基于“大数据”的分年度投资计划管理研究
2018-04-03
(国网新源浙江仙居抽水蓄能有限公司 浙江 仙居 317300)
一、投资阶段划分
大数据显示,基建期呈现出明显的阶段性特点,相应的投资也呈现出明显的阶段性,主要表现如下:
第一年:筹建期标段工程开工建设,土建工程施工强度逐渐升高,土建工程量同步开始增长,土建工程投资在总投资中的比重开始提升。
第二年:土建主体工程开工建设,与筹建期标段工程叠加,土建施工强度到达整个建设期的最高峰,相应的土建工程投资在总投资中的比重达到最大,主机合同签订,重大设备合同基本签订完毕。
第三年:筹建期工程施工完毕,土建主体工程施工强度明显下降,工作面大幅减少,土建工程投资比重下降至相对低点;机电安装合同签订完成,设备到货数量逐渐增长。
第四年:土建主体工程主要工作面陆续完工,主要工作面仅剩地下厂房工程,机电安装工程土建部分施工强度逐渐加大,设备到货数量进一步增加,设备投资比重进一步上升。
第五年:机电安装工程土建部分逐渐完工,设备安装工作强度增长明显,达到建设期最高峰;设备到货量此时也达到最大,相应的设备投资比重达到最大值。
第六年:机组按照每季度投产一台的进度完成安装、调试、投产,年底完成“一年四投”,机电安装工程强度由年初到年底呈现下降趋势,土建及安装工程量均有明显的下降,相应的土建及安装工程投资呈现下降趋势。
二、投资影响因素分析
(一)合同结算对投资的影响。分年度合同结算约占年度投资额的80%,通过收集已建成电站建设期合同结算、投资、资金流等大数据,可知合同结算直接影响分年度投资、资金,合同项目结算对工程投资占主要影响地位。
1.采购计划及合同签订对合同结算的影响。大数据显示前两年采购计划额度占比为88%,前三年合同签订额占整个建设期合同签订总额比例为90%。年度采购计划编制完成后,实际签约合同价约占当年计划额度的80%,约20%的采购项目将延迟至下一年度完成签订,当年新签合同结算额度约占采购计划额度的15~20%,其余合同额将延迟至后续年度完成结算。
2.施工类、物资类合同对合同结算的影响。根据大数据,在合同数量方面,施工类占17%、物资类占50%、服务类占30%;在合同结算额度方面,施工类占48%、物资类占41%、服务类占4%。可见,施工类合同数量虽少,但对投资整体影响程度较大,服务类合同数量虽多,但对投资整体影响较小。
(1)施工进度对施工类合同结算的影响。施工进度计划在整个工程建设期具有阶段性的特征,相应的施工强度、资源投入、完工工程量均具有阶段性的特征。土建工程量主要集中在建设期前三年,安装工程量主要集中在建设期后四年。
(2)交货及验收进度对物资类合同结算的影响。物资类合同到货验收款占全部合同额的50~90%,因此,到货验收进度及安装进度对物资类合同结算影响较大。大数据显示,大型设备到货量主要集中在机组全部投产前四年,投产前两年达到高峰。
(3)变更索赔事项对施工类合同结算的影响。抽水蓄能电站从开工到竣工一般会发生变更与索赔事项600余项,处理金额达到2亿元。开工至电站机组投产期间,每年处理变更索赔费用占当年施工类合同结算金额比例约为10%,占年度投资比重3~5%,对年度施工类合同结算及整体投资影响较大。
(二)建设期贷款利息对投资的影响。分年度建设期利息主要依据上一年度期末累计贷款本金、当年贷款金额及利率进行计算,因此与融资及贷款利率密切相关。分年度建设期贷款利息占投资比为10~15%,对投资影响较大。
三、数据收集及数据仓库建立
3.1数据深度挖掘。通过对上述数据进行收集、分类,利用“大数据”技术对所收集数据进行全面整合、统计、分析,对各类信息深度挖掘,发现各类数据与投资数据潜在的联系。
3.2数据仓库建立。完成数据挖掘后,进一步探索各类数据与投资数据的关联关系,通过关联分析、序列发现,确定数据之间的关联规则,归纳出相关算法,通过一定的算法建立数据仓库。
3.3数据模型提取。利用数据仓库历史样本,以数据仓库数据为基础,使用智能方法提取数据模型,对类似工程投资数据走向或趋势进行估算、预测,最终实现用历史预测未来的目标。
四、投资计划简易数学模型建立
结合投资阶段性分布规律,以投产电站数据仓库为基础,编制生成分年度投资与分年度正在执行合同额比值系数e,根据该系数并考虑一定的综合调整系数f,可建立投资数学模型。此处引入正在执行合同额的概念,是指电站当年所有尚处于或将处于履行状态的合同签约价的总和,其计算公式为:
Ci=Ci-1+80%×Pi
(1)
式中:i——建设期第i年;
Ci——建设期第i年正在执行合同额;
Ci-1——建设期第i-1年正在执行合同额;
Pi——建设期第i年采购计划额。
在计算出建设期第i年正在执行合同额之后,根据已建成电站模型编制出的分年度投资与分年度正在执行合同额比值系数及综合调整系数即可测算后续电站分年度投资,计算公式为:
Ii= Ci×ei×fi
(2)
式中:i——后续同类型电站建设期第i年;
Ii——后续同类型电站建设期第i年投资;
ei——已建电站模型第i年投资与正在执行合同额比值;
fi——建设期第i年根据不同时期、不同地点因素引起的定额、价格、费用标准等变化的综合调整系数。
五、投资计划详编时的数据复核
由于投资具有阶段性特征,数据也应根据不同阶段采用不同的方法进行复核,对投资计划简易数学模型初步测算的投资规模进一步修正,对投资数据进一步精确、细化,此时编制生成的投资数据较简易数学模型初步测算的投资精度有所提高。
六、计划执行阶段的管控措施
分年度投资计划编制完成后,围绕编制的计划进行目标管理,结合当年所处的年份及建设阶段,针对投资影响性因素进行主动控制。
七、应用举例及实施效果
随机抽取一座处于基建期的电站进行检验,结合该电站所处的建设阶段,根据数学模型可初步计算该电站次年投资计划;投资规模确定后,再根据该电站计划编制期所处的阶段,采用相应的投资复核方法进行复核、修正;在计划执行阶段,结合管控措施及手段,强化投资过程管理。检验结果显示该电站当年投资计划完成率>99%、偏差率<1%,投资计划精度效果明显。
八、结束语
通过参考已建成投产的抽水蓄能电站大数据,结合阶段性特点,探索出各影响因素对投资的影响程度及规律,利用大数据技术,生产数据仓库,建立简易投资计划数学模型,预测后续开工建设电站相应年份的投资规模、精度范围,以此指导详编阶段的投资计划编制,并通过相应的投资复核方法进行修正,确定年度投资额,达到了提高投资管控能力及水平的目的。
【参考文献】
[1]郭建欣,试论水电工程投资控制与管理[J].水力发电,2002(2):5-7.
[2]陈国政,水电工程建设投资阶段性控制管理问题探讨[J].人民长江,2012,43(14):24-26.