大數據輔助建筑工程項目管理

文｜廣聯達軟件股份有限公司 劉全超

人類每一次大的技術變革都是先在新型產業生根發芽，然后再慢慢把觸角延伸到傳統行業。經過近十年的發展，隨著大數據技術的不斷成熟以及互聯網應用案例的普及，“數據驅動業務”的模式逐漸得到各行各業的廣泛認同，“互聯網+”戰略的提出更是為大數據從互聯網向其他行業的傳播吹來一陣東風，信息技術落后的中國建筑產業將借助這股東風揚帆起航。

大量的信息和數據是工程項目建設的根基，從科技管理角度來看，這些信息資源的科學管理成為現階段建筑工程項目管理的重要瓶頸。鑒于工程項目的系統性、動態性以及時代要求，大數據技術的出現為建筑工程項目管理帶來了新的發展方向，將大大提升項目管理各環節和整體的信息處理效率，為項目決策提供有效的信息參考，進而實現項目效益增值。我們希望借助大數據技術提升建筑工程項目管理水平，從而實現綠色、智慧、宜居的建筑，進而改變管理粗放、科技含量低、能耗浪費嚴重的中國建筑產業，共建產業新生態。

大數據與建筑工程項目管理

工業和信息化部電信研究院2014年大數據白皮書中指出，大數據是具有體量大、結構多樣、時效強等特征的數據，處理大數據需采用新型計算架構和智能算法等新技術，其應用強調以新的理念應用于輔助決策、發現新的知識，更強調在線閉環的業務流程優化。大數據的應用由淺到深分為四個層次，如下圖1所示，而大數據輔助建筑工程項目管理就是依據不同的應用場景設計不同的數據處理算法，進而將建筑工程積累的海量數據凝練成建筑行業知識和智慧，用以輔助管理人員對建筑工程項目壽命周期內的所有工作和資源進行管理，以達到按時按量完成建筑工程項目。

圖1 大數據產生應用價值的層次

圖2 建筑工程項目壽命周期及相關方

建筑工程項目是指業主以一定數量的投資，經過前期策劃、設計、施工、驗收等一系列過程，在一定的時間、資源、質量等約束條件下，以形成固定資產為明確目標的一次性任務。建筑工程項目往往具有投資額大、建設周期長、不確定因素多、風險大、參與人員多等特征。建筑工程項目管理是通過管理者的努力，運用系統工程的觀點、理論和方法對建筑工程項目壽命周期內的所有工作及其資源進行決策、計劃、組織、協調、控制和總結評價，以達到保證工程質量、加快工程進度、提高投資效益的目的，其貫穿于整個建筑工程項目壽命周期內的各個階段，如下圖2所示。其主要任務是進行項目質量目標、投資目標和進度目標三大目標的分析論證，并進行質量控制、投資控制、進度控制，大數據在建筑工程項目管理中發揮著至關重要的作用。

大數據輔助建筑工程項目管理

大數據在工期進度管理中的應用

施工過程中除了前期準備工作不足、項目設計偏差、施工管理不當、設備未按時按要求到位以及天氣情況等原因導致工程進度緩慢外，還有很多被忽略的因素會影響工程進度，實際施工中客觀存在一些我們不了解的因果關系，要想更好地了解這些因果關系，需要對大量工程項目管理數據進行挖掘，基于數據分析結果作出決策。

大數據挖掘工作需要建立相關部門和管理機制，使數據從施工一線實時傳輸至后方管理層并存儲起來以供挖掘分析。項目部與施工現場人員存在業務往來，項目部將各種施工現場信息錄入信息系統并傳遞至公司數據庫，同時公司也可調用數據庫數據傳輸至項目部。傳輸至公司數據庫的信息可以提供給各個職能部門作管理調度參考，還可以通過建立各種數據挖掘項目組進行數據挖掘分析。

不同類型的工程管理數據特點不同，要進行數據挖掘必須對不同數據進行分類。對于結構化數據的挖掘，必須在各個專業工程領域建立一個統一的數據倉庫，這是提高分析精度的根本保障。數據倉庫體系構建應符合一定的關聯規則，如圖3所示。

對于非結構化數據的挖掘，可以采用檢索技術進行分類管理。MOLDA的多維聯機數據分析(Multi-dimensional On-Line Data Analysis)理論是一種支持分析和決策管理項目的模型，適合種類繁多的工程項目分類。

圖3 數據關聯規則

當工期延誤時，我們采用基于大數據的Apriori算法分析原因，將所有存在工期延誤的項目組組成一個集合Y，將Y中所有導致工期延誤的原因組成集合I，包括事故、資金短缺、施工監管不當、雨雪、天氣炎熱、地質變化等，用I={i1,i2,…,im}表示，建立單層布爾關聯關系挖掘模型。通過此模型可以獲得一組頻繁項集，從兩方面對其進行描述：一是支持度，即一個項集在Y中出現的百分比，比如所有工期延誤的項目中由于雨雪和施工監管不當造成的工期延誤占20%，則支持度為20%；二是置信度，比如因為雨雪天氣導致的施工監管不當占50%，則該頻繁項集的置信度為50%。

大數據在項目招投標中的應用

借助大數據技術，對項目招投標交易數據進行深入分析，通過社團關系檢測，挖掘交易市場內可能潛在的社團關系，揭示圍標串標行為主客體之間存在的隱性特征，通過電子招投標平臺，對項目的招標投標狀況全程跟蹤，對圍標串標行為等進行早期預警和干預，為今后進一步建立預防、監管、追罰等多位一體的圍標串標防治機制提供強有力的數據支撐服務。

社團關系網絡是由個體和個體間的鏈接關系組成，針對招投標中圍串標現象，通過社團挖掘算法來發現招投標主體之間的社團關系網，并據此作為招投標主體之間是否存在圍串標的一項依據。針對某市公共資源交易中心提供的大數據，構建了企業間關系的復雜網絡模型。復雜網絡可以建模為一個圖，每一個參與招標的企業可以看作是圖中的一個頂點，參與同一次招標的企業則認為他們中間有一條邊，并且邊上的權重為1；一同參與過n次招標的企業則認為他們之間邊的權重為n-1。或者是一同參加過兩次招標的企業中間連接一條邊，一同參與過n次則邊的權重為n-1。復雜網絡的關系矩陣如下圖4所示，表征了企業間一同參加招投標的頻繁度情況。

圖4 復雜網絡關系矩陣

若企業間的投標行為均是獨立的（即不存在圍標串標行為），則得到的企業關系矩陣應該是隨機分布的，即關系矩陣各處的稠密程度大致相同。但由圖4可以看出，復雜網絡的頂點存在著顯著的社團結構，即這些頂點所代表的公司有明顯的社團行為，說明這些公司之間極有可能存在圍串標行為。利用離散化的蝙蝠算法來挖掘復雜網絡中的社團結構。

蝙蝠算法是模擬蝙蝠的覓食行為，通過頻率f的調整引起波長λ的變化，波長λ的大小與蝙蝠所捕食的昆蟲的大小相一致，從而可定位目標。假設搜索空間為D維，第i只蝙蝠在t時刻的位置為xit，速度為 vit，則在t+1時刻的位置xit+1和速度vit+1更新公式如下：

其中，Fi、Fmax和Fmin分別表示蝙蝠i在當前時刻發出的聲波頻率、聲波頻率的最大值和最小值。β∈[0，1]的隨機數。X*表示當前全局最優解。

圖5 編碼與社團結構

采用十進制編碼對蝙蝠個體進行編碼，若連接點的編碼一樣，則表示這兩個點被分在了同一個社團中，如圖5所示，不同的顏色表示了不同的社團。

改進衡量社團結構強度的Q函數作為社團檢測評價指標，Q函數定義如下：

其中x表示矩陣x所有元素之和。Tre表示矩陣e的跡，即連接同一社團中節點的邊占網絡全部邊的比例。Q函數的最大值是1，實際情況中這個值的范圍通常在0.3到0.7之間，大于0.3就表明檢測結果具有比較明顯的社團結構。

通過對某市公共資源交易中心提供的數據進行社團檢測計算，得到企業間關系復雜網絡的Q函數值為0.4863。因此企業間的關系網具有明顯的社團結構（即這些企業之間存在著很大的圍串標可能性）。若將其中檢測到的社團與實際中標企業相對比，則不難發現圍串標的發起者和圍標者。

大數據輔助建筑工程項目管理實施建議

（1）對工程管理人員的要求

在工業4.0時代，工程管理人員要緊跟時代潮流，多關注與大數據有關的技術，如云計算技術、移動互聯網技術、物聯網技術、大數據技術等。同時，工程管理人員要充分理解大數據的內涵，大數據不僅僅在于數據的海量和復雜，也代表一種新的理念，讓數據發出“聲音”，要注重數據的相關性。另外，正所謂“大海航行靠舵手”，作為建筑工程項目管理中的領導人員，必須改變傳統的思維方式，緊跟時代步伐，主動擁抱大數據時代，加大投入，制定大數據發展的詳細戰略規劃，真正把大數據的發展提上日程。

（2）抓好人才培養工作

改變當前的人力資源管理模式，增加對數據分析方面專業人才的積累，并且在大數據應用方面突出多專業的配合。建筑行業缺乏既熟知大數據技術又掌握項目管理知識的復合型人才，而這樣的人才僅靠某些大型公司或者高校是培養不起來的，需要發揮行業協會和高等院校的聯合作用，強化建筑工程項目管理專業隊伍的培訓力度，對有工作經驗的技術人員和管理人員進行培訓，將理論知識與工程實踐技術相結合，總結和推廣建筑業大數據應用的項目管理成功案例，培養一大批工程項目管理所需的復合型人才，以適應當今國內建筑業大數據的開發需求。

（3）企業文化和決策機制改革

著手進行企業文化和決策機制方面的改革，努力建立一種與大數據管理創新相適應的廣泛參與的企業文化，將以往基于組織領導者意圖或專家知識的決策轉化為數據驅動的決策，以數據分析結果作為決策和評價的基礎。

（4）以信息化建設為中心，優化企業組織結構

在企業組織結構中增加專門的信息部門，用以收集、處理和分析數據，為項目管理創新及其他組織業務提供支持，同時加強信息部門與業務部門、外界的配合與合作，盡可能完善地獲取數據和信息；以信息化為中心重新組織工作流程，實現從業務部門、項目型組織到組織生態等不同層次的數據過程的貫通。

大數據時代已經來臨，作為數據量龐大的建筑業，大數據輔助建筑工程項目管理將無處不在，大到行業規劃，如利用地理信息系統（GIS）和人口、交通、產業供求等這些大數據做產業規劃，已經是不言而喻的，小到微觀建筑設計，如尺寸、大小、高度、面積等，過去用規范指標，現在可以利用大數據進行決策。作為建筑工程項目管理者，更應該做足功課，從數據、技術、思維三方面努力，加快大數據與建筑工程項目管理結合的速度，挖掘建筑工程中大數據的潛在價值，讓大數據在建筑工程領域大放異彩。