Rachel Burger
Как строительная отрасль использует большие данные
Определение «большие данные» в строительной отрасли, как и в других секторах, относится к огромному количеству информации, которая хранилась в прошлом и продолжает собираться сегодня. Информация поступает от людей, компьютеров, машин, датчиков и любых других устройств или агентов, генерирующих данные. Их объёмы растут благодаря дополнительным источникам информации – это работники на местах, строительные краны, экскаваторы, цепочки поставок материалов и даже сами здания.
Ценность данных
Традиционные системы отлично справляются с графиками проектов, работают с чертежами в САПР (системы автоматизированного проектирования), с расходами, счетами и сведениями о сотрудниках. Но их возможности в использовании неструктурированных данных ограничены – им не под силу работа с естественным языком, с распечатанной информацией и показаниями аналоговых датчиков. Часто они могут обрабатывать только упорядоченные строки и столбцы чисел.

Идея использования больших данных состоит в том, чтобы получить и использовать большее количество информации для принятия решений в управлении строительством. Для этого нужен не только доступ к значительному объёму данных, но и должный их анализ для практических целей. Большие данные можно сравнить с грузовиками с кирпичами и мешками с цементом: сами по себе они бесполезны, важно то, что вы с ними делаете.
Бизнес с большими данными
Чтобы понять, как большие данные уже используются в строительной отрасли, рассмотрим жизненный цикл «проектирование-сборка-эксплуатация», который сегодня определяет строительные проекты.
Проектирование.
Большие данные, включая дизайн и информационную модель здания (BIM), данные об окружающей среде, отзывы заинтересованных сторон и обсуждения в социальных сетях можно использовать не только для того, чтобы определить, что строить, но и где это лучше делать. Университет Брауна в Род-Айленде, США, использовал анализ больших данных, чтобы решить, где построить инженерный корпус для максимальной выгоды студентов и университета. Исторические данные можно проанализировать, чтобы выявить закономерности и вероятности строительных рисков – это позволит достичь успеха в новых проектах и избежать подводных камней.

✔ Строительство: большие данные о погоде, трафике, а также активности сообщества и бизнеса могут быть проанализированы для определения оптимального графика строительных работ. Информация с датчиков на машинах, которая показывает режим работы и время простоя, позволяет сделать выводы о том, что нужно купить, какое оборудование лучше арендовать и как сэкономить топливо, чтобы снизить затраты и уменьшить воздействие на окружающую среду. Месторасположение оборудования позволяет улучшить логистику, получить запчасти при первой необходимости и избежать простоев.

✔ Эксплуатация:большие данные от датчиков в зданиях, мостах и любых других конструкциях позволяют контролировать сооружение. Можно отслеживать потребление электричества в торговых центрах, офисных и других зданиях, чтобы убедиться, что оно соответствует проектным целям в области энергосбережения. Анализ данных с датчиков на мостах помогает обнаружить проблемы до их проявления. И все эти данные можно добавить в информационную модель (BIM) для планирования работ по техническому обслуживанию.
Как игроки строительной отрасли хотят использовать большие данные
По мере роста данных растёт необходимость превращать их в основополагающие элементы. Опрос строительных компаний, проведенный вендором программного обеспечения Sage в 2014 году, показал, что:
► 57% хотят получить последовательную, актуальную финансовую и проектную информацию;

► 48% хотят знать о возможности возникновения конкретных ситуаций;

► 41% хотят получить прогноз, который позволит подготовиться к лучшим и наихудшим событиям в строительстве;

► 14% хотят, чтобы онлайн-аналитика определяла, например, какие именно факторы и как влияют на прибыль.
Аналитика больших данных помогает работать с каждым из этих аспектов. Разнообразие информации повышает достоверность отчетов о текущем положении дел и качество прогнозов. О рисках это позволяет узнать раньше, чем будет превышен порог опасности. Она даёт такой уровень понимания происходящего, который традиционным системам недоступен.