数据驱动视角下的工程项目管理

2018-09-19李聚揆

价值工程 2018年30期

李聚揆

摘要：进一步做好大数据统计学习、完善以及预测工作，完成数据驱动决策目标，是目前管理科学和系统工程需要解决的重点问题。为了能够让数据理论方法运用到工程项目管理中，文章论述了“数据驱动决策”的价值链，随后创建数据驱动视角下的工程管理项目中的三维结构模型，指出时间维、领域维与方法维，扩大数据技术在工程项目管理中的应用范围。

Abstract： It is the key issue that needs to be solved in management science and system engineering to do well the learning， improvement and forecasting of big data statistics and accomplish the goal of data-driven decision-making. In order to enable the application of data theory methods to project management， the article discusses the value chain of "data-driven decision-making"， creates a three-dimensional structural model in the project management project from the perspective of data-driven， and then points out the time dimension， domain dimension and method dimension to expand the application scope of data technology in project management.

关键词：数据驱动；工程项目管理；三维结构模型

Key words： data driven；engineering project management；three-dimensional structure model

中图分类号：C39 文献标识码：A 文章编号：1006-4311（2018）30-0071-03

0 引言

科学技术的不断创新与发展，推动了信息化发展脚步，尤其是互联网和各媒体的出现，比如百度、谷歌和淘宝等。在应用过程中，形成大批量数据，从而将人们带入大数据时代。

1 大数据的概念及优势

随着我国科学技术的逐渐发展与进步，渐渐形成了一套完整的大数据概念，为解决大批量数据问题提供了便利。在2008年期间，美国自然杂志推行了Big Data专刊，随后又推行了《Dealing with Data》专刊，大数据问题就是专刊研究的主要问题，在一定程度上显现出了研究大数据的重要性。在2011年5月份，麦肯锡公司推出了大数据的详细报告，报告内容上显出，大数据广泛应用在人们的工作和生活中，大数据在世界各个领域中都起着非常重要的作用。在2012年期间，美国政府推出了《大数据研究和发展倡议》，从此大数据计划由此开始。通过研究大数据使得各个领域能够飞速发展，是大数据计划的核心内容。现阶段，对于大数据还没有一个精准的概念，而百度百科和维基百科分别对大数据做了详细的解释，虽然解释的方法有差异，但最后都指明了大数据时代的到来，大数据在人们的工作和生活中所带来的便利。大数据不但可以促进企业经济的快速发展，还能推动整个社会的发展脚步。此外，规模性是大數据的特点之一，在互联网的发展过程中，大数据是非常重要的环节。随着现代化经济以及科学技术的不断发展与进步，能够存储大量的互联网数据信息。如今，有的高校图书馆的数据存储量已经达到了PB级，像一些大企业的数据存储量已经达到EB级。大数据具备快速性的特点。大数据在形成过程中，实时数据已经达到了一定高度，随着社交网络的发展，能够及时对数据进行处理，例如，传输，决策，交流以及感应。大数据具备多样性的特点。总数据包括结构化数据，半结构化数据，非结构化数据，如今，随着我国科学技术的逐渐进步，单一结构化数据已经适应不了现阶段的发展趋势，网络信息的传播，发布的机构组织信息，都会产生大批量的数据信息资源，产生的数据信息资源能够为我国的科技发展带来更多的惊喜。大数据具备价值性的特点。在大数据中，不是所有的数据都有价值，也有许多没有用的数据，有价值的数据资源通常藏的很隐蔽，需要研究和抽离，特别是当联系到教育，经济和科学的数据的有效数据时。总的来说，数据价值的大小和数据总量成反比关系。

2 工程项目管理方式

2.1 进度管理

①利用施工任务计划书来落实计划任务。施工任务书是班组管理的主要工具，是上级下发给施工人员任务的最好方式，用于完成控制与核算工作，有助于进度的掌控。②分包进度控制方法有：分包人员按照施工进度计划制定分包工程施工进度计划并予以落实，项目管理人员需把分包工程施工进度计划融入到项目进度控制范围内。③施工进度计划检测根据进度落实记录，勘察内容有实际完成工作量和累积完成工作量，进度偏差与进度管理情况和影响进度的原因等。④进度延迟的原因及解决方法。

2.2 质量管理

质量在建筑工程项目中占据主要地位，一旦质量出现问题，企业信誉度也有受到影响。质量问题包括施工质量和材料质量，两者缺一不可，质量管理不严格，工程项目就不会好。在土建工程项目中，不但要提升经济效益，还要确保工程质量，质量是关键，不容忽视，不仅影响个人荣誉，还直接威胁他人安全。在质量面前，必须遵守制度，如果质量不合格，必须返工，让每一位施工人员都认识到质量的重要性。

2.3 费用管理

在土建工程中，费用管理是其重要部分，决定了工程经营预算额度，要更好的完成建筑项目经营管理与成本核算工作，就要熟悉建筑工程项目经营模式与方法，根据详细的经营模式制定出严谨的管理计划和措施保障计划；在工程项目中，工作人员要熟悉成本核算流程，掌握工程成本框架，明确收支项目，拟定计划成本、实际成本和目标成本。

2.4 安全管理

在任何一个建筑企业中，安全永远是第一位，必须在施工过程中确保其安全，安全是重中之重，高于一切，且安全与利益密切相关。在建筑企业中，每一道工序都有对应的操作流程，人员在上岗前都要进行安全培训，这点是必不可少的。安全工作不能懈怠，针对违反安全规范的员工，须予以严惩。建筑工程施工安全保证其工程利益。

3 企业实施大数据应用的价值与层次

3.1 借助“数据驱动决策”创造价值

企业分析大数据的主要目的是为用户创造价值，如图1所示，此项流程主要包含：用户需求辨别、产品开发、制造与供应链管理，由此组成了项目价值链，开发阶段是体现项目生命周期价值的重要因素。在数据驱动视角下，完成“数据驱动决策”是整个价值链的重点。根据研究表明，企业将数据作为驱动，就越能体现财务和运营效果，将行业中的前几名以数据驱动作为决策企业，其生产效率和利润率都明显增高。

3.2 大数据技术中金字塔层次运用

如图1所示，在繁琐的工程项目管理中运用数据技术的三各层次，和普通数据分析法不同的是运用数据基础可获得不同种类的数据源，且这类数据源具备6Vs特点，对此要经过信息提取和预处理后，方可进行预测和优化，为企业、客户创造更多的价值。金字塔结构的三层含义指的是：

最底层的基础层代表工程项目中的生产和利用的不同数据源，从以下几方面进行论述：第一，数据量大。数据容量非常大，涉及数据记录，要有足够的储存空间来保存这类数据。第二，多样性。数据来源复杂，数据种类多样，不仅包含结构化数据，还包含半结构化数据、非结构化数据。第三，快速性。数据的形成和积累频率非常快，这就要求数据处理速度要快，有助于管理人员完成决策。第四，真实性。在数据中经常存有噪音和异常数据，这就要求从数据中找到有用数据。第五，可变性。数据涉及范围广，包括人类、机器，和传统数据比较有一定的可变性。第六，价值性。经过采集和比较数据，能够从中探索出数据价值。

中间层代表采集数据在预测和优化前期，并对提取信息进行处理。企业在分析繁琐工程项目中的数据时，要借助各类途径对项目内外信息进行采集和提取，把采集到的信息放入数据系统中。与此同时，因为采集和提取的信息在结构上有明显差异，例如E-mail、半结构化和非结构化信息、文本等，所以在借助数据进行预测和优化前期，企业要借助各类分析方式，来统一这些原始数据结构，完成挑选和提取工作，为后期工作奠定基础。

最底层代表数据分析方法：预测和优化法。人们利用构建模型来对数据进行预测和优化，提高企业经济效益，为客户创造更多价值。

4 基于大数据的工程项目管理三维结构模型

霍尔，系统工程学家率先推出了“三维结构”模型，其中包含时间维、领域维与方法维。根据三维结构，推出了基于大数据的工程项目管理的三维模型，如图3所示。时间维指的是项目生命周期的各个环节；领域维指的是项目管理应用领域，在项目管理前提下，加入需求管理，彰显配置管理；方法维指的是大数据的分析、完善和预测方法。

4.1 项目生命周期中的数据类型

在土建工程项目管理中，项目的每個流程都有大量的数据，借助数据技术进一步分析项目流程中涉及到的数据信息，管理人员在做好预测和优化工作的同时，也要对工程项目进度、成本、质量进行全面掌控。

4.2 数据预测及优化方法

现阶段，尽管很多企业具有大数据分析的数据基础，但是尚未成型，仍处在探寻阶段，没有合适的方法。许多学者借助数据库搜索研发现大数据的研究是主要包括商业、计算机科学和管理，关于土建工程方面的研究很少，而数据分析在某种程度上加大了数据应用难度，已有的分析法主要解决结构化数据问题，随着数据保存和处理设施的不断优化，相信未来大数据会在土建工程中应用广泛。

数据预测及优化方法有：

①统计。统计是于采集、构造、解释于一体的数据科学，包括调查与实验设计。统计技术在判断变量关系中应用广泛。

②机器学习。机器学习目标是将观测数据转换为可预测或解释的数据模型，并且在数据分析行业中应用广泛。比如分类器能够避免电子邮箱受到垃圾邮件的困扰；内容推荐系统可以提供可靠性的用户体验。

③数学建模。数学公式、数学符号和数学程序是数学建模的主要方法，从实际中采集、抽象出来的数学模型，可以解释一些客观现象和发展规律，数学建模是利用计算来获取结果进而解释问题，并接受检验。一旦从定量角度去分析问题时，就要进行深入调查，用数学的符号和语言作表述来建立数学模型。