白耀亲
天津新宇建筑工程有限公司天津市301600
摘要：大数据时代的到来给工程造价管理行业带来很多新的契机和发展机遇。面对这一新兴利器，政府和企业如何能够充分将大数据的优势与工程造价管理深入融合，并在解决目前工程造价管理相关问题的同时提高整个社会的整体效益，这成为工程造价管理行业值得深入研究的问题。
关键词：大数据；工程造价管理；措施
引言：
随着大数据时代的来临和信息化程度的不断提高，工程项目信息化管理水平亟须加强，工程项目各环节均拥有大量的数据资料，特别是造价管理方面的数据，大数据技术对传统的造价管理理念带来的变革。
1大数据简介
所谓大数据，其与传统数据相比，具有巨量的资料并蕴藏着海量的信息，在数量上主要体现巨大、海量；在模式上主要指数据类型复杂且层次丰富，通常包括结构化、非结构化（例如视频和图片等）和半结构化等多种数据类型；从处理工程效率来讲，其涉及的数据是仅靠人工难以在一定时间内完成并处理的，而且数据的增长速率很快。总体而言，大数据的典型特征包括数据的大量化、多样化、验证性、真实性、快速化等。
大数据的关键点在于数据的分析和挖掘阶段，数据挖掘过程见图1所示。通常大数据分析过程包括多个方面，具体讲包括数据的搜集、数据预处理和数据挖掘阶段。其中数据的深入挖掘过程也就是常说的大数据处理分析的过程，这个也是大数据应用的核心部分。常用的大数据分析方法很多，包括神经网络法、粒子群法、蚁群算法、人工鱼群算法、基因遗传算法等等，结合不同行业大数据的背景和实际情况采取不同的数据分析方法能够大大提高数据挖掘的能力和结果的可靠性。结合不同行业，大数据的发展也有独特的趋势，如数据资源化显著、与云计算深度合作、数据生态系统复合化程度加强等。而在应用方面涉及到教育行业、金融业、互联网行业、工程建设行业等等，给社会不同行业带来多方面多层次的变革，极大推动社会的整体发展。
图1数据挖掘过程图
2工程造价大数据特点
就工程造价数据本身而言，其数据量已经很庞大，包括工程项目的用工数据、材料数据、造价指标数据等，而大数据下的工程造价将会整合更多的数据来源。本质上讲，工程造价大数据就是资源整合后的数据信息集合，具体包括工程项目企业外部环境、内部环境和其他与工程造价相关的数据信息，具体来讲其具有以下特点。
（1）工程造价大数据搜集采用多主体的方式。企业或企业集团是工程造价数据库建立的主体，同时还包项目级和企业生态级主体数据，这些主体构成的数据库包含了所有工程造价大数据搜集到的数据。
（2）高度无序和非线性。工程造价数据涉及项目决策、设计、施工和后期运营维护的全阶段，而影响各阶段工程造价因素的变化也是充满随机性、非线性和高度无序性，传统数据分析方法并不能充分挖掘数据背后隐藏的价值信息，造成工程造价分析结果与实际相差较大，常影响工程进度，工程建设的整体效益也大打折扣。
（3）需及时进行数据更新。传统模式中，工程造价数据相对比较稳定，更新速率较慢，很难具有实时性，仅通过标准规范进行数据的简单更新和修改。而工程造价大数据需要根据市场具体行情、政策信息、对手竞争状态等进行实时动态的更新，以保持其自身的时效性，提高其自身的竞争力。
3大数据对工程造价管理影响分析
3.1有效控制施工企业成本
建筑工程项目往往具有投资额大、建设周期长、不确定因素多、风险大、参与人员多等特征，施工单位能够通过数据挖掘能够发现工程项目管理中的数据。及时将现场各项消耗量和价格水平通过数据系统传输至施工单位数据库的信息，提供给相关职能部门作成本管理参考，通过海量数据对比分析，对成本控制提供参考数据和依据，提高施工企业成本控制水平。
3.2促进造价信息化管理水平提高
目前，我国建设工程领域信息化管理水平相对较低，造价从业人员还在依靠人的经验积累。造价成果数据存储、数据分析重复劳动、效率低下，数据存储问题多漏洞大，材料市场价格信息获取不完整、不及时，各项数据不能够及时更新，“三超”现象非常普遍，造价成果数据得不到灵活运用。
4大数据环境下工程造价管理措施
4.1建立工程造价预测模型，提高工程造价的准确性
大数据的相关关系分析法更准确、更快，而且不易受偏见的影响，建立在相关关系分析法基础上的预测是大数据的核心，复杂的机器分析能为我们预测工程的造价，并控制在一定的误差范围内，根据工程造价的以往数据，建立工程造价的动态预测模型，对一些典型标准工程的造价进行动态建模，把即将编制的可研估算及初设概算的工程与模型对比，找出雷同的部分，重算变化的部分，根据工程实际修改影响工程造价的各因素，以变电站为例，同类型的变电站多因为地点的不同而导致征地等其他费用及地下费用的变化，我们完全可以通过大数据分析找出雷同部分，对不同部分进行调整价格，进而提高可研估算及初设概算的准确率。同时根据以往编制可研估算及初设概算过程中出现的错误，形成差错库，依据差错库，避免再出现同样的错误，提高编制成功率。
4.2扩大数据采集来源，提高数据质量
虽然目前就工程造价数据本身而言，其数据量已经很庞大，但由于数据共享率低，基本都处于封闭状态，且很多数据质量不高，利用率较低。在解决了数据库建立和规范数据标准后，为发挥大数据作用，仍需扩大数据采集来源，并提高数据质量。采集的数据内容应该包括各参建单位在投资决策、设计、招标、施工、成本控制、结算、决算等工程建设全过程各个阶段的用工数据、材料数据、造价指标数据等，切实从多角度多层次对数据进行收集。此外，在数据采集过程中要抽取数据源，并将这些数据源进行集成，同时对数据进行清洗（即数据纠错），以此提高数据的质量。同时应用分布式数据库技术将分散的存储造价数据信息进行整合分类，这样可吸纳更多不具备自建数据库能力的中小企业加入，进而最大限度地整合全国各类工程及各个阶段的数据信息，不仅可解决成本问题，还可全面提高我国在工程造价管理方面的竞争力，更有利于向世界各地工程建设行业进行业务拓展，增强国际影响力。
4.3建立信息查询及发布综合平台
目前我国造价信息资源综合发布平台常常出现信息滞后、发布数据处理度不够、缺乏指导作用且共享率极低问题，大大降低了经济和社会效益。一个能够为社会提供大数据信息查询服务功能的平台，不仅能够进一步促进中小企业的发展，还能增加行业透明度，促进企业间的交流，保持行业活力。政府作为组织者，更大限度地公开资源是非常有必要也是可行的。当然，也要注意对相关数据进行分类处理，将一般性的、技术含量低的社会通用数据进行公开，对涉及技术含量高、企业商业秘密和国家机密的信息则加强保密工作。这样不仅能够增强工程造价的透明度，降低社会建设工程平均建设费用，而且能够鼓励技术型、创新型企业的发展。
结语：总体说来，我国工程造价信息化的程度仍然有待进一步发展，需要借助国家政府相关行业主管部门进一步推动数据信息的标准化，造价管理要充分依托大数据技术管理优势，进一步做好基础性的造价信息数据采集录入、归纳分析、使数据实现可交换化，从根本上推动我国工程造价的持续健康发展。
参考文献：
[1]彭大敏，王罕.大数据环境下工程造价管理对策分析[J].建筑经济，2014（11）：68–70.
[2]赵世强，肖虎.大数据环境下工程造价信息化建设的思考[J].科技创新与应用.2016（12）：271–272.