼层、屋况以及其他影响价值的属性。近期时段的成交量会被低估。拍卖或关系人之间的交易可能进入注册数据。盖印的买卖合约（SPA）价格可能与买家心目中的当前市值不同。