数据挖掘技术在建筑企业管理中的应用

2015-04-16凌莹莹

建材与装饰 2015年38期

关键词：数据挖掘建筑分析

凌莹莹

（广西耀华建设工程有限公司　广西南宁　530028）

数据挖掘技术在建筑企业管理中的应用

凌莹莹

（广西耀华建设工程有限公司广西南宁530028）

近年来，建筑企业的发展水平得到很大的提高，然而，由于项目流动性较大等原因，建筑企业的管理相对复杂，数据挖掘技术是在海量数据中提取有用信息的有效手段，其能够在大型数据库的数据集中有效利用分析工具发现数据间关系，本文阐述了目前建筑企业管理现状，探讨了在建筑企业管理中数据挖掘技术的应用，以期为类似的工程和同行提供参考。

数据挖掘技术；建筑企业；管理

1　引言

随着我国网络化、信息化的不断发展，我国建筑企业的管理也在逐步的发展，数据挖掘技术是一种新兴的有效技术，大量被应用于建筑企业的管理中，给建筑企业的管理决策提供了强大的支持和依据。在建筑企业的实际管理中，要依照建筑工程实际的施工内容，找出有效合理的计价依据，要从整个工程数据中提取出所需的各种工程量的数据，要合理有效的安排资金的调度，需要把大量数据进行各种数据处理，以数据的精细化管理为目标，使建筑企业的管理水平得到提高。因此，将数据挖掘技术应用到建筑企业管理中是必要的。

2　数据挖掘概述

数据挖掘是从海量数据中提取出隐含的、潜在有用的同时人们感兴趣的知识；提取的知识表示为概念、规则、模式和规律等形式。也就是说数据挖掘的数据源必须是大量的、含噪声、真实的，其中所发现的知识是用户感兴趣的知识，通过数据源发现的知识要是可理解的、可以接受的、可运用的，并且挖掘过程中不要求发现所有准确的知识，只要能发现指定的问题即可。

数据挖掘综合了各个学科的技术，有大量的功能，且数据挖掘的这些功能是彼此不能分离、相互联系的。数据挖掘的第一个功能是聚类。通过聚类分析能找到属性相似的群体，聚类的目的是使不同群之间的差别尽量最大化，同时使同一个群之间的属性数据相似化程度最大化。数据挖掘的第二个功能是数据总结。数据总结的目的是浓缩数据。用来进行数据总结的方法有很多，比如传统的平均值、求和值的统计方法。数据挖掘的第三个功能是预测。即从数据库中利用数据挖掘技术将所需信息提取出来，并据此预测以后的发展趋势。数据挖掘的第五个功能是关联分析。关联规则和序列模式是进行关联分析常用的技术。关联规则体现的是同一事件中不同项的相关性。而序列模式则呈现的是不同事件在时间上的相关性。数据挖掘的第六个功能是偏差的分析。能够将偏差出现的深层次原因分析出来。数据挖掘的第七个功能是分类。构造出的分类模型能把给定的数据项映射到给定类别中的某一个。构造一个分类函数或分类模型是分类所要达到的目的。

3　建筑企业管理的现状

目前，人工式、粗放式的管理模式是大多数建筑企业所采用的模式，遵循着常规流程，工程项目部依据公司下达的进度指标，任务工地的实际施工的现状以及下一阶段的施工组织计划，申请材料的购买和供应，申请各项专项资金，以此来项目的整体推进得到保障。从表面上看，这种管理模式很规范，然而，这中间却隐藏着很大的风险，传统的管理模式主要体现了对人工材料合作供应单位、项目施工组织人员的充分信任，如果发生了人事危机，建筑企业根本无从控制项目中的很多环节，严重者会产生各地的烂尾工程，导致企业的破产等，即便情况较轻也会让建筑企业损失各种各样的利益。另外，这种管理模式还暴露了建筑企业对材料供应商的依赖，建筑企业丧失了对于材料价格的监管，材料价格在材料采购人员和供应商之间进行确定，如果供应商无止境的将自身利益扩大，最终买单的、损利的、受伤的只能是建筑企业本身，尽管建筑企业不会只有一家供应商可以选择，在采购之前还可进行选择、进行比较，但这些都是在项目初期阶段能够做的，在项目正式开工之后，建筑企业很难有从容的时间来进行新的选择，以上就是当前建筑企业管理中较为流行的做法。秉持一种挣钱不挣钱先做上再说的思想，然而，当建筑当企业发现问题时，很可能已经大势已去，只能任由其来压榨自己的利润，自身也无能为力了。这种人为依赖式的管理给企业带来了潜在的风险，同时制约了企业的做大做强、长远发展，不利于加强企业的长期管理水平的提高。

4　数据挖掘技术在建筑企业管理中的应用

在数据挖掘的实际应用中，要依照工程管理方式、工程造价类型、资料数据信息的属性，按照不同的分类方式梳理好历史积累的各种工程数据，确定好我们所挖掘的对象数据库，根据建筑设计的数据规范建立气存储数据的格式。在进行造价活动的过程中，我们需要按照设计的规范将各种专业的工料机数据、定额数据、清单数据建立起基础数据库，并且进行数据的二次整合分析，此时需要将工料机数据、配合比和定额数据有效合理的衔接上；需要将混凝土等配合比信息按照配合比的规定合理的衔接上工料机数据；还需要将配合比数据、工料机数据、清单数据和定额数据进行衔接。

目前，清单模式报价被广泛进行推广，各种定额数据依然是清单报价的重要组分，这其实是在传统的定额计价模式上套了一个壳子，但是，我们要从积极的方面来看待问题，假设没有推广“壳子”模式，广大的建筑工程人员是没有办法熟悉和了解清单报价是什么的，并且也没法推动本行业的发展，因此，在整理数据的过程中，要将清单数据与工料机数据衔接上，建立起最基本、最原始的链条，提前做好未来数据分析工作的准备。

在储备工程造价的数据，各类人工或者原材料的数据储备是另一个十分关键的环节，这些储备包括了各类市场价格数据储备和各类历史价格数据的储备，换句话说这些数据是具有时效性的、不断增大的、动态变化的数据库，如果我们储备的历史价格数据足够多，就可以对各阶段时期情况进行分析，分析工程造价的变化发展趋势，并且对工程造价的的走向进行预测；储备足够的当前各地市场价格是进行造价横向比较的前提。基于现有的数据、实际的工程状况以及造价管理的需要，进行针对性的数据提取和挖掘，在对工程的造价进行计算时，在图纸上，我们可以获得各种工程的数据以及各种工程的要求，并以此为依据，将工程的造价计算出来。

如果将某项工程的结构模型建立起来，我们就可以根据构建的模式从数据库中找到相应的数据，对未来该工程造价的发展趋势进行预测，获得多种多样的数据结果.然后针对性的进行比较分析，提取各种各样细节性的数据，最后得到预测结果。我们可以通过制定出相应的策略，来辅助某项工程的材料供应决策，挖掘基本数据库中所需的数据，能够纵向的进行分析，也能够横向的进行比较，通过横向比较可以获得不同地方价格指数，而整体趋势则可以由纵向分析获得，形成最好的优选方案，可以有效的降低风险，将企业的管理水平提高。

5　数据挖掘举例

分析建筑企业对运营资金数据挖掘需求，建筑企业对运营资金数据挖掘需求包括功能需求和性能需求。

（1）功能需求，数据挖掘是一种多学科的共同产物，具有强大的数据分析功能，可以帮助企业集中海量的数据，从收集到的数据中挖掘出有用的信息，帮助提高企业的预测能力以及财务分析，在财务分析中应用该技术，在大幅度提高财务分析的准确性的同时，还可以将财务分析人员的工作简化，而且也能大大的改善企业的运营效率，利用数据挖掘技术，还能够及时的追踪市场信息，将市场需求的一些变化反映出来，并且利于企业财务分析成本的节约。

（2）性能需求，包括对数据的适用性、精确度、可扩充性、系统可用性、界面友好性和可管理性的要求。①数据的精准度，根据建筑企业的数据安全性要求，系统不能随便处理相应的数据。②适用性，要保证高可靠性和高信息安全性。满足建筑企业监管部门的使用要求。③系统可扩充性要求，基于可扩充的平台进行系统建设来提高系统的可扩展性，对不同地区、计划类型、时间、行业的数据可灵活进行定制相应模块。④系统可用性要求，保证用户正常使用的基础是操作快捷、内容完善。因此，应准确而详细地理解用户群特征、使用环境和任务，在效率、有效性以及满意度等方面满足多类型用户对于系统的要求。⑤界面友好性要求，系统提供针对所有会计算机基本知识的操作人员统一的操作界面和方式。操作界面美观大方，功能完善，布局合理，操控性强。