楊昊林

提要為了解決建設(shè)項(xiàng)目風(fēng)險(xiǎn)管理中風(fēng)險(xiǎn)因素量大、難以識(shí)別的問題，采用數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)，建立一個(gè)建設(shè)項(xiàng)目風(fēng)險(xiǎn)分析支持系統(tǒng)模型。利用已有的建設(shè)項(xiàng)目管理信息系統(tǒng)（PMIS）作為信息來源，采用星型結(jié)構(gòu)為數(shù)據(jù)模型建立數(shù)據(jù)倉庫；利用聯(lián)機(jī)分析處理實(shí)現(xiàn)多維數(shù)據(jù)分析，然后通過數(shù)據(jù)挖掘技術(shù)從數(shù)據(jù)倉庫中獲得新的風(fēng)險(xiǎn)知識(shí)，以豐富風(fēng)險(xiǎn)決策系統(tǒng)的知識(shí)庫。把數(shù)據(jù)倉庫、聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘三者結(jié)合起來形成一種分析型的信息處理系統(tǒng)，研究結(jié)果對(duì)于提高建設(shè)項(xiàng)目風(fēng)險(xiǎn)分析水平和風(fēng)險(xiǎn)控制效率，拓展建設(shè)項(xiàng)目信息管理系統(tǒng)功能有積極意義。

關(guān)鍵詞：建設(shè)項(xiàng)目風(fēng)險(xiǎn)分析；數(shù)據(jù)挖掘；數(shù)據(jù)倉庫；信息系統(tǒng)

中圖分類號(hào)：F27文獻(xiàn)標(biāo)識(shí)碼：A

一、引言

建設(shè)項(xiàng)目風(fēng)險(xiǎn)分析過程中需要考慮大量的風(fēng)險(xiǎn)因素，如自然條件因素、材料因素、技術(shù)因素、合同因素、管理因素、信息因素等，在多數(shù)的工程風(fēng)險(xiǎn)管理實(shí)例中最常用的風(fēng)險(xiǎn)分析和分析方法是依靠專家和有經(jīng)驗(yàn)的工程師通過感性認(rèn)識(shí)和經(jīng)驗(yàn)進(jìn)行判斷，如果風(fēng)險(xiǎn)分析不合理，則可能導(dǎo)致風(fēng)險(xiǎn)控制不力，出現(xiàn)工程拖期、資源和成本投入增加、甚至重大損失的情況。與此同時(shí)，建設(shè)企業(yè)在不斷增多的承接項(xiàng)目中積累了大量的工程資料，這些工程資料承載的項(xiàng)目運(yùn)營(yíng)的經(jīng)驗(yàn)和教訓(xùn)，蘊(yùn)含著豐富的風(fēng)險(xiǎn)知識(shí)和信息。然而，這些信息往往受制于技術(shù)手段的影響而無法得到有效的利用。因此，如何利用海量的建設(shè)工程資料為建設(shè)項(xiàng)目風(fēng)險(xiǎn)管理提供決策服務(wù)成為工程信息管理領(lǐng)域的重要課題。目前，隨著數(shù)據(jù)倉庫、數(shù)據(jù)挖掘技術(shù)的快速發(fā)展，為這一問題的有效解決創(chuàng)造了條件。本文將數(shù)據(jù)倉庫、聯(lián)機(jī)分析處理（OLAP）、數(shù)據(jù)挖掘技術(shù)引入建設(shè)項(xiàng)目風(fēng)險(xiǎn)分析領(lǐng)域，提出一種建設(shè)項(xiàng)目風(fēng)險(xiǎn)信息挖掘系統(tǒng)。以數(shù)據(jù)倉庫為基礎(chǔ)建立數(shù)據(jù)模型，以建設(shè)項(xiàng)目信息管理系統(tǒng)（PIMS）為平臺(tái)，以聯(lián)機(jī)分析處理（OLAP）、數(shù)據(jù)挖掘技術(shù)為基礎(chǔ)建立建設(shè)項(xiàng)目風(fēng)險(xiǎn)信息挖掘架構(gòu)。

二、建設(shè)項(xiàng)目風(fēng)險(xiǎn)分析過程及特點(diǎn)

建設(shè)項(xiàng)目風(fēng)險(xiǎn)分析由風(fēng)險(xiǎn)識(shí)別、風(fēng)險(xiǎn)估計(jì)和風(fēng)險(xiǎn)評(píng)價(jià)三個(gè)環(huán)節(jié)組成。風(fēng)險(xiǎn)識(shí)別是指識(shí)別出對(duì)建設(shè)項(xiàng)目可能構(gòu)成危害的所有風(fēng)險(xiǎn)因素，并將其統(tǒng)計(jì)歸類。風(fēng)險(xiǎn)識(shí)別有助于工程風(fēng)險(xiǎn)管理組織及時(shí)發(fā)現(xiàn)風(fēng)險(xiǎn)，減少風(fēng)險(xiǎn)事故的發(fā)生。風(fēng)險(xiǎn)估計(jì)在風(fēng)險(xiǎn)識(shí)別的基礎(chǔ)上通過對(duì)大量的、過去的損失資料的定量和定性分析，估計(jì)出工程風(fēng)險(xiǎn)發(fā)生的概率和造成損失的程度，并盡可能找出這些風(fēng)險(xiǎn)因素之間的關(guān)系以確定它們之間的相關(guān)度。最后評(píng)價(jià)這些風(fēng)險(xiǎn)因素對(duì)建設(shè)項(xiàng)目各指標(biāo)的影響，確定它們的重要性，從節(jié)省成本的角度考慮，在實(shí)際建設(shè)項(xiàng)目進(jìn)行中，應(yīng)僅對(duì)重要的風(fēng)險(xiǎn)因素進(jìn)行有效的監(jiān)控及管理。

顯而易見，風(fēng)險(xiǎn)分析是一項(xiàng)無論從管理還是技術(shù)上都極具復(fù)雜程度的工作，它有以下兩個(gè)特點(diǎn)：第一，在風(fēng)險(xiǎn)識(shí)別中，要正確識(shí)別出風(fēng)險(xiǎn)因素，風(fēng)險(xiǎn)分析人員必須對(duì)即將開始的建設(shè)項(xiàng)目本身和相關(guān)的外部環(huán)境做大量的信息調(diào)查研究及有較深入的理解，正確的風(fēng)險(xiǎn)因素的識(shí)別是風(fēng)險(xiǎn)分析后續(xù)工作的前提和基礎(chǔ)；第二，建設(shè)風(fēng)險(xiǎn)估計(jì)通常來源于兩個(gè)渠道：一是根據(jù)個(gè)人建設(shè)風(fēng)險(xiǎn)主觀判斷而得出的結(jié)果；二是利用對(duì)長(zhǎng)期工程實(shí)踐資料的觀察和統(tǒng)計(jì)出的結(jié)論。通過主觀判斷的風(fēng)險(xiǎn)大小在很多情況下往往不準(zhǔn)確，而對(duì)歷史資料的統(tǒng)計(jì)會(huì)耗費(fèi)大量時(shí)間經(jīng)歷。一旦風(fēng)險(xiǎn)分析不準(zhǔn)確，就會(huì)給整個(gè)建設(shè)項(xiàng)目帶來損失。（圖1）

風(fēng)險(xiǎn)分析的目的是為了準(zhǔn)確獲得建設(shè)過程中的風(fēng)險(xiǎn)因素和這些風(fēng)險(xiǎn)因素帶來的影響程度，從而為制定風(fēng)險(xiǎn)計(jì)劃、采取風(fēng)險(xiǎn)措施提供依據(jù)。因此，如何提高風(fēng)險(xiǎn)因素的識(shí)別準(zhǔn)確性，如何定性分析和定量分析風(fēng)險(xiǎn)因素分布概率和評(píng)價(jià)是風(fēng)險(xiǎn)分析信息支持系統(tǒng)的必要工作。開發(fā)建設(shè)項(xiàng)目風(fēng)險(xiǎn)信息挖掘系統(tǒng)的目的就是利用數(shù)據(jù)倉庫系統(tǒng)識(shí)別風(fēng)險(xiǎn)，對(duì)風(fēng)險(xiǎn)進(jìn)行定性和定量的分析，并基于此給出風(fēng)險(xiǎn)控制及管理的計(jì)劃或建議。

三、數(shù)據(jù)倉庫的總體設(shè)計(jì)

在本系統(tǒng)中，數(shù)據(jù)倉庫集成和存儲(chǔ)的信息來源選取為已經(jīng)應(yīng)用較為成熟的建設(shè)工程管理信息系統(tǒng)（PMIS），而該系統(tǒng)本身就是規(guī)模龐大且資源異質(zhì)的數(shù)據(jù)庫。風(fēng)險(xiǎn)信息挖掘系統(tǒng)總體建模方法如圖2 所示。（圖2）首先對(duì)對(duì)應(yīng)主題數(shù)據(jù)的存儲(chǔ)和綜合，從源數(shù)據(jù)庫的不同結(jié)構(gòu)中抽取數(shù)據(jù)，包括成本、進(jìn)度、質(zhì)量、合同各項(xiàng)建設(shè)信息管理子系統(tǒng)中取得的文本、數(shù)據(jù)、圖像、圖紙以及評(píng)價(jià)規(guī)則等，然后對(duì)其進(jìn)行清理、集成與轉(zhuǎn)換，目的是消除數(shù)據(jù)的屬性特征等差異后，將他們按照一定的粒度和尺度進(jìn)行規(guī)范化糾正，使得各種數(shù)據(jù)類型能夠在定義域空間中疊加，以提供面向全局的數(shù)據(jù)視圖。這些經(jīng)過凈化和集成處理過的數(shù)據(jù)，具有較高的質(zhì)量和統(tǒng)一性。由于在建設(shè)工程信息管理系統(tǒng)中存在大量的非結(jié)構(gòu)化數(shù)據(jù)信息，如各種工程聯(lián)系單、工程報(bào)告、設(shè)計(jì)任務(wù)書和相關(guān)圖紙等，因此把相關(guān)非結(jié)構(gòu)化信息顆粒通過關(guān)聯(lián)算法和規(guī)則篩選整理成結(jié)構(gòu)化數(shù)據(jù)的工作就顯得尤為重要。

數(shù)據(jù)倉庫形成后，把OLAP集中用于數(shù)據(jù)的分析，數(shù)據(jù)挖掘則致力于知識(shí)的自動(dòng)發(fā)現(xiàn)，從數(shù)據(jù)中獲取有用的知識(shí)。將三者分別應(yīng)用到?jīng)Q策支持系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)中，提高了相應(yīng)部分的處理能力。聯(lián)機(jī)分析處理實(shí)現(xiàn)多維數(shù)據(jù)分析，它從集成的數(shù)據(jù)倉庫中的數(shù)據(jù)出發(fā)，通過構(gòu)建多維的數(shù)據(jù)模型對(duì)信息從多種可能的角度進(jìn)行快速、一致、交互性地存取，進(jìn)而實(shí)現(xiàn)對(duì)數(shù)據(jù)進(jìn)行深入的分析。數(shù)據(jù)挖掘自動(dòng)地挖掘出數(shù)據(jù)中隱藏的模式和信息，預(yù)測(cè)未來的趨勢(shì)，并可以直接用于指導(dǎo)聯(lián)機(jī)分析處理。專家系統(tǒng)可以利用知識(shí)推理進(jìn)行定性分析。它們集成的綜合支持系統(tǒng)，將相互補(bǔ)充和依賴，發(fā)揮各自的輔助風(fēng)險(xiǎn)決策優(yōu)勢(shì)，實(shí)現(xiàn)更有效的輔助支持。

四、數(shù)據(jù)倉庫模型設(shè)計(jì)

本文使用最常用的E-R模型方法作為概念模型組建數(shù)據(jù)倉庫，在模型中采用了常用的星形結(jié)構(gòu)，其優(yōu)點(diǎn)是建模方便，易于用戶理解，并能支持用戶從多個(gè)維度對(duì)數(shù)據(jù)進(jìn)行分析。

根據(jù)主題中涉及到的決策需求，對(duì)數(shù)據(jù)進(jìn)行初步整理，最終創(chuàng)建了建設(shè)項(xiàng)目風(fēng)險(xiǎn)信息事實(shí)表，并建立了與之相關(guān)的時(shí)間、作業(yè)運(yùn)行狀態(tài)、環(huán)境參數(shù)、人員參數(shù)、技術(shù)參數(shù)、機(jī)械材料運(yùn)行參數(shù)等維表，而維表可用于這些信息的擴(kuò)展。結(jié)構(gòu)如圖3所示。（圖3）

五、建立建設(shè)項(xiàng)目風(fēng)險(xiǎn)信息挖掘系統(tǒng)

1、OLAP模塊。利用Microsoft OLAP Analysis Services服務(wù)端組件，根據(jù)數(shù)據(jù)倉庫中的事實(shí)表和維表，對(duì)數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行多維化表示。采用的分析方法是對(duì)多維數(shù)據(jù)進(jìn)行切片、切塊、聚合、鉆取和旋轉(zhuǎn)等操作，以求從多個(gè)維度、多個(gè)側(cè)面、多種數(shù)據(jù)綜合度提取有關(guān)數(shù)據(jù)，從而了解數(shù)據(jù)背后蘊(yùn)含的規(guī)律。利用OLAP模塊完成對(duì)作業(yè)ID維、作業(yè)運(yùn)行狀態(tài)維、各項(xiàng)風(fēng)險(xiǎn)因素的數(shù)據(jù)分析，并展現(xiàn)出分析結(jié)果，以容易理解的方式呈現(xiàn)，如報(bào)表、圖表等。通過數(shù)據(jù)透視表服務(wù)提供的接口，采用MDX語句來完成對(duì)生成的多維數(shù)據(jù)集的查詢。

2、數(shù)據(jù)挖掘模塊。Analysis Services 通過API－OLE DB for Data Mining實(shí)現(xiàn)了數(shù)據(jù)挖掘的功能，這是一個(gè)為方便各種應(yīng)用程序使用數(shù)據(jù)挖掘功能而設(shè)計(jì)的編程接口。通過API，利用各種挖掘算法，建立各種模型來完成挖掘任務(wù)。

（1）作業(yè)狀態(tài)與風(fēng)險(xiǎn)因素關(guān)聯(lián)性分析模塊。數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)中存在的一類重要的可被發(fā)現(xiàn)的知識(shí)，用關(guān)聯(lián)規(guī)則算法可以發(fā)現(xiàn)項(xiàng)目事故原因。若兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)中隱藏的關(guān)聯(lián)網(wǎng)。在此決策支持系統(tǒng)中，根據(jù)風(fēng)險(xiǎn)發(fā)生的經(jīng)驗(yàn)知識(shí)，利用Apriori算法，挖掘在某特定時(shí)間段內(nèi)風(fēng)險(xiǎn)因素與某些作業(yè)運(yùn)行狀態(tài)之間的關(guān)聯(lián)規(guī)則。

（2）趨勢(shì)分析與預(yù)測(cè)模塊。通過作業(yè)狀態(tài)與風(fēng)險(xiǎn)因素關(guān)聯(lián)性分析模塊分析已有的風(fēng)險(xiǎn)發(fā)生數(shù)據(jù)，得到風(fēng)險(xiǎn)發(fā)生規(guī)則，可以用來對(duì)正在或?qū)⒁_工項(xiàng)目的風(fēng)險(xiǎn)因素進(jìn)行預(yù)測(cè)，項(xiàng)目管理人員可以由此采取相應(yīng)風(fēng)險(xiǎn)控制措施，以降低事故發(fā)生的可能性。

3、系統(tǒng)結(jié)構(gòu)。系統(tǒng)采用客戶機(jī)/服務(wù)器三層結(jié)構(gòu)。由客戶機(jī)、應(yīng)用服務(wù)器和數(shù)據(jù)庫服務(wù)器構(gòu)成。在客戶端基于Visual C++實(shí)現(xiàn)用戶界面部分，OLAP和數(shù)據(jù)挖掘在應(yīng)用服務(wù)器中實(shí)現(xiàn)，底層數(shù)據(jù)倉庫在數(shù)據(jù)庫服務(wù)器端實(shí)現(xiàn)?？蛻舳擞脕硐蛴脩籼峤环祷亟Y(jié)果，應(yīng)用服務(wù)器處理應(yīng)用邏輯，必要時(shí)從數(shù)據(jù)庫服務(wù)器獲取數(shù)據(jù)，再向客戶端返回結(jié)果。數(shù)據(jù)庫服務(wù)器還要處理數(shù)據(jù)倉庫的更新維護(hù)。

六、結(jié)語

本文對(duì)數(shù)據(jù)倉庫、聯(lián)機(jī)分析處理（OLAP）數(shù)據(jù)挖掘技術(shù)在建設(shè)項(xiàng)目風(fēng)險(xiǎn)分析支持系統(tǒng)中的應(yīng)用進(jìn)行了初步嘗試，結(jié)合建設(shè)項(xiàng)目風(fēng)險(xiǎn)分析流程的特點(diǎn)，設(shè)計(jì)出系統(tǒng)中數(shù)據(jù)倉庫的總體結(jié)構(gòu)和數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)，并在此基礎(chǔ)上利用挖掘方法可以找到有關(guān)風(fēng)險(xiǎn)分析的新知識(shí)，包括重要的風(fēng)險(xiǎn)因素模型，各風(fēng)險(xiǎn)因素之間的聯(lián)系，事故產(chǎn)生條件等內(nèi)容。相信隨著數(shù)據(jù)倉庫技術(shù)、聯(lián)機(jī)分析處理技術(shù)、數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展和完善，建設(shè)項(xiàng)目風(fēng)險(xiǎn)分析支持系統(tǒng)必然有更廣闊的應(yīng)用前景。

（作者單位：重慶大學(xué)建設(shè)管理與房地產(chǎn)學(xué)院）

主要參考文獻(xiàn)：

[1]Inmon W H.Building the data warehouse（Third Edition）[M].John Wiley&Sons，2002.

[2]Han Jiawei，Kamber.Data Mining：Concepts and Technique[M].Morgan Kaufmann，2000.

[3]王要武，孫成雙.建設(shè)項(xiàng)目風(fēng)險(xiǎn)分析專家系統(tǒng)框架研究[J].哈爾濱建筑大學(xué)學(xué)報(bào)，2002.35.

[4]李雋.電力工程管理數(shù)據(jù)挖掘模型設(shè)計(jì)與實(shí)踐[J].廣東輸電與變電技術(shù)，2006.6.