大数据:数据驱动下的工程项目管理新视角

大数据:数据驱动下的工程项目管理新视角

黄渊博

无锡兢腾建筑装饰工程有限公司

摘要：随着大数据时代的来临，大数据内在所蕴含的潜在价值也更加凸现出来。在此将大数据信息进行一定程度的统计处理和优化分析，为现在的工程项目管理提供新的思路和视角。本文首先对大数据相关的技术问题进行分析，将大数据技术引入工程项目管理，然后构建在大数据环境下的大数据全生命周期管理模型，最后分析此模型的应用价值和应用前景。

1引言

随着人类社会的发展，每一次社会的技术变革往往都是通过某些技术的在某些行业的生根发芽，而后不断扩展应用到整个行业，甚至整个产业。大数据技术即将成为这一变革型技术，面对这些年的互联网+、云技术和智能制造等概念的广泛延伸，数据驱动下的工程项目管理走进了人们的视角[1]。工程项目的管理归根结底就是对于数据的管理，数据作为支撑在其中起到很大的作用，同时工程项目数据也具有几个共性的特点，数据量巨大、数据量繁杂和数据的价值密度较低[2]。

面对这些问题多内外的学者对此进行了大量的分析研究，首先对大数据的准确性定义进行了广泛的辩证，并对传统的项目管理过程中的流程问题进行分析，通常情况下，传统项目管理需要制定详细的基线，对于基线的实现过程进行严格的项目把控。而对于当今不确定的世界，项目管理已发生了巨大的变化，因为环境发展的不确定性和动态性，项目的发展也会更加不稳定[3]。同时项目的进行，也是数据产生的源头，大量的、不确定性的和量级增长的数据随着项目诞生，这就需要对数据进行稳定性分析，免收实时数据的干扰。

2大数据应用的价值链和层次分析

大数据就是产业发展的基础，在大数据的基础上才会有智慧和意识，而对数据的分析论证就是大数据应用的核心中枢，数据驱动工程才是整个项目全生命周期的价值链核心。美国著名的麻省理工学院曾经对此进行了长时间的研究调查，得出当对工程项目的数据进行良好的管理和运营后，他们的生产效率要比同行高出5%，在利润上更是高出6%，由此可见数据价值对于企业的重要性[4]。

为了对大数据进行良好的使用，在此根据马斯洛分层理论将大数据按照价值进行了三个层次的划分，最底层的数据源，数据产生的基础，数据源的数据拥有复杂性、多样性、可变性和数据量大等特征，需要很好的对数据进行清洗，否则难以得到有价值的数据资源。中间层作为承上启下的关键节点，具有一定的预测和优化能力，首先将数据源已经清洗的数据进行整理和数据库的存储，对于工程项目中的图片、文本、视频等资料以结构化和半结构化的形式进行存储，而后利用一些基本方法对其分类和筛选，为接下来数据的应用提供准备功能。最上层也是数据利用的最终节点，在此主要实现数据的提取已达到预测和优化，最终实现价值的创造。

3基于大数据的工程项目管理模型

在2014年工业部和信息化部曾经在白皮书中提到，因为大数据知识的体量、结构和实效性的特点，需要采用计算架构来实现决策和知识的发现，跟因为大数据发展过程的“数据-信息-知识-智慧”的历程，将大数据应用到工程项目的管理中，以此为基础挖掘海量数据的潜在价值，得到行业的管理性知识和智慧，为后期的工程提供参考。美国著名的物理学家和系统工程专家Hall曾以依据时间、知识和逻辑性的维度特性提出三维结构模型。在此结构模型中时间是工程项目全生命周期的量化基准，作为一个因变量来探讨工程项目的实施过程，知识为项目进行提供最基础的支撑，知识作为被验证的科学将方法和经验的价值应用到分析和预测中，逻辑性作为项目实施的各种配置和管理，负责项目的实施和维护等[5]。

数据的产生伴随着工程项目中每一个过程，对于一个工程项目可以简单的分为需求分析模块、预设计模块、精细化设计模块、生产运营模块和最后的反馈和维护模块，每一个模块都有其特点的价值，举例如精细化设计模型，在此模块中的材料、图纸、参数配置等，都需要进行详细且细致化的论证，来确定工程项目整体的安全性。

图1数据驱动下的工程项目管理模型

3.1多通道访问层

在产品的全生命周期中，是多个部门组织协同工作，对于企业知识服务模型的访问控制中牵扯到用户、角色、渠道和资源客体数量一系列复杂难题[17]，为此建立了多通道访问层。首先针对访问用户和角色指标，包括各机构之间关系、部门与岗位关系、个人与团队关系，这些角色在访问知识服务模型中都具有不同的权限，来对访问控制的客体操作的准允描述。访问的渠道也愈加多元化，微信、云端和各种智能设备都可以进行访问，会使整个流程达到一个相对透明的高度。

3.2产品管理层

产品管理层是产品智能制造全生命周期最为关键的层次，包含基本的订单管理、PLM、供应协同和车间作业，指代从原材料投入到成品出产的全过程，包含最基本的毛坯制造、零件加工、产品装配和后期的质量管理三个阶段。在毛坯制造过程往往是对大批量的材料进行一些基本的下料和热处理等操作；零件加工过程是改变产品毛坯件几何尺寸和机械性能以达到满足特定的功能、结构特征和技术要求；产品装配是将零件按照规定的技术要求将若干个零件组成部件或将部件连接成为产品的过程；质量管理是根据需求确定质量策划和质量保证。

3.3产品营销层

产品营销层主要站在客户和企业的视角来构建产品全渠道营销（OmniChannelRetailing，OCR）和多组织协同，通过对知识的分析综合来获取产品关联信息，达到对产品的及时预警和反馈调控来优化服务。例如当产品实际生产完成后，因为多组织的协同作用，关键环节做到全自动化的部署，小型立体仓库提升产品的供应，有助于整体组织的柔性的建设，达到快速及时的响应能力，并为此提供足够的物流配送与售后服务。

3.4产品服务层

产品全生命周期中不仅要解决产品设计和各种技术问题，同时也需要后续的服务，在当代智能制造的大环境下，产品不仅仅是产品本身还包括与此相关的配套服务。服务的对象是与产品系统相关的所有人，包括工作人员、消费者和管理者，为工作人员提供可以近距离触碰产品的每个环节的机会，为消费者提供简单的技术引导，为管理者提供清晰的了解和掌控产品的渠道。产品服务层在个性化扩展平台上通过对知识的分析和管理来为相应的人员提供开放的与产品相关的基础服务。

4结论

本文以高维度的视角将大数据技术引入到目前的工程项目管理中来，相比于传统的工程项目管理手段，可以更好的应用数据驱动在测试、制造和使用中增加项目进度的稳定性和安全性。并且能够自动连续的获取数据，大大的节约了企业的成本和资源。大数据的技术手段已广泛应用于工程项目管理、分析和进度把控等方面，也为工程项目提供了新的思路，但同时也存在部分的不足，如大数据的可持续性发展问题还没有进行详细的考证，数据的同步也还没有更加迅速的完善，在以后的研究中需要对此进行大量的研究。

参考文献

[1]杨耀庭.大数据驱动工程项目管理转型升级[J].建筑技术开发,2017,44(2).

[2]杨青,武高宁,王丽珍.大数据:数据驱动下的工程项目管理新视角[J].系统工程理论与实践,2017,37(3):710-719.

[3]刘全超.大数据辅助建筑工程项目管理[J].中国建设信息化,2016(4):72-74.

[4]赵明.基于元数据驱动设计的项目生命周期集成管理平台的设计与实现[D].吉林大学,2017.

[5]罗湘峰.工程建设项目管理系统研究[D].吉林大学,2007.