基于大数据的项目管理创新研究

文/刘巧玲，中国人民大学

所谓大数据是指，无法用常规人工手段进行整理的海量数据，该类型数据不仅无法在短时间内完成成果计算，同时还存在着无法通过简单方式转化成民众能够了解的信息的特征。与小数据分析相比，大数据分析优势更加明显，相关人员可通过对大数据变化趋势的分析，按照数据变化情况，展开恶性疾病扩散控制以及对犯罪现象进行有效打击等一系列工作，将其应用到项目管理创新工作之中，更是能为最终管理创新结果保驾护航，具有一定现实价值。

1 大数据项目管理创新背景

在此将从以下三方面入手，对项目管理创新背景展开分析：

1.1 数据规模

就数据规模角度而言，项目管理创新中所涉及到的数据规模已经远远超出传统认知，一方面在项目型组织成立之初，就一直在积累与项目有关的信息数据；另一方面在各项规章制度不断完善的过程中，项目组织与相关数据便在相关信息平台中得到了公开。同时在网络以及媒体之中，也包含着大量的信息数据。而这些数据相加，便奠定了项目管理创新的数据规模，其可以为创新工作开展提供源源不断的数据支持。

1.2 数据来源与结构

通过分析可以发现，大数据有着较为突出的多源异构特征，在进行项目管理创新过程中，所涉及到的各项数据不仅来源于项目以及组织本身，同时还有可能来自于网络媒体、政府相关部门或者其他组织。而其异构性主要体现在两个方面：第一，数据表现形式。在项目管理创新之中，数据表现形式并不统一，可以是电子形式，也可以是音像制品或者纸质等形式；第二，使用角度。就使用角度而言，创新工作所涉及到的数据有结构化、非结构化以及半结构化等形式。

1.3 数据动态性角度

就数据动态性角度而言，项目型组织以及项目本身等数据，都有着较为明显的动态化特点，一直处于不断积累的状态之中。而对数据流进行处理的方式，能够为项目管理创新提供无限可能。

总之，大数据已经成为项目管理创新的基本背景。

2 基于大数据的项目管理创新

为实现理想化大数据项目管理模式，做好项目管理创新工作，企业需要对数据处理过程予以高度重视，要通过对各项资料进行查询的方式，构建起相应的项目管理创新模型，以为创新工作顺利开展提供保障。

2.1 数据获取与创新问题界定

在进行模型构建时，技术人员首先要对项目管理创新必要性进行评估，要通过对BIM技术的运用，将各项数据以三维立体化形象呈现出来，并要做好数据转化，以将其变为电子化信息；其次同时要在媒体上对数据进行公布，以获取相应数据；最后要按照数据分析结果，确定是否要进行项目管理创新，并做好创新问题界定。

2.2 数据处理和创新方案制定

此阶段主要以项目管理创新方案制定为主，技术人员会按照数据处理与分析结果，完成相应创新方案制定工作。项目型组织在进行数据获取时，需要对数据展开深度处理，要在对非结构化以及结构化等类型数据进行整合与提炼的基础上，通过对统计分析、云计算以及数据挖掘等技术的运用，对管理创新问题范畴进行确定，以通过分析找出创新失败或成功因素，进而提炼出创新核心问题。但需要注意的是，由于项目管理创新所涉及到的问题相对较多，数据处理结果可能会因为数据人员结构解读以及数据处理方式等方面的差异，而出现最终结果不同的状况，会对项目管理创新方案合理性以及科学性产生直接影响，所以技术人员需要做好创新方案评估与选择工作。

目前较为常用的项目管理创新方案获取方式，主要有三种：第一，由专家或者组织领导带头，按照从上到下的顺序，做好数据结果分析，以形成相应创新方案；第二，由组织工作人员负责，按照数据分析结果展开创新方案制定；第三，组织外部人员通过对网络渠道的运用，对共享平台数据进行收集与分析，从而形成的方案。在方案完成之后，技术人员要按照数据处理分析结果与方案验证等手段，从中挑选出最优创新方案，以对最终项目管理创新结果进行保证。

2.3 创新方案实施

在项目数据实施时，数据信息也在不断产生、积累，能够为共享平台建设提供可能。在实施项目创新评价时，技术人员会通过对数据实施动态化分析的方式，对创新方案优化形成有效助力，会使项目创新方案变得更加完善，以达到不断提升项目管理实施水平的目标。

2.4 创新方案提升与优化

当创新方案确定之后，其需要被应用到实际之中，会接受数据分析结果的检验，技术人员会通过对数据进行收集与分析的方式，将其运用到类似项目之中，但在实际运用时，很有可能会遇到新的困境，此时技术人员需要对相关数据展开进一步收集与分析，并合理展开方案调整，以对创新方案使用质量进行保证。

3 大数据在项目管理创新中的具体应用

3.1 项目数据采集

由于在进行项目管理时会产生大量信息数据，而这些数据所产生的时间以及内容并不相同，主要分为非结构化以及结构化两种。其中结构化数据是指，字段固定、格式统一以及可以按照关系型数据库进行定义的数据，此类型数据能够在所在系统中得到有效管理；而另外一种是非结构化数据，此类型数据格式并不固定且经常发生变化，数据随意性较强，很容易被企业所忽视，在进行数据采集以及处理时，都存在着一定的难度。

在具体进行项目数据采集过程中，首先要对大量半结构以及非结构化数据进行提炼与整合，要通过将其转化为结构化数据的方式，构建起相应项目管理数据平台；其次专业人员要对统计分析以及云计算等技术展开合理利用，要通过对项目管理问题范围进行确定的方式，构建起相应数据关联模型，以通过对模型的分析找出项目影响关键因素，从而提炼出管理核心问题；最后要对数据收集分析结果进行客观判定，要降低人为因素对最终分析结果准确性的干扰，以对结果公信度进行保证。

3.2 项目数据存储

当完成项目数据采集之后，要通过对数据进行存储的方式，为上层业务系统提供相应数据服务。在实施数据存储时，一方面要对数据实际内容进行存储；一方面要以格式化的方式对数据时间、来源以及类型和内容进行登记；另一方面要做好项目数据索引设置，以保证后续全文搜索工作开展效率。

由于项目管理创新所涉及的数据规模相对较大，且对精确性以及可靠性有着较高要求，因此在进行数据存储时也面临着较大的挑战。技术人员一般会通过增加存储硬件的方式，对项目数据处理系统存储能力进行增强。同时会通过对数据进行细化的方式，将已经分割好的数据存储在不同主机中，以对数据系统可靠性进行保证。此外由于项目数据存储需要快速搜索能力作为支撑，系统需要拥有较高水平的搜索能力以及全文索引能力，所以技术人员还要加大对这一方面功能的开发力度，要通过对数据搜索能力进行强化的方式，对项目数据分析质量进行保证。

3.3 项目数据分析与应用

科学技术的不断发展，使得计算机数据分析能力以及存储能力水平都得到了显著提升，数据收集与存储工作开展更加便利，整体数据环境也变得更加理想。通过分析可以发现，大数据分析方式和传统分析方式有着较大的差别，大数据会更加侧重对数据的分析，会以更加高效的手段完成数据分析与整理工作，不仅计算结果准确度较高，且分析结果也较为科学，能够为使用者提供更加理想的决策支持。

大数据分析对象具有结构多以及来源广等方面的特征，技术人员需要按照实际业务需求，通过各种方式对数据展开分析。目前较为常用的分析方式主要分为两类，一种是依照数据模式分析，另一种是实时分析。其中实时分析能够在短时间内获得相应分析结果，能够为数据库中信息处理群建设提供数据支持，以利用系统平台完成一系列数据分析任务。

在对项目管理数据进行应用时，因为大数据来源于多以项目内部获取为主，企业会通过对大数据的分析，不断提高自身生产能力以及竞争实力，且会通过对大数据的应用，做好项目管理信息整合工作，能够有效提升管理执行力以及预防能力，可以为项目目标落实提供有效保障。同时在利用大数据进行项目管理创新时，还可以，准确找到最佳解决方案以及调整方式，能够做好成本资源投入以及人员安排等各项配套工作，确保项目收益能够达到最优，以防止产能过剩问题出现。若项目执行期间出现周期变长状况，技术人员要及时通过对大数据分析，找出问题产生根本原因，以便快速制定出相应补救措施与解决方案，确保问题影响程度能够被控制在最低，保证项目管理可以更好地为企业进行服务。

4 结束语

通过本文对大数据项目管理创新相关内容的论述，使我们对大数据以及其在项目管理创新中的运用方式有了更加深刻的了解。各企业要明确认识到，在信息时代数据规模海量化已成为必然趋势，要加大对大数据的认知以及研究力度，并在此基础上利用其优势合理展开项目管理创新工作，确保可以通过项目数据收集、存储以及分析等一系列操作，制定出较为科学合理的项目管理创新方案，以为项目管理改革质量提供保障，确保其能够为企业带来更加可观的经济收益，以将大数据优势发挥到最大。