如何运用你手中的数据？

Karthik Venka-tasubramanian

整个工程建设行业对数据持续保持着很高的关注度。相比“大数据”建设更为成熟的其他行业，工程建设行业仍需进一步落地。数字化转型之路上，工程建设行业常被认为处于劣势地位，但也正因如此，它具备了前所未有的创新能力。

在我们所处的历史阶段，很难想象建筑工程类企业如何在脱离“大数据”的情况下运营管理，尤其考虑到“大数据”场景下可见的工程控制、透明度、风险预测和问责制度等。整个行业如今都迫切显示出对数据信息的巨大需求，企业也急于探寻数据科学（包括人工智能或机器学习）可以带来的实际用途。

关于数据创新解决方案的讨论也使一些基本的问题浮出水面：建工企业是否忽略了它们已经拥有的数据？这些企业如何利用它们想要的海量数据？它们能否应对更多的数据？但更多的数据就能解决问题吗？

被忽略的数据

在人工智能、机器学习，甚至是建筑信息模型（BIM）的概念普及之前，人们已经很熟练地掌握了建设施工这项技能，看一看埃及人、美索不达米亚人或阿茲特克人的历史遗迹就知道了。

事实上，许多建工企业已经拥有了所需的数据，只是并没有意识到这一事实。这些数据从先前的不同的项目和业务活动中日积月累而得，可能被存储在一些初级的系统或表格中。但它们通常不能称作为“大数据”，因为这些数据并不需要高价购买，也不用通过商务智能解决方案或人工智能平台集成多个系统以获得新的洞察。但根据我们的经验，不管使用的是何种系统，其储存的数据都可帮助企业实现飞跃式发展。这些数据可能未被集成，是杂乱或不完美的，但它们仍然有价值，关键在于如何提取其价值。

利用数据

从数据中提取价值一般分为三个步骤。

1.定义目标，设定问题。明确目标和问题极为关键。要改进流程周转时间还是要改进进度绩效？成本飙升只是一个表面问题还是潜在风险？这些问题都需要将源系统作为基础，结合长期采集的数据来回答。

2.找出数据，进行分析。例如，想要系统规划日程的安排，则需要从工程所需的时间等基本数据入手。这有助于提升日程安排的质量，例如准确度、工期的精准度、日程安排的修改及重制等。这一分析过程将为我们积累宝贵经验，便于日后加以运用。

3.在当前的项目中进行数据分析。这一步很重要，因为它将直接促成改变。例如，数据分析发现分包商为某类项目安装干墙板的时间超出计划的30%，那么下一个项目就应该改变计划的时间，或改变安装干墙板的方法，或更换分包商。通过总结经验来获得洞察，从而推动改变，这正是使用数据的价值所在。

人工智能、机器学习和预测的作用

在采集、分析和应用数据之后，这些数据可以在预测项目成果时，用作训练数据集。例如，通过使用历史数据和基于一些指标（实际工期、项目类型和历史活动变量等）的模型，人工智能算法可以自动预测新项目安装干墙板的延迟时间。通过不断学习用户的反馈和新数据，预测结果将会越来越准确。这一过程中，积累的经验将逐步演变成独特的行业洞察，生成的模型将为日后项目预测打下基础。这其中每一个步骤都可以是独立的，无需机器学习来生成和运用这些经验成果，任何分析工具都可以完成这一工作。

增强现实（AR）、虚拟现实（VR）和物联网（IoT）等的作用

这些技术在帮助人们实时深入了解现场和非现场项目时，发挥着重要作用。但只有将这些技术应用到整个项目中时，采集的数据价值才能真正地体现。否则，我们无法了解项目的完整状况，并与其他项目进行对比。我们需要在比较时建立起一个标准基线。

采用这些新技术并不是要获得孤立的数据来源，而是要将这些数据集成、汇入并统一放入企业目前的数据流中。技术的创新可扩大目前已有的数据池，帮助企业获取更丰富、更深入的行业洞察。最终所有这些数据都将被用于獲得更深入的洞察，实现更加精准的预测。

数据之旅开始于何处？

对于许多建工企业来说，应用数据分析的旅程已经开始了。要想看到数据方法的价值，企业需要探索自己拥有的数据，制订相关策略，明确使用数据的目的。

在考虑AR、VR、物联网和传感器等新技术之前，企业应首先明确自己是否能使用现有数据。如果不能，那么这些技术只会扩大现有数据规模，并且使已有数据变得更复杂。无论是否采用新技术，关键都是要先了解目前内部拥有的资源，并在此基础上找到合适的数据方法。和任何复杂的大型项目一样，数据策略需要一个坚实的出发点，数据分析所得的新洞察则会随之而来。