沈徽1 张梦文2 陈斐2 史成龙2 殷莹2
1中国核工业建设股份有限公司，北京，100037
2中国核工业二四建设有限公司，绵阳，621000
摘 要：施工企业通过建设施工大数据平台，采集施工过程中各种资源数据，掌握实际投入人、材、机等资源消耗，质量安全等信息，定期对数据进行全面分析总结，采用科学的分析方法定位问题、量化问题。形成施工人员工效分析报告，快速识别施工问题（如设计、供货、土建、逻辑施工等）对施工成本产生的影响，及时预警，并及时跟踪协调解决，让数据创造价值，为过程管理和决策提供依据。
关键词：大数据平台；成本控制；施工企业；数据采集
引言
在云计算技术日益成熟的背景下，大数据已经成为当前重要的战略资源和数据支撑，数据增长速度迅速，数据类型具备越来越多样性的特点，大数据的价值日益重要，逐步成为企业在未来大数据应用和布局的新选择。必须重视数据资源，发展大数据应用，将数据提升至资产高度，推进数据共享，提高分析与管控水平。
1建设大数据平台的意义
在大数据时代下，施工企业通过采集施工现场连续产生的多源大数据，真正实现动态感知和及时反馈。利用稳定运行的大数据平台和多学科融合的大数据生态圈资源，打造施工企业大数据工程应用，发挥大数据的业务功效，快速识别施工过程中因进度、质量、安全风险造成的成本增加，通过科学分析方法定位问题，加强人员调度与工效管理，合理配备施工设备、集聚，降低施工过程中材料消耗，避免资源浪费，优化施工工艺及施工方法，辅助施工企业科学决策，提高精益施工能力，降本增效。
通过提高施工现场网络化和智能化水平，以大数据、云平台为核心支撑，建设建筑施工大数据平台，在智能调度、智慧生产、电子商务、共享服务等方面，助力价值创造、引领行业创新，全面提升业务环节的互联互通，进一步发挥设计、采购、施工、运营一体化运营模式的整体效应。
2建筑施工企业大数据的挑战
2.1外部挑战
(1)经济形势与市场需求整体增长缓慢；
(2)行业管理创新能力差，约25%的行业增速，制约了行业的创新能力，企业与行业转型升级步履艰难；
(3)集约化运营苦难，建筑业以承包制为主流管理模式，集约化运营（采购集约化、资金运营集约化）难以做到，根源是企业级数据集约化还无法实现。产值、材料用量靠自行汇报，问题无法追溯、数据不可信；
(4)协同能力差，工作效率低，建筑施工参建方多，数据分散，数据格式多样，工作效率较低，协同能力差，协同成本高，协同错误多，管理困难，如数据的存储、搜索、计算和可追溯能力非常差；
(5)其它，如工程量、预算、消耗量指标、造价等不透明，导致市场集中程度并不高，无法凸显行业规模经济优势，竞争力不高；
(6)产业整合度低，产能落后将可能会倍行业淘汰。
2.2内部挑战
(1)信息化程度不高，IT系统/管理思路需要升级，以更好适应IT与业务的协同；
(2)工作效率还有很大提升空间，在生产/服务相关领域如何更好的利用数据资产还有很大改进空间，特别是生产效率、服务水平等领域；
(3)IT应更好的服务于业务，建筑施工业业务规模大，生产复杂，IT和业务结合的技术难度高；
(4)更多基于互联网的新兴数据源对现有IT系统的冲击；
(5)IT系统架构需要考虑如何高效的集成和利用新兴数据源；
(6)复杂的数据结构，多年建设的IT应用系统中蕴含的丰富的业务知识，缺少数据挖掘的方法与工具；
(7)需要适应业务发展的先进数据分析平台，满足海量数据处理与实时分析的需求。
3大数据关键技术
3.1 大数据采集技术
大数据时代，数据的来源极其广泛，数据有不同的类型和格式，同时呈现爆发性增长的态势。数据收集一般可以分为设备数据收集和web数据爬取两类，常常用的数据收集软件有Splunk、sqoop，Flume、Logstash、Kettle以及各种网络爬虫，如Heritrix、Nutch等。
3.2 大数据预处理技术
主要完成对已接收数据的辨析、抽取、清洗等操作。
(1)抽取：数据的获取存在多个源头，结构不同、类型不同，需要转换为有价值的数据，实现可以高质量分析的目的。
(2)清洗：现实中的数据大多是“脏”数据，具备不完整性、含噪声，不一致性特征，我们在使用数据过程中对数据一致性、可用性要求，因此要对数据进行去噪声和无关数据排除，满足数据质量要求。
3.3 大数据存储与管理技术
大数据存储与管理要建立相应的数据库，以便管理和调用。任何机器都会有物理上的限制：内存容量、硬盘容量、处理器速度等等，我们需要在这些硬件的限制和性能之间做出取舍，利用分布式架构策略对海量数据进行存储与管理。该架构采用多副本技术和容灾技术满足高可用，采用分布式RAID技术达到低成本的目的，采用存储阵列扩展及分布式存储满足高性能要求。
3.4 大数据分析及挖掘技术
大数据分析技术是对大数据的产生、存储、挖掘和展现的全生命周期进行综合分析处理的过程，通过大数据分析，可以发现潜在价值的信息和知识。
3.5 大数据展现与应用技术
大数据技术基于业务理解，通过科学的分析方法，将隐藏于大量数据中的信息和知识挖掘出来，指导人类去理解和干预数据中的规律，创造经济价值，在科学、工程、安全领域、物联网、智慧城市得到了良好的应用。
4施工成本大数据平台探索与实践
4.1 总体设计思路
大数据平台采用“厚平台、薄应用”的架构设计理念，建设统一的dPass平台，提供云平台服务，并从平台基础架构等八个方面提出了设计思路。
(1)大数据平台
基于Hadoop分布式系统基础架构，在软件层面提供数据和计算的高可靠性。
(2)实时数据采集
基于成熟算法解决实时数据传输过程中的高安全性及低带宽网络传输；基于TCP/UDP协议的网络传输应用、分布式消息系统和分布式实时计算系统解决实时数据传输过程对高性能和高可靠性的要求。
(3)批量数据采集
基于主流开源产品框架解决对关系型数据库及数据仓库的采集、抽取和转换，以及非结构化数据的采集、聚合和传输。
(4)大数据存储
基于分布式文件系统解决高吞吐量及高容错的非结构化数据的存储；基于分布式列数据库解决要求高可靠性、高性能、可压缩的实时数据和历史数据存储；基于关系型数据库解决基础数据、元数据和高度汇总数据的存储；基于分布式键值数据库解决实时数据快照和缓存；基于Hadoop的数据仓库工具解决大数据集的数据分析批处理作业。
(5)大数据分析下计算
基于数据挖掘、数据建模和机器学习技术解决运行优化、异常预警、故障诊断和智能预测。
(6)大数据应用
基于统一数据服务及服务治理技术解决内外部应用或系统接入大数据平台，可以灵活定制和扩展由组织、流程、业务引起的数据和资源变化。
(7)大数据展现
基于数据可视化和移动可视化技术解决要求界面友好、数据量大、交互性、直观性、实时性、多维性和高保真度的大数据展现。
(8)大数据平台管理
基于主流开源框架解决Hadoop集群的安装部署、管理和监控；基于多租户及分布式协调管理和任务调度技术解决大数据平台资源分配管理，并提供易操作的配置维护方式。
4.2 应用架构
在应用功能方面，也是大数据平台的标准功能，包括数据采集服务、数据存储、分析计算、数据服务、数据应用，以及平台安全管理、资源监控管理等内容。重点围绕技术体系、分析环境、数据管控等方面建立起支持集团级大数据应用需求的强大、稳定、安全可靠、快速的基础架构（图1）。
.png)
4.3 施工成本大数据应用
建筑施工业的特点，材料是基础，设计是前提，施工是关键，管理是保障；建筑施工业大数据的特点，数据维度复杂。建筑数据，包括材料数据、工程造价数据、结构数据、施工工艺数据，还有管理数据。数据分散，采集困难，格式多元化。
(1)成本大数据：从原材料价格、工程造价、预算等方面着手
1)造价员需要查阅大量的表格数据，进行整理、分类、比对，再归档，存档后调阅，都非常不变，就一个工程的材价预算，周期会很长
2)原材料厂商多达上万，价格信息量大，随市场变化快，直接对预算和实际工程成本影响巨大。
(2)能耗大数据：控制建筑能耗，智能电表控制耗电量等
与其他产业相比，目前建筑业消耗的原材料要高出50%，消耗的能源要高出48%，建筑业还产生了全球40%的固体垃圾和50%的温室气体。（参考谷歌数据）
(3)施工大数据：监控、优化施工工艺和进度，提高劳动效率
1)建筑业施工工艺复杂，而且是现场施工，临时施工团队多，人员流动大，施工可能会有大的变化；
2)参建方多，协同工作复杂，对施工效率影响巨大。
.png)
成本控制为项目管理基本目标，目前施工质量、施工进度已经有成熟规范的管理流程，物资管理方面，随着集中采购及物联网的实施，物资精细化管理将得到有效实施，而成本控制的管理目前还比较松散。另一方面，目前建筑施工中对人工成本的管理还较为粗放，缺少对工程量准确监控，造成施工成本预算、报价和量化管理能力差，往往采用比较宽松的时间作为限制，人工成本的控制还有极大的提升空间，现有成本控制体系难以适应市场化的要求。
通过多渠道大数据信息采集，收集施工过程中各种资源数据，掌握实际投入人、材、机等资源消耗，质量安全等信息，定期对数据进行全面分析总结，采用科学的分析方法定位问题、量化问题。形成施工人员工效分析报告，快速识别施工问题（如设计、供货、土建、逻辑施工等）对施工成本产生的影响，及时预警，并及时跟踪协调解决，让数据创造价值，为过程管理和决策提供依据。
5结语
可以说未来的大数据应用还任重道远，大数据只是开始，智能转型没有终点，建设应用工作永远在路上，未来我们将探索和建设大数据应用，力争成为大数据建设与应用的成功践行者。
作者简介：沈徽（1988- ），男，本科，工程师
通讯地址：北京西城区车公庄大街12号（100037）
电子邮箱：shenhui@cnecc.com
联系电话：18301505698