工程建设阶段大数据处理方法研究

宋敏，阎思宇

（吉林建筑大学）

1 引言

随着信息技术在项目施工阶段的广泛应用，这一阶段已经累计了大量的信息数据，当前数据量正高速扩张。在这个“数据大爆炸”的时代，单单依据某一方面的数据及相关信息解决问题的成效降低，需要人们在庞大的数据体系中寻找解决问题的最优方案，然而这些数据如果仅仅依靠人力无法进行有效的整合，并展开全面的分析，因此对工程建设阶段如何对大数据进行处理的探讨显得尤为重要。

2 工程建设阶段大数据处理现状

建设工程行业是数据量最大、项目规模最大的行业，参与主体多、管理不稳定、覆盖地域范围广、耗费时间长、工作种类繁杂等特征决定了工程项目的信息管理具有多元性。现场管理人员需要花费大量的时间进行数据收集和分析处理，而因缺乏实时的信息数据反馈导致的工人窝工、资源浪费、安全事故频发等现象屡见不鲜，影响项目质量、进度、成本、安全等目标的实现。例如，工程体量的不断扩大，项目所需资金也随之提升，这必然产生大量的成本数据，传统的工程造价管理模式已经无法适应大工程项目的建设，影响工程的进度管理以及成本的控制。另外，工程规模的扩大也会使工程项目基础数据大量扩张，传统的施工信息管理模式不仅容易造成安全隐患，而且无法保证工程整体质量。

3 工程建设阶段数据特点

工程建设阶段的数据既具有普通信息的特点，具有建设领域的特殊性，所以工程建设阶段的数据通常具有以下特点：

1）数据数量大、内容复杂

随着互联网、物联网等新技术逐步应用于项目的施工领域，由此带来了数据量的爆发式增长，同时工程建设阶段是不同专业领域及不同参建单位的汇集阶段，各专业之间的数据传递性较差，大量的技术性文件分散于各单位。所以工程建设阶段数据量巨大，且内容复杂多变。

2）数据更新快、关联性强

建设项目施工阶段持续时间久，在这期间会产生许多不确定的因素，数据变化频率高。现场数据会随时根据项目的进展而实时更新，更新后的数据作为下一阶段的参考，所以工程建设阶段的数据之间相互依存、相互影响，关联性很强。

3）数据格式和表现多样

由于工程建设段参建方众多，但不同参建方使用的软件和储存的格式各不相同，所以在建设项目的推进过程中会产生各种各样的结构化数据和非结构化数据。

4 工程建设阶段大数据处理方法研究

4.1 探讨大数据处理目的

1）提高数据处理效率

由于工程建设阶段大量数据的产生，通过传统的方法来提取、整理、分析及利用信息数据已经无法提高数据及各类信息使用效率，进而数据及信息的价值大大降低，因此我们需要通过探讨如何对数据及各类信息进行高效的处理，进而提高管理效率，实现信息的增值。

2）有针对性的输出数据

工程建设阶段会产生大量的数据，部分数据往往存在无用、重复的情况，现场的管理人员在大量的数据中无法迅速准确的寻找到自身需求相关内容，数据使用成效降低，因此我们需要通过探讨如何对数据及各类信息进行处理，才能依据用户的需求有针对性的对数据进行输出，提高数据的质量。

3）充分挖掘数据价值

在以往大数据环境中，数据朝单向性方向发展，关联性较差，无法深度挖掘数据内在价值，因此我们需要通过探讨如何对数据及各类信息进行处理，进而加强信息数据之间的紧密关系，使数据能够合理利用，以低成本创造高价值。

4.2 大数据处理方法

大数据处理方法流程主要分为以下四个步骤：采集、导入/预处理、统计分析及挖掘。

1）采集

大数据的采集是指通过多个数据库来接收各方的数据，用户可通过这些数据库进行查询和处理工作。在项目施工过程中，每天都会不断的有全新的数据产生，信息采集就是主要对施工过程中各类进度、成本、质量、安全等相关基础数据的采集，为后续用户对数据的查询、系统分析及辅助用户决策提供数据基础。

2）导入/预处理

数据采集时会有很多数据库，但是想对这些大量的数据进行有效的分析，所以应将来自前端的数据导入进一个集中的大型分布式数据库中，并在此基础上做一些基本的清洗及预处理的工作。

3）统计分析

统计分析需要利用分布式数据库，对储存在数据库内的海量数据进行简单的分析及分类汇总等。在统计分析时应秉持服务理念，从使用者的客观需求出发，把在工程建设阶段收集的数据通过应用程序与数学模型进行分析，为施工阶段项目管理者做出准确、合理和科学的决策提供依据。

4）挖掘

与统计分析工程区别的是，数据的挖掘一般没有预先设置好的条件，主要的方式是通过现有的数据基于各类算法进行计算，从而达到预测的目的，进而实现一些更高级别的数据分析需求。

5 结语

通过对目前工程建设阶段的信息数据处理及这一阶段的数据特征进行分析，针对项目施工阶段数据处理利用不当等情况，提出了探讨大数据处理的目的及大数据处理方法流程，来解决此类问题并提升信息服务效率，为后续工程建设领域如何对大数据进行处理提供了基础。