整个工程建设行业对数据持续保持着很高的关注度。相比 “大数据”建设更为成熟的其他行业，工程建设行业仍需进一步落地。数字化转型之路上，工程建设行业常被认为处于劣势地位，但也正因如此，它具备了前所未有的创新能力。技术变革衍生的新机遇以前所未有的清晰度为整个项目的花费正名。
在我们所处的历史阶段，很难想象建筑工程类企业如何在脱离“大数据”的情况下运营管理，尤其考虑到“大数据”场景下可见的工程控制、透明度、风险预测和问责制度等。整个行业如今都迫切显示出对数据信息的巨大需求，企业也急于探寻数据科学（包括人工智能或机器学习）可以带来的实际用途。
关于数据创新解决方案的讨论也使一些基本的问题浮出水面：建工企业是否忽略了它们已经拥有的数据？这些企业如何利用它们想要的海量数据？它们能否应对更多的数据？但更多的数据就能解决问题吗？
被忽略的数据
在人工智能、机器学习，甚至是建筑信息模型（BIM）的概念普及之前，人们已经很熟练地掌握了建设施工这项技能，看一看埃及人、美索不达米亚人或阿茲特克人的历史遗迹就知道了。
事实上，许多建工企业已经拥有了所需的数据，只是并没有意识到这一事实。这些数据从先前的不同的项目和业务活动中日积月累而得，可能被存储在一些初级的系统或表格中。但它们通常不能称作为“大数据”，因为这些数据并不需要高价购买，也不用通过商务智能解决方案/人工智能平台集成多个系统以获得新的洞察。但根据我们的经验，不管使用的是何种系统，其储存的数据都可帮助企业实现飞跃式发展。这些数据可能未被集成，是杂乱或不完美的，但它们仍然有价值。关键在于如何提取其价值。
利用数据
从数据中提取出价值一般分为三个步骤：
1) 定义目标，设定问题：明确目标和问题极为关键。要改进流程周转时间还是要改进进度绩效？成本飙升只是一个表面问题还是一个潜在风险？这些问题都需要将源系统作为基础，结合长期采集的数据来回答。
2) 找出数据，进行分析：例如，想要系统规划日程的安排，则需要从工程所需的时间等基本数据入手。这有助于提升日程安排的质量，例如准确度，工期的精准度，日程安排的修改及重制等。这一分析过程将为你积累宝贵经验，便于日后加以运用。
3) 在当前的项目中进行数据分析：这一步很重要，因为它将直接促成改变。例如，数据分析发现分包商为某类项目安装干墙板的时间超出计划30%，那么下一个项目就应该改变计划的时间，或改变安装干墙板的方法，或更换分包商。通过总结经验来获得洞察，从而推动改变，这正是使用数据的价值所在。
人工智能、机器学习和预测的作用？
在采集、分析和应用数据之后，这些数据可以在预测项目成果时，用作训练数据集。例如，通过使用历史数据和基于一些指标（实际工期、项目类型和历史活动变量等）的模型，人工智能算法可以自动预测新项目安装干墙板的延迟时间。
通过不断学习用户的反馈和新数据，预测结果将会越来越准确。这一过程中，积累的经验将逐步演变成独特的行业洞察，生成的模型将为日后项目预测打下基础。这其中每一个步骤都可以是独立的，无需机器学习来生成和运用这些经验成果。任何分析工具都可以完成这一工作。
增强现实 （AR）、虚拟现实（VR）和物联网（IoT）等的作用？
这些技术在帮助人们实时深入了解现场和非现场项目时，发挥着重要作用。但只有将这些技术应用到整个项目中时，采集的数据价值才能真正地体现。否则，我们无法了解项目的完整状况，并与其他项目进行对比。我们需要在比较时建立起一个标准基线。
采用这些新技术并不是要获得孤立的数据来源。而是，要将这些数据集成，汇入并统一进企业目前的数据流中。技术的创新可扩大目前已有的数据池，帮助企业获取更丰富、更深入的行业洞察。最终所有这些数据都将被用于获得更深入的洞察，实现更加精准的预测。
数据之旅开始于何处？
对于许多建工企业来说，应用数据分析的旅程已经开始了。要想看到数据方法的价值，企业需要探索自己拥有的数据，制订相关策略，明确使用数据的目的。
在考虑AR、VR、物联网和传感器等新技术之前，企业应首先明确自己是否能使用现有数据。如果不能，那么这些技术只会扩大现有数据规模，并且使已有数据变得更复杂。无论是否采用新技术，关键都是要先了解目前内部拥有的资源，在此基础上找到合适的数据方法。和任何复杂的大型项目一样，您的数据策略需要一个坚实的出发点。数据分析所得的新洞察则会随之而来。
本文作者Karthik Venkatasubramanian先生，甲骨文建筑与工程数据与分析副总裁
