數據驅動視角下的工程項目管理

李聚揆

摘要：進一步做好大數據統計學習、完善以及預測工作，完成數據驅動決策目標，是目前管理科學和系統工程需要解決的重點問題。為了能夠讓數據理論方法運用到工程項目管理中，文章論述了“數據驅動決策”的價值鏈，隨后創建數據驅動視角下的工程管理項目中的三維結構模型，指出時間維、領域維與方法維，擴大數據技術在工程項目管理中的應用范圍。

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.

關鍵詞：數據驅動；工程項目管理；三維結構模型

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

中圖分類號：C39 文獻標識碼：A 文章編號：1006-4311（2018）30-0071-03

0 引言

科學技術的不斷創新與發展，推動了信息化發展腳步，尤其是互聯網和各媒體的出現，比如百度、谷歌和淘寶等。在應用過程中，形成大批量數據，從而將人們帶入大數據時代。

1 大數據的概念及優勢

隨著我國科學技術的逐漸發展與進步，漸漸形成了一套完整的大數據概念，為解決大批量數據問題提供了便利。在2008年期間，美國自然雜志推行了Big Data專刊，隨后又推行了《Dealing with Data》專刊，大數據問題就是專刊研究的主要問題，在一定程度上顯現出了研究大數據的重要性。在2011年5月份，麥肯錫公司推出了大數據的詳細報告，報告內容上顯出，大數據廣泛應用在人們的工作和生活中，大數據在世界各個領域中都起著非常重要的作用。在2012年期間，美國政府推出了《大數據研究和發展倡議》，從此大數據計劃由此開始。通過研究大數據使得各個領域能夠飛速發展，是大數據計劃的核心內容。現階段，對于大數據還沒有一個精準的概念，而百度百科和維基百科分別對大數據做了詳細的解釋，雖然解釋的方法有差異，但最后都指明了大數據時代的到來，大數據在人們的工作和生活中所帶來的便利。大數據不但可以促進企業經濟的快速發展，還能推動整個社會的發展腳步。此外，規模性是大數據的特點之一，在互聯網的發展過程中，大數據是非常重要的環節。隨著現代化經濟以及科學技術的不斷發展與進步，能夠存儲大量的互聯網數據信息。如今，有的高校圖書館的數據存儲量已經達到了PB級，像一些大企業的數據存儲量已經達到EB級。大數據具備快速性的特點。大數據在形成過程中，實時數據已經達到了一定高度，隨著社交網絡的發展，能夠及時對數據進行處理，例如，傳輸，決策，交流以及感應。大數據具備多樣性的特點。總數據包括結構化數據，半結構化數據，非結構化數據，如今，隨著我國科學技術的逐漸進步，單一結構化數據已經適應不了現階段的發展趨勢，網絡信息的傳播，發布的機構組織信息，都會產生大批量的數據信息資源，產生的數據信息資源能夠為我國的科技發展帶來更多的驚喜。大數據具備價值性的特點。在大數據中，不是所有的數據都有價值，也有許多沒有用的數據，有價值的數據資源通常藏的很隱蔽，需要研究和抽離，特別是當聯系到教育，經濟和科學的數據的有效數據時。總的來說，數據價值的大小和數據總量成反比關系。

2 工程項目管理方式

2.1 進度管理

①利用施工任務計劃書來落實計劃任務。施工任務書是班組管理的主要工具，是上級下發給施工人員任務的最好方式，用于完成控制與核算工作，有助于進度的掌控。②分包進度控制方法有：分包人員按照施工進度計劃制定分包工程施工進度計劃并予以落實，項目管理人員需把分包工程施工進度計劃融入到項目進度控制范圍內。③施工進度計劃檢測根據進度落實記錄，勘察內容有實際完成工作量和累積完成工作量，進度偏差與進度管理情況和影響進度的原因等。④進度延遲的原因及解決方法。

2.2 質量管理

質量在建筑工程項目中占據主要地位，一旦質量出現問題，企業信譽度也有受到影響。質量問題包括施工質量和材料質量，兩者缺一不可，質量管理不嚴格，工程項目就不會好。在土建工程項目中，不但要提升經濟效益，還要確保工程質量，質量是關鍵，不容忽視，不僅影響個人榮譽，還直接威脅他人安全。在質量面前，必須遵守制度，如果質量不合格，必須返工，讓每一位施工人員都認識到質量的重要性。

2.3 費用管理

在土建工程中，費用管理是其重要部分，決定了工程經營預算額度，要更好的完成建筑項目經營管理與成本核算工作，就要熟悉建筑工程項目經營模式與方法，根據詳細的經營模式制定出嚴謹的管理計劃和措施保障計劃；在工程項目中，工作人員要熟悉成本核算流程，掌握工程成本框架，明確收支項目，擬定計劃成本、實際成本和目標成本。

2.4 安全管理

在任何一個建筑企業中，安全永遠是第一位，必須在施工過程中確保其安全，安全是重中之重，高于一切，且安全與利益密切相關。在建筑企業中，每一道工序都有對應的操作流程，人員在上崗前都要進行安全培訓，這點是必不可少的。安全工作不能懈怠，針對違反安全規范的員工，須予以嚴懲。建筑工程施工安全保證其工程利益。

3 企業實施大數據應用的價值與層次

3.1 借助“數據驅動決策”創造價值

企業分析大數據的主要目的是為用戶創造價值，如圖1所示，此項流程主要包含：用戶需求辨別、產品開發、制造與供應鏈管理，由此組成了項目價值鏈，開發階段是體現項目生命周期價值的重要因素。在數據驅動視角下，完成“數據驅動決策”是整個價值鏈的重點。根據研究表明，企業將數據作為驅動，就越能體現財務和運營效果，將行業中的前幾名以數據驅動作為決策企業，其生產效率和利潤率都明顯增高。

3.2 大數據技術中金字塔層次運用

如圖1所示，在繁瑣的工程項目管理中運用數據技術的三各層次，和普通數據分析法不同的是運用數據基礎可獲得不同種類的數據源，且這類數據源具備6Vs特點，對此要經過信息提取和預處理后，方可進行預測和優化，為企業、客戶創造更多的價值。金字塔結構的三層含義指的是：

最底層的基礎層代表工程項目中的生產和利用的不同數據源，從以下幾方面進行論述：第一，數據量大。數據容量非常大，涉及數據記錄，要有足夠的儲存空間來保存這類數據。第二，多樣性。數據來源復雜，數據種類多樣，不僅包含結構化數據，還包含半結構化數據、非結構化數據。第三，快速性。數據的形成和積累頻率非常快，這就要求數據處理速度要快，有助于管理人員完成決策。第四，真實性。在數據中經常存有噪音和異常數據，這就要求從數據中找到有用數據。第五，可變性。數據涉及范圍廣，包括人類、機器，和傳統數據比較有一定的可變性。第六，價值性。經過采集和比較數據，能夠從中探索出數據價值。

中間層代表采集數據在預測和優化前期，并對提取信息進行處理。企業在分析繁瑣工程項目中的數據時，要借助各類途徑對項目內外信息進行采集和提取，把采集到的信息放入數據系統中。與此同時，因為采集和提取的信息在結構上有明顯差異，例如E-mail、半結構化和非結構化信息、文本等，所以在借助數據進行預測和優化前期，企業要借助各類分析方式，來統一這些原始數據結構，完成挑選和提取工作，為后期工作奠定基礎。

最底層代表數據分析方法：預測和優化法。人們利用構建模型來對數據進行預測和優化，提高企業經濟效益，為客戶創造更多價值。

4 基于大數據的工程項目管理三維結構模型

霍爾，系統工程學家率先推出了“三維結構”模型，其中包含時間維、領域維與方法維。根據三維結構，推出了基于大數據的工程項目管理的三維模型，如圖3所示。時間維指的是項目生命周期的各個環節；領域維指的是項目管理應用領域，在項目管理前提下，加入需求管理，彰顯配置管理；方法維指的是大數據的分析、完善和預測方法。

4.1 項目生命周期中的數據類型

在土建工程項目管理中，項目的每個流程都有大量的數據，借助數據技術進一步分析項目流程中涉及到的數據信息，管理人員在做好預測和優化工作的同時，也要對工程項目進度、成本、質量進行全面掌控。

4.2 數據預測及優化方法

現階段，盡管很多企業具有大數據分析的數據基礎，但是尚未成型，仍處在探尋階段，沒有合適的方法。許多學者借助數據庫搜索研發現大數據的研究是主要包括商業、計算機科學和管理，關于土建工程方面的研究很少，而數據分析在某種程度上加大了數據應用難度，已有的分析法主要解決結構化數據問題，隨著數據保存和處理設施的不斷優化，相信未來大數據會在土建工程中應用廣泛。

數據預測及優化方法有：

①統計。統計是于采集、構造、解釋于一體的數據科學，包括調查與實驗設計。統計技術在判斷變量關系中應用廣泛。

②機器學習。機器學習目標是將觀測數據轉換為可預測或解釋的數據模型，并且在數據分析行業中應用廣泛。比如分類器能夠避免電子郵箱受到垃圾郵件的困擾；內容推薦系統可以提供可靠性的用戶體驗。

③數學建模。數學公式、數學符號和數學程序是數學建模的主要方法，從實際中采集、抽象出來的數學模型，可以解釋一些客觀現象和發展規律，數學建模是利用計算來獲取結果進而解釋問題，并接受檢驗。一旦從定量角度去分析問題時，就要進行深入調查，用數學的符號和語言作表述來建立數學模型。

5 結語

綜上所述，文章主要對數據驅動視角下的工程管理三維結構模型進行論述，整理并總結出項目生命周期所包含的數據類型，進一步概括了數據技術在項目管理中的發展前景。

參考文獻：

[1]王麗珍，楊青.大數據：數據驅動下的工程項目管理新視角[J].系統工程理論與實踐，2017（3）：710-719.

[2]楊耀庭.大數據驅動工程項目管理轉型升級[J].建筑技術開發，2017（2）：44-46.

[3]劉全超.大數據輔助建筑工程項目管理[J].中國建設信息化，2016（4）：72-74.

[4]賈巖.大數據時代下對建設工程項目管理的思考[J].通訊世界，2015（23）：255-256.