基于大数据的项目建造成本控制系统研究与实践

沈徽 叶勇 马利鑫 殷莹 史成龙

(1.中国核工业建设股份有限公司；2.中国核工业二四建设有限公司)

随着国家城市化建设逐渐完善，建筑业正朝着高质量目标不断发展，当下的建筑工程建筑样式新颖、建筑结构复杂，施工过程设计多变，项目管理人员面临着成本数据越来越多，越来越繁琐的问题，传统建筑成本管控方式在效率、及时性、全面性等方面无法满足当下建筑成本的管控要求。建筑成本数字化管控已然成为施工企业的迫切需求。

当下，云、移、物、计技术日益成熟，生产资料数据获取的途径越来越多，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

在建筑行业，基于大数据的项目建造成本控制系统研究与实践有着重要的实践价值。通过建设施工大数据平台，施工企业可以采集施工过程中各种资源数据，包括人、材、机等资源消耗，质量安全等信息。这些数据能够让企业掌握实际投入的各种资源消耗情况，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。

通过定期对数据进行全面分析总结，企业可以形成施工人员工效分析报告，采用科学的分析方法定位问题、量化问题。这种分析方法可以帮助企业及时预警，并及时跟踪协调解决施工过程中的问题。

利用大数据平台，企业可以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，在智能调度、智慧生产、电子商务、共享服务等方面发挥价值创造和引领行业创新的作用。通过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，实现降本增效。

总之，基于大数据的项目建造成本控制系统研究与实践是当前建筑行业的一项重要实践。通过采集和分析施工过程中产生的各种数据，企业可以更好地掌握实际投入的资源消耗情况，及时发现和解决施工问题，提高施工效率和施工质量，实现降本增效的目标。

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）集约化运营困难，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。

（3）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。

（4）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。

2.2 内部挑战

（1）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。

（2）IT 系统架构需要考虑如何高效的集成和利用新兴数据源。

（3）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。

（4）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。

2.3 现状分析

虽然在国家数字经济等战略驱动下，建筑行业数字化水平依然处于各行业里低水平阶段。建筑业是具有海量数据的行业，但是这些数据散落在政府、企业、项目和岗位等各个层级，因此数据的采集、集成和应用也成为行业应用的难点。现阶段我国的建筑企业对全周期数据重要性并没有实质性重视。即使全员配置了办公计算机，大都是用来做文字处理、表格报表处理和资料的存储与记录，而没有把这些隐藏书面的资料文档或者文件中的数据进行挖掘、研究、分析和应用，让数据沉睡，没有充分发挥信息技术的先进性。即使市场上已经有工程造价软件等，其更多地也只是应用于工程量算量及计价方面，而没有对数据进行收集管理，缺乏专业的工程数据软件。目前，由于很多计算机软件开发商缺乏施工现场管理经验，而建筑施工企业缺少实现信息化建设应必备的项目管理及计算机专业方面的知识，出现市面软件系统不符合实际工程需要，无法开展成本大数据应用。

3.大数据关键技术

3.1 大数据采集技术

大数据时代的到来，使得数据的来源变得广泛且多样，数据的类型和格式各异，同时呈现爆发性增长的态势。数据收集主要分为设备数据收集和web 数据爬取两类。

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。数据的获取存在多个源头，结构不同、类型不同，对数据进行去噪声和无关数据排除，转换为有价值的数据，实现可以高质量分析的目的。

3.3 大数据存储与管理技术

分布式架构策略可以有效地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、低成本、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，通过大数据处理、数据挖掘和数据分析，可以发现潜在价值的信息和知识，实现潜在的商业价值。

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

建筑工程常常具有现场情况波动大，造价清单项繁琐，不同项目差异明显等特点，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，深入分析挖掘成本数据潜在价值，横向连接各业务系统、整合财务系统，逐步统一成本归口；纵向贯通各业务层级，推动自下而上的成本归集与成本监控，实现施工项目成本的高效归集与分析。

（1）基础数据支撑。完善基础成本科目，实现商务财务成本口径的统一。搭建项目成本数据仓库，以数字化方式完善对成本科目的对照与采集。

（2）业务规则固化。定义项目成本归集、成本分析、风险预警的管理逻辑，并嵌入到系统中，逐步实现项目成本核算、数据对比分析的自动化。

（3）业务场景构建。对成本分析沉淀的经验进行提炼和固化，借助可视化的多维度图表对数据进行处理，提供可读性更高的数据分析结果，辅助业务决策。

4.2 技术架构

（1）大数据平台

大数据平台在软件层面上提供数据和计算的高可靠性，提供各种工具和服务，以支持数据分析和处理，帮助用户从数据中提取有价值的信息，以及做出准确的业务决策。

（2）批量数据采集

传统手动获取、整理数据通常耗时费力，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快速、准确地采集、抽取和转换所需的数据，并根据数据采集频率，自动定期更新数据，以及非结构化数据的采集、聚合和传输。

（3）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。

（4）大数据分析计算

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。例如：优化运行在物流领域，通过分析历史运输数据，可以优化运输路线，减少运输成本；异常预警在电力系统，通过监测电压、电流等数据，提前预警可能的故障；故障诊断在机械系统中，通过分析振动数据，可以识别出不同的故障模式，并据此进行故障诊断；智能预测在运行状态预测，可以使用时间序列预测模型预测电力负荷。

（5）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，实现对成本数据和资源集中管理和控制，同时提供灵活的定制和扩展能力，以适应企业不断提升的成本管理业务需求。

（6）大数据展现

大数据展现是基于数据可视化和移动可视化技术来解决界面友好、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的问题。可以将大量的数据以图表、图像、动画等形式呈现出来，使得用户可以更加直观地理解和分析数据。

（7）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，以及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。

4.3 业务架构

成本预测、成本计划、成本控制、成本核算、成本分析、成本考核是建筑施工企业成本管理6 大基本方法，它们贯穿于整个工程项目经济活动的始终。通过这些方法，企业可以规范经济活动行为，提高盈利能力，并加强商务成本管理。

成本预算与计划。在对标前成本、责任成本、预控成本方面，制定详细的管理方法有助于企业在项目开始之前对成本进行预测和计划。这些方法不仅提供了指导意义，还为企业在过程中实施成本控制提供了基础。例如，月清月结的原则可以帮助企业及时发现和解决过程中的成本问题，确保成本控制的有效性。此外，确权过程管理的分工以及项目各阶段商务管理的一般动作，有助于企业在整个项目过程中保持清晰的职责划分和有效的沟通协调。

成本控制。工程量清单、工程量计算、总包合同、分包合同、成本控制、签证索赔、资金支付等方面的策略和措施是建筑行业常用的有效手段。通过这些策略和措施，企业可以更好地管理工程量，控制成本，确保项目的盈利性。同时，签证索赔和资金支付的管理也直接关系到企业的经济利益。通过规范经济活动行为，提高盈利能力，加强商务成本管理，企业可以更好地实现其商业目标并取得长远的成功。

成本分析。成本分析按照：一是反映项目现阶段实际盈亏情况，由总体到分项，合理评估、归集项目当前节点的实际收入、实际成本以及责任成本的情况，盘点项目总成本，分析项目实际盈亏。二是反映项目现场的实际管理水平，分析各分部、分项实际成本与责任成本之间的偏差，了解项目实际管理水平，分析管理过程中的突出问题，总结现场管控思路。三是及时发现项目成本风险并纠偏，通过对现有成本数据的归集与分析，总结现场管控经验，及时有效的发现现有的成本风险并制定相关的风险防范及化解措施。

4.4 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）。

图1 大数据平台应用架构

图2 施工企业成本大数据应用架构

5.施工成本大数据应用

建筑施工行业具有其独特的特点，其中材料是基础，设计是前提，施工是关键，管理是保障。建筑行业大数据也具有数据维度复杂、数据分散、采集困难、格式多元化等特点，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。

（1）成本大数据：从原材料价格、工程造价、预算等方面着手。

建筑施工行业中的施工成本大数据应用，可以从多个方面着手。首先，可以利用大数据技术对原材料价格进行实时监测和预测，帮助企业及时了解市场价格波动，为采购决策提供有力支持。同时，通过对历史数据的分析，可以找出价格趋势和周期性规律，为企业在项目设计和施工过程中更好地控制成本提供依据。

其次，大数据还可以对工程造价进行合理分析和预测。通过对不同项目类型的造价数据进行比较和分析，可以找出造价的关键因素和控制点，帮助企业在项目设计和施工过程中更好地控制成本。此外，大数据还可以通过预算方面对企业的施工成本进行合理的控制和管理。通过对历史预算数据的分析，可以找出预算的规律和趋势，为企业在项目设计和施工过程中更好地控制成本提供依据。

（2）能源大数据：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）。在能耗大数据的应用中，数据采集是基础，建筑工程项目可采用智能水电表等设备进行数据采集，这些数据包括各种能源消耗设备，如电力、水、石油等，通过对这些数据的分析，我们可以了解各种能源消耗设备的运行状况和能源管理系统的运行效果，预测未来的能源需求，制定出更加科学合理的能源管理策略。

（3）施工大数据：监控、优化施工工艺和进度，提高劳动效率。

建筑业施工工艺繁杂，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，且作业参建方多，协同工作复杂，对施工效率影响巨大。基于施工过程、施工成果等产生的海量数据，这些数据涵盖了施工的各个环节，包括施工前的规划、设计、预算等，施工过程中的质量、进度、成本等，以及施工后的验收、维护等。这些数据不仅数量庞大，而且涉及到的领域广泛，因此具有极高的价值。通过对施工大数据的挖掘和分析，可以深入了解施工过程中的各种规律和问题，为优化施工方案、提高施工质量、降低施工成本提供有力的支持。同时，施工大数据也可以为建筑行业的发展和规划提供重要的参考依据。

（4）设计大数据：优化设计方案，降低成本。

建筑项目的设计方案是影响施工成本的重要因素之一。设计方案不仅要满足建筑功能和美观的要求，还要考虑到施工过程中可能出现的各种问题和成本因素。通过大数据技术的支持，设计师可以对设计方案进行全面的数据分析和优化，以降低施工成本。

利用大数据技术，设计师可以获得更加准确的人、材、机等资源消耗数据，以及实际施工过程中的各种问题数据，从而更好地评估设计方案是否合理，是否符合实际施工要求。同时，设计师还可以通过大数据技术对设计方案进行仿真模拟，预测可能出现的各种问题，提前进行优化改进，以避免因设计问题导致的施工成本增加。

成本控制是项目管理的基本目标之一，但目前成本控制的管理还比较松散，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。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。传统的KPI 只是针对部门设定考核指标，实际上各部门之间是存在相关关系的，如果只是部门考核指标，不设置关联考核，极大可能出现“各家自扫门前雪”的问题。实务中，也确实存在因各部门和个人的利益与公司整体利益不一致，导致企业管理成本增加，最终导致企业运营不善的问题。

成本管控的底层逻辑就是找到企业的利益链，然后实现科学的利益分配。首先是根据自身企业特点进行设置，并让利益分配能够带来思想转变，最终实现行为的改变。从而达到构建数据体系，让数据带来改善。很多时候财务人都知道要让“数据说话”，也就是通过核算让数据反映业务真实状况，让数据说真话，而不说假话。但是成本管控是不能停留在让数据说真话这个层面，还需要让数据带来成本改善。

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。

6.结语

综上所述，建筑行业大数据应用具有广泛的应用前景和巨大的潜力。通过对施工成本、能源消耗、施工过程和设计等方面的数据采集和分析，可以深入了解建筑施工行业的规律和问题，为优化施工方案、提高施工质量、降低施工成本提供有力的支持。同时，大数据还可以为建筑行业的发展和规划提供重要的参考依据，推动建筑行业的可持续发展和创新进步。而智能转型没有终点，大数据只是开始，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。