大数据技术在建筑工程项目管理过程中的应用研究

谭博

0 引言

随着建筑工程项目的复杂度不断增加，传统项目管理过程数据处理工具和方法已经不能快速准确地计算出项目管理人员需要的信息，导致项目管理过程中由于信息更新不及时、信息错误导致进度延误、成本超出预算、质量事故等问题。另一方面，大数据技术被广泛应用于各个领域，工程管理领域也不例外，因此，开展大数据技术在建筑工程项目管理过程中的应用研究具有重要的意义。

1 传统建筑工程项目过程数据处理方法的问题分析

建筑工程项目通常涉及多个领域，具有系统性和动态性，项目实施复杂度较高，项目施工过程数据较多，而传统项目管理过程数据处理方法效率低下，在项目进度管理、质量管理、成本管理过程中均存在较多问题，其主要原因如下。

1.1 难以实现项目管理过程信息和数据的总体处理

传统项目管理过程数据处理工具和方法通常将杂乱的项目管理过程数据存放在独立的筒仓系统，容易造成“信息孤岛”，汇总工作量大且容易出错，不能实现对于整个项目实施过程数据的总体处理，从而忽略了各个不同数据仓的数据之间的相关性。例如，建筑工程项目中，传统项目管理工具通常将项目材料成本数据和施工人工成本数据交由不同人员来管理和汇总，容易导致项目实施成本汇总错误，给成本管理带来问题。

1.2 容易忽视项目管理过程数据和信息的细节多样性

建筑工程项目在施工过程中产生的过程数据具有细节多样性，这些数据细节之间紧密相连，对于进度管理、成本管理和质量管理都有着重要的影响。以进度管理为例，只有通过识别项目管理过程数据中的细节才能发现项目进度延误的潜在风险，从而采取相应措施消除潜在的隐患，规避偏差。假设无法有效识别各流程运行中存在的微小隐患，将导致调控过程中产生较大偏差[1]。

1.3 数据存储和处理效率低下

传统项目管理过程数据处理工具和方法在数据存储和处理过程中仍采用集中式存储技术和集中式计算技术，将资源集中在内存、硬盘等单一存储介质中，通过庞大的数据库完成数据和信息的管理，各个功能模块围绕着这个数据库完成数据的录入、修改、删除等操作，在数据计算过程中几乎完全依赖于一台中、大型的中心计算机，在运算负载增加时只能通过提升单个系统的运算能力来解决问题，因此传统的数据存储和处理方法存在效率低下、系统扩展性差、数据易丢失等问题，且数据量越大，这些问题越突出。

2 大数据技术在建筑工程项目管理过程中的应用

为了解决前文所述的问题，本文将阐述大数据技术在建筑工程项目管理过程中的应用思路，基于大数据技术的建筑工程项目管理流程，从进度、成本和质量三个主要的项目管理过程，设计大数据技术在建筑工程项目管理过程中的具体应用流程。

2.1 基于大数据技术的建筑工程项目管理流程

对于单个建筑工程项目的实施，需要通过不同的工作人员、部门和机构来协调完成，各个部门都具有自己明确的职责分工，要充分利用大数据技术提高项目管理效率，必须有针对性地建立一个基于大数据技术的工程项目管理层次和制度结构[2]。以项目部作为信息采集主体，具体采集过程由现场施工部完成，并实时地将信息汇总给项目管理团队，然后由项目管理团队根据项目信息作出相应决策，这就需要项目管理团队准确地把握项目的范围与需求，根据项目部反馈回来的数据进行分析和评估，对建筑工程项目的实施进度控制、成本控制、质量控制等方面作出科学、正确的决策。为了保证整个信息采集和传输的过程尽可能高效和通畅，在建立基于大数据挖掘的工程项目管理层次和制度结构时，需要根据信息数据业务的需求，建立一个信息中心对整个业务流程进行管理和控制，提高工程项目的管理效率[3]。

基于上述分析，本文设计了基于大数据技术的建筑工程项目管理流程，其中主要的参与者包括项目管理团队、项目部与施工部，以及最重要的大数据处理中心，数据来源主要是施工现场的现场数据、其他与项目相关的外部数据，整个过程是一个闭环回路，具体结构如图1 所示。

图1 基于大数据技术的建筑工程项目管理流程

2.2 基于大数据技术的建筑工程项目管理过程研究

建筑工程项目管理过程包括进度、成本、质量、风险、范围等多个知识领域[4]，图1 中所述的大数据处理中心输出的辅助信息可以帮助项目管理团队在各个领域做出决策，本文将选择最为重要的进度、成本和质量三大知识领域阐述大数据技术在建筑工程项目管理过程中的应用思路。

2.2.1 基于数据挖掘的建筑工程项目进度管控模型

由于建筑工程项目工期进度受到合同、资金、物资、施工设备、建材采购、天气等多个因素综合作用，要想对工期进行有效的控制，找到工期延误的原因，需通过关联规则方法找到这些因素相互之间的关联，即找到这些因素所对应的数据变化规律以及数据关系网，而数据挖掘算法正是寻找数据变化规律、关系网最好的手段之一[5]。目前已有多种成熟的数据挖掘算法可建立单层布尔关联关系，寻找出多个因素之间的关联关系。由于数据挖掘算法处理数据量较大，可以借助大数据平台的分布式计算技术，例如Hadoop 平台的MapReduce 计算框架。

2.2.2 基于海量成本数据库的建筑工程项目成本控制方法

针对建筑工程项目的成本管理，各个企业都在实际项目实施过程中积累了非常多的建筑工程项目成本数据，例如人工费、工程建设其他费用等，但是缺乏对这些成本数据的合理利用[6]。因此，可以在传统的PDCA 顺序式成本管理方法中引入成本数据库的概念，加入数据处理的环节，将项目成本管理链条变为闭环的成本管理圈，对企业已积累的海量数据进行处理和分析，得到相应处理结果来反馈、调节和控制成本，提高成本控制的准确率和效率。由于海量成本数据库的实现涉及海量数据的存储，可以借助大数据的分布式存储技术，例如Hadoop 平台的HDFS 存储平台。

2.2.3 基于数据融合的建筑工程项目质量管理方法

如何准确有效地评估项目实施过程中各个项目活动的完成质量是关键和难点，而项目实施过程中产生的各类数据都有助于评价和分析项目活动完成的质量[7]。因此，可以借助数据融合算法结合主成分分析法、因子分析法等统计分析方法准确计算出建筑工程项目实施的质量指标，利用五级量纲法等方法对工程项目的质量做出客观判断，提高建筑工程项目质量管理的有效性。由于数据处理过程中需要同样涉及大量的数据运算，也可以借助Hadoop 平台的mapreduce 分布式计算框架来完成海量的数据处理。

3 大数据技术在实际案例中的使用（以EPC 项目为例）

EPC 模式为解决工程各环节彼此割裂而产生的一种模式，其优势在于可实现“降本增效”。为更好发挥EPC 模式的优势，解决传统项目管理过程中各种弊端，大数据分析更具管理优势，有利于项目管理团队对项目管理目标进行全面管控。以某保障房EPC 项目为例，项目管理团队通过大数据，深层挖掘大量过程数据、构建相关数据库、利用数据融合技术，从进度、成本、质量等三方面为业主提供全方位高质量的项目管理服务，为业主进行决策提供强有力的支撑与依据。

3.1 进度控制应用方面

项目中，项目管理团队通过收集同类型已完工项目各节点实际工期、项目总工期以及工期影响因素（当地近年天气情况、材料采购等）等数据，结合本项目实际情况，运用大数据对比，通过数据处理平台，对计划工期中不合理处进行预警，修正偏差，得到最短可行工期方案。在项目前期阶段，不同设计条件在不同程度上对整个项目实施工期产生不同程度影响。如在前期控制价编制模式中采用数据库平方米指标并加减差异部分方法、详细编制清单预算、根据图纸编制概算并下浮等不同方式下编制控制价，编制时间分别为5d、45d、15d；如方案确定后设计深度按施工图深度还是初步设计深度，设计时间分别为45d 及30d；如通过数据分析发现规划报建，初设批复、控制价批复时间等都需要一定的流程时间，这些不同流程时间编排的合理性，也将影响整个项目实际实施工期；如通过数据分析发现基坑方案，地下室埋深、地下室面积等都将对工期影响。在大数据平台上，通过外部输入影响进度的各类数据及因素，借助输入的大量成本数据、单体建造标准、施工质量要求保障等数据，各平台数据之间相互补充完善分析，项目管理团队可直接采用数据库平方米指标并加减差异部分方法，同时通过设计咨询单位对初步设计补充建造标准编制方法，弥补设计深度不足因素（初步设计与建造标准编制可同步进行），其次软件分析各流程存在交叉时间节点，如控制价批复虽在初设批复之后，但可同步进行此工作，节省相应时间。

3.2 成本控制应用方面

项目中，项目管理团队在平台中输入同类型项目地质情况、各项细分部分项成本造价、含量指标、基准价格、主要材料价格信息等数据，通过各数据之间的关联分析，得出多种方案成本、招标控制价数据。

按结构形式，保障房可划分为基础工程、地下室、地上房建、室外工程等四大部分。基础工程包含桩基工程、桩基顶以上基础工程（含筏板）两个部分，包干综合单位包括了钢筋、混凝土、模板等分项工程以及所有相应措施项目（基坑支护按项单列计算）。地下室及地上房建工程可以分为建筑工程、装修工程、电气工程、弱电工程、给排水工程、消防工程等按建筑面积为计量单位的指标计算。室外工程按绿化面积、硬质铺装面积、道路面积、排水管道长度、围墙长度等指标计算，交通设施按单项计算等。项目管理团队直接从以往项目库套用各分部指标，并利用平台对价差、含量、做法等差异部分进行调整，通过大数据分析得出最终控制价，此平台得出的最终控制价既明确了项目建设目标包括建成的规模、质量、功能等要求，价格也是可控明确的，相对也比较准确合理，而且留出一定的让总包单位发挥自身设计、管理、工程技术综合实力的空间。

3.3 质量控制应用方面

项目中，项目管理团队借助平台对以往项目过程中出现的变更、签证、索赔、现场各类质量问题及一般图纸设计无法考虑的问题进行归纳分析，并提示预警本项目可能出现的问题，通过平台提供的数据局部加强图纸深度、完善制定建造标准（完善图纸无法表达不足部分）、完善合同条款等多方约束对质量进行全方位管控。

由于很多项目缺乏事前控制，项目决策阶段业主不提供具体的施工图纸，只有初步设计图纸，所供其它资料也较粗略，设计构想与施工方案不确定，或者频繁变化，导致施工品质及质量无法保证，通过大数据分析，项目管理团队可以在短时间内提供相对更完善的资料，可以很好地规避质量无法保证的风险。

4 大数据技术应用在建筑工程项目管理中的意义

本文设计了大数据技术在建筑工程项目管理中的应用流程，可以有效地提高项目管理效率，主要体现在以下几点：

（1）将大数据技术应用在建筑工程项目管理过程中，可丰富和优化现代项目管理理论和方法，为相关研究人员在项目管理理论、方法和工具研究中提供参考，同时拓展了大数据技术应用范围，对于大数据技术进一步发展具有推动作用。

（2）可以使得建筑工程项目管理信息化程度更高，项目信息互通路径变得更为顺畅，进一步提高了信息传递的实时性[8]。

（3）大数据处理技术整合多种建筑工程项目管理信息，实现了建筑工程项目信息、数据集成管理，辨识了项目参与多方表现出来的动态影响，提高了管理过程相关决策的准确性。

（4）应用大数据技术使得管理过程中增添了细化的管理模块，重视项目实施过程中每一个细微的管理流程和细节，避免由于不注意细节多样性而带来大的隐患，有利于项目管理过程的全面性。

（5）应用大数据技术可以明晰、细化多方职责，为项目合作各方提供交流平台，使得项目干系人获得更好的使用体验。

5 结语

针对传统建筑工程项目管理过程数据处理方法存在的问题，本文从进度、成本、质量三个方面运用数据挖掘、海量成本数据库和数据融合等技术，提出了基于大数据技术的建筑工程项目管理流程，充分利用建筑工程项目在实施过程中产生的各类数据和信息，有效提高建筑工程项目管理的实时性、准确性和全面性，提高项目管理人员工作效率，丰富现代项目管理理论、方法和工具，对于推动大数据技术的发展也有一定的帮助。