У будівельній галузі, як і в інших секторах, великі дані стосуються величезних обсягів інформації, які зберігалися в минулому і які продовжують отримувати сьогодні. Великі дані можуть надходити від людей, комп’ютерів, машин, датчиків та будь-якого іншого пристрою чи агента, що генерує дані.
Це, природно, робить його великим. Великі дані про будівництво та будівництво вже існують у всіх планах і записах будь-чого, що коли-небудь було побудовано. Він також постійно зростає завдяки додатковим надходженням із таких різноманітних джерел, як працівники на місці, крани, землерийні машини, ланцюги постачання матеріалів і навіть самі будівлі.
Цінність даних
Традиційні інформаційні системи добре записують основну інформацію про графіки проектів, CAD проекти, витрати, рахунки-фактури та відомості про співробітників. Однак вони обмежені у своїй здатності працювати з неструктурованими даними, такими як довільний текст, друкована інформація чи показання аналогових датчиків. Часто вони можуть обробляти лише впорядковані цифрові рядки та стовпці чисел.
Ідея використання великих даних полягає в тому, щоб отримати більше інформації та прийняти кращі рішення в управлінні будівництвом не лише отримати доступ до значно більшої кількості даних, але й належним чином проаналізувавши їх для створення практичного проекту будівництва висновки. Насправді великі дані, як-от вантажівки з цеглою чи мішками з цементом, самі по собі не корисні. Важливо те, що ви з ним робите, використовуючи програми аналізу великих даних.
Бізнес з великими даними
Щоб побачити, наскільки великі дані вже використовуються будівельною галуззю, розглянемо життєвий цикл «проектування-збудова-експлуатація», який сьогодні все більше визначає будівельні проекти.
- Дизайн: Великі дані, включаючи проектування та моделювання будівель, екологічні дані, внесок зацікавлених сторін та обговорення в соціальних мережах можна використовувати для визначення не лише того, що будувати, але й де будувати це. Університет Брауна в Род-Айленді, США, використав аналіз великих даних, щоб вирішити, де побудувати свій новий інженерний об’єкт, щоб отримати максимальну користь для студентів і університетів. Історичні великі дані можна проаналізувати, щоб визначити закономірності та ймовірність будівельних ризиків, щоб спрямувати нові проекти до успіху та уникнути пасток.
- збірка: Великі дані про погоду, дорожній рух, громадську та ділову діяльність можна аналізувати, щоб визначити оптимальну фазу будівельних робіт. Дані датчиків від машин, які використовуються на сайтах для відображення часу активності та простою, можна обробити, щоб зробити висновки про найкраще поєднання купівлі та лізингу такого обладнання, а також як використовувати паливо найбільш ефективно для зниження витрат і екології вплив. Геолокація обладнання також дозволяє покращити логістику, надати запасні частини, коли це необхідно, і уникнути простоїв.
- працювати: Великі дані від датчиків, вбудованих у будівлі, мости та будь-яку іншу конструкцію, дають змогу контролювати кожну з них на багатьох рівнях продуктивності. Енергозбереження в торгових центрах, офісних будинках та інших будівлях можна відстежувати, щоб переконатися, що воно відповідає цілям проекту. Інформацію про навантаження на дорогу та рівні прогинів на мостах можна записати, щоб виявити будь-які події поза межами. Ці дані також можна вводити назад інформаційне моделювання побудови (BIM) для планування технічного обслуговування за потреби.
Галузеві переваги щодо інформації та аналізу
Оскільки дані стають все більшими і більшими, потреба зводити їх до найважливіших речей також стає більшою. Опитування будівельних компаній, проведене постачальником програмного забезпечення Sage у 2014 році, показало, що:
- 57% хочуть послідовну, актуальну фінансову та проектну інформацію.
- 48% хочуть бути попередженими, коли трапляються конкретні ситуації.
- 41% хочуть прогнозування, що дозволить їм краще підготуватися до найкращих і найгірших будівельних подій.
- 14% хочуть, щоб онлайн-аналітика, наприклад, точно визначала, які фактори впливають на прибутковість і в якій мірі.
Аналітика великих даних може дозволити або запропонувати можливості для покращення кожного з цих аспектів. Різноманітність вхідних даних у великих даних забезпечує кращий рівень впевненості щодо звітів про стан і прогнозів. Аналітика може надати більш корисну інформацію про рівні ризику до того, як буде перевищено порогове значення та згенеровано попередження. Вони також пропонують розуміння, чого традиційні системи просто не можуть.
