V stavebníctve, ako aj v iných odvetviach, veľké dáta označujú obrovské množstvo informácií, ktoré boli uložené v minulosti a ktoré sa získavajú aj dnes. Veľké dáta môžu pochádzať od ľudí, počítačov, strojov, senzorov a akéhokoľvek iného zariadenia alebo agenta generujúceho dáta.
To je, prirodzene, to, čo ho robí veľkým. Stavebné a stavebné veľké dáta už existujú vo všetkých plánoch a záznamoch čohokoľvek, čo bolo kedy postavené. Neustále sa tiež zvyšuje s dodatočným vstupom zo zdrojov tak rôznorodých ako napr pracovníci na mieste, žeriavy, zemné stroje, dodávateľské reťazce materiálu a dokonca aj samotné budovy.
Hodnota údajov
Tradičné informačné systémy sú dobré v zaznamenávaní základných informácií o harmonogramoch projektov, CAD návrhy, náklady, faktúry a údaje o zamestnancoch. Majú však obmedzenú schopnosť pracovať s neštruktúrovanými údajmi, ako je voľný text, tlačené informácie alebo hodnoty analógových snímačov. Často dokážu zvládnuť iba usporiadané digitálne riadky a stĺpce čísel.
Myšlienkou využitia veľkých dát je získať viac prehľadov a robiť lepšie rozhodnutia v stavebnom manažmente nielen prístup k podstatne väčšiemu počtu údajov, ale aj ich náležitou analýzou na vypracovanie praktického stavebného projektu závery. V skutočnosti veľké dáta, ako sú nákladné autá tehál alebo vrecia cementu, nie sú samé osebe užitočné. Je to to, čo s tým robíte pomocou programov na analýzu veľkých dát, ktoré sa počítajú.
Podnikanie s veľkými dátami
Ak chcete vidieť, aké veľké dáta už stavebný priemysel využíva, zvážte životný cyklus dizajn-výroba-prevádzku, ktorý dnes čoraz viac definuje stavebné projekty.
- Dizajn: Veľké dáta vrátane samotného návrhu budovy a modelovania, environmentálnych dát, vstupov zainteresovaných strán a diskusie na sociálnych sieťach sa dajú použiť nielen na určenie toho, čo stavať, ale aj na to, kde stavať to. Brown University v Rhode Island, USA, použila analýzu veľkých dát, aby rozhodla, kde postaviť svoje nové inžinierske zariadenie pre optimálny prospech pre študentov a univerzity. Historické veľké dáta možno analyzovať s cieľom vybrať vzory a pravdepodobnosti stavebných rizík s cieľom nasmerovať nové projekty k úspechu a vyhnúť sa nástrahám.
- Zostava: Je možné analyzovať veľké údaje z počasia, dopravy a komunitných a obchodných aktivít, aby sa určila optimálna etapa stavebných činností. Vstup snímača zo strojov používaných na stránkach na zobrazenie aktívneho a nečinného času možno spracovať na vyvodenie záverov najlepší mix nákupu a lízingu takýchto zariadení a ako čo najefektívnejšie využívať palivo na zníženie nákladov a ekologické vplyv. Geolokácia zariadení tiež umožňuje zlepšiť logistiku, sprístupniť náhradné diely v prípade potreby a vyhnúť sa prestojom.
- Prevádzkovať: Veľké dáta zo senzorov zabudovaných do budov, mostov a akejkoľvek inej konštrukcie umožňujú monitorovať každý z nich na mnohých úrovniach výkonu. Úspora energie v nákupných centrách, kancelárskych budovách a iných budovách je možné sledovať, aby sa zabezpečilo, že budú v súlade s cieľmi návrhu. Informácie o dopravnom strese a úrovniach ohybov na mostoch možno zaznamenať, aby sa zistili akékoľvek udalosti mimo hraníc. Tieto údaje môžu byť tiež vložené späť informačné modelovanie budov (BIM) na plánovanie činností údržby podľa potreby.
Odvetvové preferencie pre informácie a štatistiky
Ako sa údaje zväčšujú a zväčšujú, zväčšuje sa aj potreba zredukovať ich na podstatné veci. Prieskum stavebných spoločností uskutočnený dodávateľom softvéru Sage v roku 2014 zistil, že:
- 57 % chce konzistentné, aktuálne finančné a projektové informácie.
- 48 % chce byť varovaných, keď nastanú špecifické situácie.
- 41 % chce prognózy, ktoré im umožnia lepšie sa pripraviť na najlepšie a najhoršie možné udalosti.
- 14 % chce, aby online analytika presne videla, ktoré faktory ovplyvňujú ziskovosť a do akej miery.
Analýza veľkých dát môže umožniť alebo ponúknuť príležitosti na zlepšenie každého z týchto aspektov. Rozmanitosť vstupov vo veľkých dátach umožňuje lepšiu úroveň istoty o stavových správach a prognózach. Analytika môže poskytnúť užitočnejšie indikácie úrovní rizika pred prekročením prahu a vygenerovaním výstrahy. Ponúkajú tiež poznatky, ktoré tradičné systémy jednoducho nedokážu.
