京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据应用号角正式吹响 建筑业信息化_数据分析师考试
建筑行业是最需要被互联网变革的行业,因为这是最大的大数据行业之一,却也是当前最缺少大数据的行业。
日前,国务院发布《关于运用大数据加强对市场主体服务和监管的若干意见》(下称《意见》),正式吹响大数据应用号角。对已经身处BIM和“互联网+”浪潮的建筑行业而言,如何处理和用好海量的工程相关数据,是实现信息化变革的最关键因素。
《意见》提出,要进一步健全创新体系,鼓励相关企业、高校和科研机构开展产学研合作,推进大数据协同融合创新,加快突破大规模数据仓库、非关系型数据库、数据挖掘、数据智能分析、数据可视化等大数据关键共性技术,支持企事业单位开展大数据公共技术服务平台建设。
建筑行业是我国的支柱产业,建筑全生命周期内会产生海量数据。2014年,我国在建项目达60余万个,其中房屋新开工面积18亿平方米,而每个项目都会涉及建设方、总包方、分包方、材料设备厂商、劳务公司、设计院、监理方、政府部门等,在此过程中会产生大量数据。有公开资料显示,平均每个建筑生命周期大约产生10T级别数据,相当于630万部《红楼梦》。
在从事工程项目管理多年的国有建筑企业某负责人王理看来,现阶段建筑企业还缺乏对信息化的有效应用,无法通过传统方法管理海量工程数据,从而实现精细化管理。管理的支撑是数据,项目管理的基础就是工程基础数据的管理,及时、准确地获取相关工程数据就是项目管理的核心竞争力。建筑行业大数据应用和BIM普及的核心,是基于企业核心数据的积累、存储和管理。
“现在很多国外公司想进入国内做建筑行业信息化,目前国内做得很有规模、很深入的公司也比较少,但很多企业都想借大数据和云计算这些新技术变革的机会努力做一些创新。”有行业分析师表示。
不过,王理分析认为,对于建筑行业的大数据挖掘来说,存在天然的行业壁垒。“首先是数据维度比较复杂,简单来看,既有建筑类数据,如建筑造价类数据、建筑结构类数据、建筑施工工艺类数据、建筑材料类数据,也有管理类数据;其次是我国的建筑法律法规和对专业的要求与国外不一样,各省市的建筑行业法律法规都不一样。在这种情况下,建筑行业的大数据挖掘成了一个高门槛行业。”他说。
信息增值改变行业“玩儿法”
虽然入门很难,但是大数据对建筑行业的改变非常大。《意见》也指出,要充分认识运用大数据加强对市场主体服务和监管的重要性。
以传统的工程造价咨询公司为例,拥有100个造价人员的公司至少会有两个人专门做询价,即找材料价格,而一个咨询师的年成本约30万元,两个人就是60万元。从收集材料厂商数据的成本来看,收集一个厂商的信息,大约一年需要140元,而目前国内的建筑材料生产厂商有约79万家,要把这79万家的材料信息收集回来,成本是非常高的。
信息增值改变行业“玩儿法”
“所以针对这一情况,我们努力做的事情就是把这些生产厂商的数据收集回来,结合一系列机器学习、数学建模、自然语言处理、搜索引擎等技术,把信息精细加工以后,提供给用户。这既可以节省很多人力成本,也可以在做招标、投标和审核时的预算中直接载入做过精加工的数据,方便进行各种调度。”大数据专家付永晖说。
工程造价信息化是行业趋势,企业数据库建设就是排头兵。有业内专家指出,通过BIM可以更好地处理造价管理工作,“多、快、好、省、准、全”地获取材价数据,构建企业核心数据库并进行有效管理。“这些都是工程造价行业从业者每天都要面对的问题,以前他们需要通过大量时间与人脉积累,去了解庞杂的产品造价和工程管理信息,而BIM和‘互联网+’能将一切都整合到网上,实现阳光、透明的采购流程,更好地搭建核心材价数据库、指标数据库、项目数据库、供应商数据库等。”他说。
王理则直言,基于互联网的信息增值服务改变了行业玩法。这种信息化、扁平化、互动化、可视化、精细化的增值服务,延伸了工程项目预决算管理的产业链,提升了建筑行业的产业链价值,呈现出新常态背景下从要素驱动、投资拉动向创新驱动、服务带动转变的特征。
信用建设必须以大数据为支撑
《意见》提出,要运用大数据加强和改进市场监管。建立国家统一的信用信息共享交换平台,整合金融、安全生产、质量监管等领域信用信息,实现各地区、各部门信用信息共建共享。充分发挥行政、司法、金融、社会等领域的综合监管效能,在招标投标、国有土地出让、企业上市、劳动用工、环境保护等方面,建立跨部门联动响应和失信约束机制。
事实上,去年发布的《关于推进建筑业发展和改革的若干意见》已经明确,要探索开展工程建设企业和从业人员的建筑市场和质量安全行为评价办法,逐步建立“守信激励、失信惩戒”的建筑市场信用环境。鼓励有条件的地区研究、试行开展社会信用评价,引导建设单位等市场各方主体通过市场化运作综合运用信用评价结果。国家发改委副主任连维良曾表示,信用建设必须以大数据为支撑,以大数据为支撑的信用建设手段,对于加强对市场主体的服务和监管具有非常重要的作用。
据了解,浙江、湖南、安徽、山东等多地已建立或筹建工程建设信用大数据平台、建筑市场数据库等,并定期发布失信违约“黑名单”。我国建筑市场中各方主体普遍存在信用缺失情况,诚信“短板”问题突出。一些企业不按工程建设程序办事,或违法转包工程,或关键技术岗位人员不到岗履职,或在施工中偷工减料,导致质量问题和安全隐患等。而通过大数据平台动态记录信息,通过建筑市场管理和施工现场监管有效联动,有助于更好地实现“数据一个库、监管一张网、管理一条线”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17