大数据在项目管理教学中的应用

黄辉 黄玲

摘要：大数据时代的到来对传统的项目管理模式造成一定的冲击，本文将大数据与传统项目管理理论与实践相结合，并提出在实际应用中可能遇到的难点问题及应用局限性。以期丰富教学内容，培养学生创新思维。

关键词：项目管理教学；大数据；数据挖掘

中图分类号：G642.4 文献标志码：A 文章编号：1674-9324（2018）09-0249-02

引言

伴随着Web 2.0时代到来的是信息爆炸的大数据时代，21世纪以来，数据量呈指数形式在不断飞速增长，甚至有人说大数据是信息时代的新“石油”。如今，越来越多国家已经意识到大数据的重要性，并将其上升至战略层面。大数据思维作为一种前沿的创新思维如果将其引入项目管理教学当中，定能激发学生的学习兴趣，培养学生的创新思维。本文将理论与实际相结合，详细分析大数据如何应用于实际项目管理当中，希望在教学中使得学生对大数据有更加深刻的了解，让传统的理论知识变得不再枯燥。

一、大数据与项目管理的联系

1.大数据概念。大数据、人工智能、云计算当属当下最热门的研究领域，吸引了众多大型企业、政府、学术界的青睐目光。于此同时，庞大的数据量给信息管理工作带来了不小的挑战。目前较为广泛认可的大数据有5个显著的特征，大量（volume）、多样性（variety）、速度（velocity）、价值（value）、真实（Veracity）。大量是指数据量的庞大，有些企业构建的大数据平台数据单位已经高达PB级别。多样是指数据包含的信息量多种多样，粗略可以将其划分为结构化数据与非结构化数据。速度是指处理速度快，真实是指数据的真实存在，价值是指低价值性，有用的信息可能很少，在庞大的数据量下被“稀释”。大数据作为当下最热门的研究领域之一，其对管理学的发展也起到巨大的推动作用，那么何为大数据呢？大数据概念的提出者维克托·迈尔-舍恩伯格直观地解释为，大数据是指对所有的数据进行分析处理而不是采用抽样对数据进行随机分析。以大家熟知的星巴克为例，星巴克在选择门店地理位置时，利用大数据分析当地的人流量、人口密度、交通环境等关键数据信息，以保证即使两个门店位置距离相近，也能有众多的消费群。

2.大数据与项目管理的联系。以生命周期理论视角，可以将项目分为规划阶段、计划阶段、实施阶段与完成阶段，在项目的整个生命周期内，包含了大量多样的数据信息，传统的项目管理大多采用抽样数据分析或者头脑风暴法得出的结论对项目整个阶段进行改良，这些传统的做法难免忽略系统的整体性，对数据的利用效率不足。在信息化程度发达的今天，一个项目的运作可能会涉及几十个项目小组的共同协调，越复杂的项目产生的数据量越大，此时庞大的数据量即给管理者管理上带来难题，同时也是提升管理工作的一个契机，利用数据挖掘、大数据分析可以为管理者带来新的提升路径，更好的实现项目的质量、进度、成本三大目标管理。

二、大数据在项目管理教学中的意义及实际应用

1.将大数据思维引入项目管理风险意识，丰富教学内容。项目管理教学不仅应该注重课本知识，创新更是时代背景下高校大学生应该培养的基本思维。将大数据引入项目管理中是管理模式的创新，也是培养学生学习思维上的创新。大数据在项目管理中的创新应用最关键的一步体现在运用现代科学技术进行大数据挖掘，提取有效信息。目前使用广泛的数据挖掘技术主要分为：统计技术、关联规则、聚类分析、决策树、神经网络、回归分析等方法。这些技术相对于传统的抽样分析更加注重数据的全面性，起到更好把握全局的作用。例如建立施工基础大数据平台，通过观察、统计施工工人的事故发生现场，挖掘工人的不安全行为特征关联关系，可以降低事故发生率，控制安全风险。

2.理论与实践相结合，阐述大数据的实际应用。项目管理教学的目标不仅仅落脚于传授学生理论知识，理论与实践相结合能让学生理解更加深刻，提升教学效果。在实际应用中，以部门为单位构建大数据平台，如：工程施工大数据、质量大数据、技术大数据、材料大数据、财务大数据等，以材料大数据库为例，材料的购进与消耗是个有律可循的动态过程，实时记录材料的库存与消耗的数量，用数据挖掘技术探索最佳的库存量，在材料消耗供应充足的条件下保证库存量最低，从而降低库存仓储成本。以挖掘的信息为准，最后在项目每一阶段末尾整合相关数据信息，对项目的进度实行更严格的把控，在质量上更加精益求精。同时，以部门为单位可以更加明确各部门职责，探索各部门的不足之处以查缺补漏。

三、数据来源与数据分析

大数据重要的两个特点是数据的大量与多样性。那么这些数据怎么产生并收集的呢？项目在运作的过程中可能包含十几个乃至几十个项目小组的共同协调，各个小组各个部门每天都会发生各种各样的活动，数据就产生于这些活动当中，对活动的记录就成了管理者内部数据的原始来源，随着项目的进行与以往项目的经验数据，数据量也随之庞大。同时管理者也可以参照同行类似项目公开发布的数据作为外部数据的来源。将收集的数据进行大数据分析是大数据在项目管理中应用的关键一步，目前常用分析方法重要包含统计分析、聚类分析、主成分分析、回归分析、方差分析等，常用的分析软件有SAS、SPSS、Excel、S-plus、Minitab、Statistica、Eviews、Storm、Hadoop等。按照不同的数据类型、不同的需求目标可以选择适当的分析软件。以煤炭开采项目为例，井下环境的不确定性对矿工的人身安全造成威胁。利用采集的矿井的地理环境、气候变化、职工的学历背景、施工环境人因指标变化、施工的技术条件、施工地点周圍的人口密度、井下的压力变化、瓦斯的密度等数据指标或图表信息构成实时监控的庞大的数据库。将数据进行关联性分析及对比分析，总结瓦斯突出、顶板事故等发生前矿井的各项指标变化规律，同时将这些指标进行危险等级分级以便在不同的情况采取不同的应急措施，更大程度地保障员工的生命安全。

四、大数据在项目管理中的应用难点

1.复合型人才的短缺。不同的行业具有不同的行业特征，对信息整合结论做出专业的行业分析才是大数据应用的最终目的。近几年数据分析师人才不断涌现，但即对行业特点了如指掌又掌握先进的数据挖掘技术的人才依然短缺。

2.构建大数据平台需要消耗众多人力财力。就像并不是每个企业都需要严格的内部控制制度一样，并不是每个企业都需要构建自身的大数据平台。构建大数据平台意味着对原有的信息设备的优化改良并建立专门的数据挖掘部门，需要企业的大量资金和人力方面的投入，所以管理者应该视业务需求及企业战略目标而定是否需要构建大数据平台。

3.技术水平受限，数据来源有限。大数据自身的特点决定了技术人员要在短时间内处理更多的数据，技术人员可能面临的数据源有会议记录、日常文件文档、各种视频、社交媒体信息等。尽管目前有众多的分析软件可供选择，但是想在短时间内提取有用的信息难度还是不小，缺乏弹性较大的IT基础设备，有时可能需要耗费较长的时间去挖掘有价值的信息，造成管理决策的延误。同时，我国的现状是政府手里掌握大量的信息并且由于担心泄密、扰乱社会民心等多方面原因不愿意与外界共享，造成某些社会信息的获取渠道受限。此外企业与企业之间会出于自身利益的角度考虑，除了监管机构强制要求披露的财务现状等信息等，或者企业之间的战略合作并签订核心信息对外保密的合约，不愿意透露本身过多的信息，造成企业获取横向的信息受限。总体而言，大数据的外部获取渠道仍然有限。

五、结束语

信息化的快速发展使得大数据在项目管理中不断深入应用是大势所趋，虽然目前的应用程度还未广泛，尚处于起步阶段，但纵观大数据近年的发展趋势，相信不久的将来项目管理模式会受到大数据的深刻影响。将前沿科学技术与项目管理结合并引入教学当中，能提升学生的学习兴趣，同时有助于培养学生创新思维，提高自身学习能力。

参考文献：

[1]杨国涛.大数据挖掘在工程项目管理中的应用[J].城市建设理论研究（电子版），2016，（19）：13-14.

[2]董嘉炜.大数据环境下的项目管理方法改进之探索[J].项目管理技术，2015，（06）：103-106.

[3]李叶.项目管理与大数据结合[J].信息与电脑（理论版），2015，（11）：68-69.

[4]曾晖.大数据挖掘在工程项目管理中的应用[J].科技进步与对策，2014，（11）：46-48.

[5]贾红果，曹庆贵，王树立，張寿明.矿井大数据分析及职工不安全行为预控研究[J].山东科技大学学报（自然科学版），2015，（02）：14-18.