Karthik Venka-tasubramanian

整個(gè)工程建設(shè)行業(yè)對(duì)數(shù)據(jù)持續(xù)保持著很高的關(guān)注度。相比“大數(shù)據(jù)”建設(shè)更為成熟的其他行業(yè)，工程建設(shè)行業(yè)仍需進(jìn)一步落地。數(shù)字化轉(zhuǎn)型之路上，工程建設(shè)行業(yè)常被認(rèn)為處于劣勢(shì)地位，但也正因如此，它具備了前所未有的創(chuàng)新能力。

在我們所處的歷史階段，很難想象建筑工程類(lèi)企業(yè)如何在脫離“大數(shù)據(jù)”的情況下運(yùn)營(yíng)管理，尤其考慮到“大數(shù)據(jù)”場(chǎng)景下可見(jiàn)的工程控制、透明度、風(fēng)險(xiǎn)預(yù)測(cè)和問(wèn)責(zé)制度等。整個(gè)行業(yè)如今都迫切顯示出對(duì)數(shù)據(jù)信息的巨大需求，企業(yè)也急于探尋數(shù)據(jù)科學(xué)（包括人工智能或機(jī)器學(xué)習(xí)）可以帶來(lái)的實(shí)際用途。

關(guān)于數(shù)據(jù)創(chuàng)新解決方案的討論也使一些基本的問(wèn)題浮出水面：建工企業(yè)是否忽略了它們已經(jīng)擁有的數(shù)據(jù)？這些企業(yè)如何利用它們想要的海量數(shù)據(jù)？它們能否應(yīng)對(duì)更多的數(shù)據(jù)？但更多的數(shù)據(jù)就能解決問(wèn)題嗎？

被忽略的數(shù)據(jù)

在人工智能、機(jī)器學(xué)習(xí)，甚至是建筑信息模型（BIM）的概念普及之前，人們已經(jīng)很熟練地掌握了建設(shè)施工這項(xiàng)技能，看一看埃及人、美索不達(dá)米亞人或阿茲特克人的歷史遺跡就知道了。

事實(shí)上，許多建工企業(yè)已經(jīng)擁有了所需的數(shù)據(jù)，只是并沒(méi)有意識(shí)到這一事實(shí)。這些數(shù)據(jù)從先前的不同的項(xiàng)目和業(yè)務(wù)活動(dòng)中日積月累而得，可能被存儲(chǔ)在一些初級(jí)的系統(tǒng)或表格中。但它們通常不能稱(chēng)作為“大數(shù)據(jù)”，因?yàn)檫@些數(shù)據(jù)并不需要高價(jià)購(gòu)買(mǎi)，也不用通過(guò)商務(wù)智能解決方案或人工智能平臺(tái)集成多個(gè)系統(tǒng)以獲得新的洞察。但根據(jù)我們的經(jīng)驗(yàn)，不管使用的是何種系統(tǒng)，其儲(chǔ)存的數(shù)據(jù)都可幫助企業(yè)實(shí)現(xiàn)飛躍式發(fā)展。這些數(shù)據(jù)可能未被集成，是雜亂或不完美的，但它們?nèi)匀挥袃r(jià)值，關(guān)鍵在于如何提取其價(jià)值。

利用數(shù)據(jù)

從數(shù)據(jù)中提取價(jià)值一般分為三個(gè)步驟。

1.定義目標(biāo)，設(shè)定問(wèn)題。明確目標(biāo)和問(wèn)題極為關(guān)鍵。要改進(jìn)流程周轉(zhuǎn)時(shí)間還是要改進(jìn)進(jìn)度績(jī)效？成本飆升只是一個(gè)表面問(wèn)題還是潛在風(fēng)險(xiǎn)？這些問(wèn)題都需要將源系統(tǒng)作為基礎(chǔ)，結(jié)合長(zhǎng)期采集的數(shù)據(jù)來(lái)回答。

2.找出數(shù)據(jù)，進(jìn)行分析。例如，想要系統(tǒng)規(guī)劃日程的安排，則需要從工程所需的時(shí)間等基本數(shù)據(jù)入手。這有助于提升日程安排的質(zhì)量，例如準(zhǔn)確度、工期的精準(zhǔn)度、日程安排的修改及重制等。這一分析過(guò)程將為我們積累寶貴經(jīng)驗(yàn)，便于日后加以運(yùn)用。

3.在當(dāng)前的項(xiàng)目中進(jìn)行數(shù)據(jù)分析。這一步很重要，因?yàn)樗鼘⒅苯哟俪筛淖?。例如，?shù)據(jù)分析發(fā)現(xiàn)分包商為某類(lèi)項(xiàng)目安裝干墻板的時(shí)間超出計(jì)劃的30%，那么下一個(gè)項(xiàng)目就應(yīng)該改變計(jì)劃的時(shí)間，或改變安裝干墻板的方法，或更換分包商。通過(guò)總結(jié)經(jīng)驗(yàn)來(lái)獲得洞察，從而推動(dòng)改變，這正是使用數(shù)據(jù)的價(jià)值所在。

人工智能、機(jī)器學(xué)習(xí)和預(yù)測(cè)的作用

在采集、分析和應(yīng)用數(shù)據(jù)之后，這些數(shù)據(jù)可以在預(yù)測(cè)項(xiàng)目成果時(shí)，用作訓(xùn)練數(shù)據(jù)集。例如，通過(guò)使用歷史數(shù)據(jù)和基于一些指標(biāo)（實(shí)際工期、項(xiàng)目類(lèi)型和歷史活動(dòng)變量等）的模型，人工智能算法可以自動(dòng)預(yù)測(cè)新項(xiàng)目安裝干墻板的延遲時(shí)間。通過(guò)不斷學(xué)習(xí)用戶(hù)的反饋和新數(shù)據(jù)，預(yù)測(cè)結(jié)果將會(huì)越來(lái)越準(zhǔn)確。這一過(guò)程中，積累的經(jīng)驗(yàn)將逐步演變成獨(dú)特的行業(yè)洞察，生成的模型將為日后項(xiàng)目預(yù)測(cè)打下基礎(chǔ)。這其中每一個(gè)步驟都可以是獨(dú)立的，無(wú)需機(jī)器學(xué)習(xí)來(lái)生成和運(yùn)用這些經(jīng)驗(yàn)成果，任何分析工具都可以完成這一工作。

增強(qiáng)現(xiàn)實(shí)（AR）、虛擬現(xiàn)實(shí)（VR）和物聯(lián)網(wǎng)（IoT）等的作用

這些技術(shù)在幫助人們實(shí)時(shí)深入了解現(xiàn)場(chǎng)和非現(xiàn)場(chǎng)項(xiàng)目時(shí)，發(fā)揮著重要作用。但只有將這些技術(shù)應(yīng)用到整個(gè)項(xiàng)目中時(shí)，采集的數(shù)據(jù)價(jià)值才能真正地體現(xiàn)。否則，我們無(wú)法了解項(xiàng)目的完整狀況，并與其他項(xiàng)目進(jìn)行對(duì)比。我們需要在比較時(shí)建立起一個(gè)標(biāo)準(zhǔn)基線(xiàn)。

采用這些新技術(shù)并不是要獲得孤立的數(shù)據(jù)來(lái)源，而是要將這些數(shù)據(jù)集成、匯入并統(tǒng)一放入企業(yè)目前的數(shù)據(jù)流中。技術(shù)的創(chuàng)新可擴(kuò)大目前已有的數(shù)據(jù)池，幫助企業(yè)獲取更豐富、更深入的行業(yè)洞察。最終所有這些數(shù)據(jù)都將被用于獲得更深入的洞察，實(shí)現(xiàn)更加精準(zhǔn)的預(yù)測(cè)。

數(shù)據(jù)之旅開(kāi)始于何處？

對(duì)于許多建工企業(yè)來(lái)說(shuō)，應(yīng)用數(shù)據(jù)分析的旅程已經(jīng)開(kāi)始了。要想看到數(shù)據(jù)方法的價(jià)值，企業(yè)需要探索自己擁有的數(shù)據(jù)，制訂相關(guān)策略，明確使用數(shù)據(jù)的目的。

在考慮AR、VR、物聯(lián)網(wǎng)和傳感器等新技術(shù)之前，企業(yè)應(yīng)首先明確自己是否能使用現(xiàn)有數(shù)據(jù)。如果不能，那么這些技術(shù)只會(huì)擴(kuò)大現(xiàn)有數(shù)據(jù)規(guī)模，并且使已有數(shù)據(jù)變得更復(fù)雜。無(wú)論是否采用新技術(shù)，關(guān)鍵都是要先了解目前內(nèi)部擁有的資源，并在此基礎(chǔ)上找到合適的數(shù)據(jù)方法。和任何復(fù)雜的大型項(xiàng)目一樣，數(shù)據(jù)策略需要一個(gè)堅(jiān)實(shí)的出發(fā)點(diǎn)，數(shù)據(jù)分析所得的新洞察則會(huì)隨之而來(lái)。