大数据对工程造价的影响研究以阳光茂语一期工程项目为例工程管理Word下载.docx
《大数据对工程造价的影响研究以阳光茂语一期工程项目为例工程管理Word下载.docx》由会员分享,可在线阅读,更多相关《大数据对工程造价的影响研究以阳光茂语一期工程项目为例工程管理Word下载.docx(17页珍藏版)》请在冰豆网上搜索。
文献研究法:
采用文献参考法了解了大数据技术与工程造价的历史和现状,掌握了大数据与工程造价基本理论,得出了研究课题的必要性,以及参考了国内外大数据对工程造价的影响分析文献和发布的相关政策,综合分析大数据对工程造价的影响,并将大数据对工程造价的影响理论应用到企业的工程造价。
个案研究法:
在大数据对工程造价的研究中,通过对具体的案例进行分析,指出案例的方案选择以及方案优化受到大数据的影响,从而引起造价的变化,分析出大数据对工程造价的影响。
1.4.2研究思路
查询和收集资料
大数据与建筑工程造价的基本理论
大数据应用到工程造价中的必要性
大数据对工程造价的影响应用案例研究
大数据对工程造价产生的影响分析
提出相关对策
结论与展望。
2相关理论综述
2.1大数据的基本理论
2.1.1大数据简介
Gartner给大数据(bigdata)的定义是指大量数据的集合,但它并不意味着只是大量数据的代表,《大数据时代》[2]中也曾提到,是采用所有数据进行分析处理,随后通过产生的结果预测未来情况,选择有利决策的一种方法。
大数据技术的真正意义不在于掌握这些海量的数据信息,而在于对这些有价值的数据进行专业化处理,通过一种特别的加工方式,展现数据的增值[3]。
大数据分析方法与传统数据分析方式不同,不是对也可以对繁杂多样的不规则数据进行分析,最终完成对数据价值的“提纯”。
2.1.2大数据特点
《大数据时代》也提到大数据的特征包括5V特点:
(1)Volume:
即拥有TB、PB、甚至EB的规模。
(2)Velocity:
即获得数据快速,并能得到及时处理。
(3)Variety:
即数据类型多种多样。
(4)Value:
即合理加工数据,实现提纯。
(5)Veracity:
即数据处理结果有效真实。
2.2工程造价基本理论
2.2.1工程造价概念
工程造价从业主(投资者)的角度来定义,是指工程的建设成本,即为建设一项工程预期支付或实际支付的全部固定资产投资费用。
从承发包角度来定义,工程造价是指为建成一项工程,预计或实际在土地、设备、技术劳务以及承包等市场上,通过招投标等交易方式所形成的建筑安装工程的价格和建设工程总价格[4]。
中国建筑业完成的总产值逐年上升,2018年全国总产值达到23.5万亿元,同比增长9.9%。
房建施工面积达140.9亿平方米,同比增长6.9%[5]。
建筑业作为我国经济增长的主力,仍具有举足轻重的地位,工程造价行业仍将大有可为,但面对信息化的冲击,行业需在发展进程中不断自我完善与提升。
2.2.2工程造价数据的特征
(1)巨量数据整体考虑
在传统的算法中,人们为了数据的准确性,只收集少量的数据进行采样分析,但在工程造价行业,数据总量越来越多,采样调查已经不能满足行业的需要,而大数据法不考虑复杂抽样特性,采用“样本=总体”的全数据模式,海量数据整体考虑,从而使工程中所有不确定因素都磨灭在大数据的恐怖基数里。
(2)允许不精准预测
对其他“小数据”而言,每次的数据需要尽量精准,否则微小的错误也会导致最终结果的准确性,这对于造价来说异常繁琐,而且需要时时关注细微之处。
然而大数据法允许不精准的出现,放松了容错的标准,只凭概率说话,纷杂的数据反而能够更好地预测发展趋势,创造出更好地结果。
(3)相关关系为核心的推测方式
对于海量的造价数据,有些时候无需知道现象背后的原因,知道是什么就足够了。
小数据方法由因果关系推测假想再验证的方法已经不实用了,而大数据可以不受限于各种假想。
因为它的核心是建立在相关关系分析法上的预测,如果相关关增强,那么一方的值上升时,另一方很有可能也会随之增加[6]。
这说明只需一定程度的相关关系,企业就可以推测出事件的发生趋势,分析事件各方面的可能性,从而做出有利的决策。
2.3大数据在工程造价应用的必要性
2.3.1利于辅助决策,降低成本
作为传统行业,建筑业具有丰富的发展历程。
在尚未大范围应用数据分析时,建筑企业所做的决策基本根据过去积攒的经验,以前人的眼光对项目作出自己的判断,很难保障准确性。
而大数据的出现将改变这样的决策习惯。
它考虑所有历史数据,通过相关性为决策人提供强有力的辅助。
比如,决策人可通过分析之前项目的施工材料、进度、招投标方案等制订类似项目的各阶段决策方案,进而估计相应的成本。
2.3.2利于企业转型,多方发展
大数据技术的发展,传统企业运营方式被不断冲击,由于建筑行业的特点以及运行方式,造价数据高速增长,但是背后的价值无法合理运用,传统运营模式又无法支撑企业的战略地位,企业转型迫在眼前。
因此新时代就应该用新的方法,建筑业必须真正的转换思维,调整方向,升级运行模式,充分利用大数据技术,不断地完善企业信息技术的转变,多方向发展,从而节省项目成本,提高造价控制效率,进而抵住新时代的冲击,实现企业的升级。
3结合案例分析大数据在工程造价中的应用及产生的影响
3.1工程概述
从阳光茂语一期工程项目特点出发,对大数据在工程造价的三个阶段应用影响的分析,展现如何更好地服务与辅助决策人员,降低造价,提高效率。
该工程在广东省广州市白云区金沙洲浔峰路,是该区域的核心地带,总建筑面积为98633.9平方米,地上住宅楼建筑面积为77659.8平方米,毗邻商务中心和地铁6号、12号线。
住宅用地将建成6栋751套面积为80-140平方米的高层洋房,有两居到四居可选。
小区内有私家山和水系,周边有丰富的自然景观资源,配套设备包括幼儿园到高中的15年教育体系。
3.2大数据在工程造价各阶段的应用
大数据在工程造价各个阶段的应用流程如下图,具体是通过前期数据的抽取,并进行有效归类,最后通过数据库辅助决策,并对决策结果进行前景预测,最后确定建设最终方案,从而降低造价,为企业节省资源。
3.2.1大数据在投资决策阶段的应用
项目决策的正确性是工程造价合理性的前提,将影响估算的准确性,比重高达75%-95%[7]。
因此,投资决策阶段有着巨大的作用力。
项目若是利用大数据的辅助,造价金额将更加合理精准的控制。
项目管理决策中应用的点众多,下文主要对项目建设地区的选择和项目可行性研究中的市场需求进行了研究。
(1)选择区域
拟建项目的命运很大程度由项目区域的发展情况决定[8]。
未来五年,白云区政府将规划“三大枢纽+五大功能片区+八大产业园”,聚高端元素、优经济结构,区域发展前景一片大好。
另通过数据采集(详见表1),可以明显发现白云区虽然一定时期内销售量并不高,但是累计销售量排名居于第二,这说明每个时期房子的需求量都较为强大,有较高的销售空间。
表12017-2018年的各区域房屋销售量排行表
名称
已售统计
累计已售
累计未售
退房
套数
面积
均价
销售金额
次数
合计
10849
1109527
20276
22497505992
1030358
114408547
167689
19906533
1
增城
4084
380970
12495
4760498080
665
74324
5
551
2
黄埔
1848
182300
16681
3041079799
2199
232858
3
南沙
1627
161954
13686
2216504224
1042
125180
11
1795
4
荔湾
902
102174
38917
3976326785
485
40050
75
天河
883
104319
45856
4783721610
6
花都
413
46187
11377
525502870
7
从化
327
38459
8713
335094119
80
9408
8
白云
299
33995
36397
1237325816
1307
126226
9
番禺
292
39307
22371
879353316
334
24623
10
海珠
157
18001
36968
665463965
339
97531
2191
越秀
17
1861
41179
76635408
数据来源:
网易房产
此外,白云区房地产市场总体发展健康,新建商品房和住宅仍比较缺乏。
2017年广州市新建商品房网上签约10493宗,网上签约面积75.09万平方米,网上签约金额134.48亿元,网上签约均价17910元/平方米。
其中,白云区新建商品住宅仍然很缺乏。
广州市白云区人民政府网
根据调查,金沙洲最近几年土地缺乏,供不应求,急迫的土地需求,可以预见这将是项目未来销售价格的有力支撑。
另一方面,周边有各大品牌的入驻,另外按照广州地界未来的规划,几乎不会出现其他大型楼盘项目,该项目若是建成将是近今年独一份的,能占据较大市场。
综上所述,企业决策人可以预测白云区在近几年将大有发展,将项目建造在金沙洲的土地市场更为适合。
项目顺应形势建造大型楼盘,拥有近40万平米的建筑面积,集合联排,双拼,叠加别墅,高层住宅,商业中心等多种产品,不仅容积率较低,且产品类型丰富,可满足不同类型客户需要。
(2)市场需求
根据相关书籍内容[9],可行性研究是项目建设前期工作的重要步骤,是确定项目是否进行投资决策的依据。
项目的可行性研究,可以控制整个项目70%-85%的工程投资。
其中市场调查数据的研究,即具体分析阳光茂语一期工程的目标客户定位及购买需求规格,展现大数据对项目的辅助影响,更好的控制工程造价高低。
目标客户定位
根据已确定区域进行目标客户群体的调查,大致确定本项目的主要客户群(具体分类如表2)。
表2项目目标客户群体特征表
产品类型
特征
高层住宅小户型
一般25-35岁,即将成家或成家不久;
广州市大中型企业管理人员、公务员、公司白领、个体户、生意人;
家庭年收入20万元以上;
大多为首次置业,部分为改善型置业;
用作自住;
关注价格、实用性、交通、生活设施等配套
叠加别墅大户型
一般30-40岁已成家人员;
广州佛山本地企业主或公司中高层管理人员;
中高档稳定收入;
首次或二次置业,用于自住或投资;
注重项目档次、自然环境及升值潜力。
联排、双拼别墅户
一般35-45岁已成家人员;
广州佛山本地或者定居的企业主、商人、高级职员、公司高层管理人员;
拥有私家车;
多次置业者,用作度假或投资;
注重项目选址,生活品质
自行整理
购买需求规格
企业集团内部数据
买广州房子的人,对200-300万/套的接受程度最高,成交212套,占了全市成交的29%,成交均价22083元/平米。
而卖得少的是高价位(1000万以上)的房子,还有100-120万以下的房子卖的相对少些。
克而瑞数据网显示,120㎡以下的房子销售量最高,其中,80-100㎡的房子最抢手,其次是100-120㎡的房子。
相对而言,300㎡以上的豪宅以及60㎡以下的小户型,购买的人就比较少了。
图52017年-2018年广州市购房规格统计图
克而瑞数据网
综上所述,项目定义为面积80-140平方米的高层洋房,多居室的战略方案是符合数据分析结果,并且可以预测到房子的销售形势总体符合广州市,甚至白云区金沙洲板块的需求形势。
3.2.2大数据在设计阶段的应用
国内外研究表明:
设计因素对工程造价的影响起主导作用,设计费虽然只占工程全部费用的3%-10%,但在项目决策正确的前提下,工程造价中有35%-75%的影响可能性来源于设计阶段[10]。
项目主要考虑民用建筑中的住宅建筑设计,主要从平面形状,户型,层高等举例分析。
(1)外形设计
建筑物平面形状越是简单,它的单位面积造价就越低,因此圆形是最为经济的[11]。
但由于施工复杂,施工费用较矩形建筑增加20%-30%,故仅圆形不能使建筑工程造价降低,还会造成使用面积有效利用率低和用户使用不便的情况。
该小区为矩形住宅建筑,但每一部分都有一定的弧形拼接,并且以旋涡式布置,增加采光,一定程度减少施工费用,增加使用面积有效利用率,一定程度上降低了造价。
(2)户型
贝壳研究所
通过图6可知,购房主要是这四种原由:
置换房屋,投资,为子女/父母购房,首次置业。
因此,项目决定以80-140平的住房面积进行建造,考虑空间的动静分离,干湿分离,私密性,房间朝向等条件下,选择两室到四室房型。
其中首要的需求是置换房屋和投资,因此项目设计时三室两厅的户型比例应占多,其次是小平米的经济适用户型。
(3)层高
采集多年的数据研究,表明建筑物层数小于7层,住宅层数越多越经济。
当超过7层,将要增加电梯费用,走廊面积的造价等,如果是高程住宅,由于风力荷载,还需要增加结构费用,所以住宅不要过高[12]。
因此,项目设计为高层住宅,共23层,两梯六户,户型包括90㎡南向三房,117㎡板式南北对流三房,还有129㎡改善型大宅,南北对流,合理利用空间,美化市容。
项目利用累积的数据确定了设计方向,以合理的概率统计表现区域人们的需求点,从而设计平面形状,户型,层高,朝向等,为建筑设计阶段减少不必要的成本,利用先进的信息技术,完善工程中的信息资源,让设计在富有新意的同时能够拥有经济实惠。
3.2.3大数据在招投标阶段的应用
2013年,行业设立了电子招投标平台,进行电子招投标,电子开标、评标和中标,带给行业一定的便利性,并暂时的解决了领域的突出问题。
然而随着时间的推移,电子招投标的弊端逐渐显露。
此时大数据时代的来临,使得大数据分析在电子招投标中的应用成为了特别的存在。
众所周知,招投标标电子化可以使招标人获得更多的选择余地,并一定程度上缩减了招标时间,节省成本。
投标人也可以在一个相对公平的环境下参与竞争,一系列的规定较大程度的保证了招投标的公正。
但是,电子招投标还处于发展阶段,存在许多弊端。
比如,由于我国没有统一的规范和标准,不同区域的要求不同,这就导致了招标的范围受到限制,往往最佳方案不是最为合适的,给招标人和投标人带来一定麻烦。
项目采用大数据技术,帮助投标方实时了解市场上人工,材料,机械设备的价格信息趋势,计算企业完成投标项目的实际成本,参考计算式为:
企业成本=Σ项目量×
消耗量×
市场价格[13]。
从而改进方案,制定针对条约,最后做出一份符合企业实际需求的投标文件,争取与招标方达到较大程度的匹配度。
其次,在大数据技术的排查下,大致锁定存在的竞争对手,通过提供的周边数据了解对方的竞争优势,如果有必要,在合理范围内增强自身的优势,提高中标可能性。
除此之外,招标方也可以在数据库查询投标者的信誉,履约情况,资历,曾经承包的项目等相关信息,分析出合作者的竞争能力,较大程度辅助招标人进行决策,降低造价成本。
大数据这类新新技术对电子招标环境整个的优化也有一定用武之地。
项目在参与竞标时所做的运算在平台上都有可循的数据痕迹,避免企业在材料等方面李代桃僵,违反合同约定。
在一定程度上,能够规避串通投标,让部分招标人的“私心”无法实现,减少招投标的安全隐患,从另一个面监督各方企业。
3.3大数据对该项目工程造价产生的影响分析
3.3.1大数据对工程造价的促进影响
(1)提高企业效率
工程建设全过程较为复杂,相关的参建单位较多,而其在工程造价方面的对接和沟通基本都是依靠造价数据进行的。
结合相关文献,有学者针对传统算法和改进算法[13]进行了准确率和耗时对比研究,具体结果可见图8和图9。
图8不同算法评估准确率对比
图9不同算法评估耗时对比
实验数据
由图可知,工程造价评估的过程中,利用改进方法比原先的算法有着更高的准确性,以及更短的评估时间,若是企业掌握大数据技术,将大大地提升对项目的评估效率。
另一方面,它能够将已经得到的信息采集并进行合理分类,在遇到类似项目时,能够很快的找到相关数据,帮助参考使用,甚至可以通过对比前后两期的建造数据,在保证计算质量的同时不断加快预算时间。
(2)有利于工程造价全过程控制
大数据将工程造价各阶段紧密联系在一起。
一个项目如果想要更好的控制造价,需要将目光聚焦在前期阶段,在决策,设计等阶段将造价从根源处降低,并对项目施工阶段进行有效控制。
而大数据将有效信息存储在系统中,当项目建造时,能通过对比前后数据,保证三大目标的前提下,不断调整施工,对后续的评估阶段也可以收集有效信息,当遇到类似项目时可以做一个整体比较,强有力的控制造价。
(3)促进工程造价信息化发展
对于工程造价而言,在市场经济环境下,信息的全面性以及处理信息的能力是其管理水平的关键。
对于工程项目来说,信息的全面性直接影响着企业在投标阶段编制报价的情况;
进入施工阶段,为第一时间采取有效的管控措施,需要不断及时更新造价信息,信息化建设越完善、越全面、越准确,相应的造价管理质量就越高,管理水平就越高。
另外造价信息处理能力越强,相应的管理就越合理、越有效,对应的管理目标实现起来就相对容易。
大数据时代下对于存储数据库有了更多拓展可能,为数据获取和存储提供更有力的条件,奠定了工程造价管理信息化的基础;
同时大数据研究的挖掘分析方法深入且比较成熟,例如决策树算法、鱼群算法等,能够充分获得海量数据背后隐藏的价值信息,增强了管理信息化的合理性和科学性;
而基于统一且兼容性强的平台,其能够将不同接口和协议进行整合对接,以实现最大限度的数据共享,提高了信息化管理的效率。
最后,大数据研究的结果可以呈现出丰富且易于理解的方式,例如动画、视频、图标等,这些都降低了造价管理信息化的门槛,有利于更多专业人士和非专业人士之间的沟通交流,共同促进造价管理信息化的建设。
3.3.2大数据对工程造价的制约影响
建筑业是我国传统行业,新新技术想要在其中使用有着极大局限性。
结合实际经验可以分析出影响工程造价科学预估,科学管理,降低成本的因素有如下方面:
(1)应用意识较弱
对于建筑企业来说,行业已经有一套系统的造价程序,即凭借项目人员的经验和小数据的分析方法,可以大概估计造价。
尽管在这个过程中人们发现用传统方法计算造价有较大的局限性,但是人们的思想方式已经根深蒂固,难以打破。
企业不习惯应用大数据技术进行工程造价,即使使用也只是简单地对企业内部办公、财务等这类数据进行统计分析,对大数据技术整体认识不足,在工程中运用的意识薄弱。
而国家在这方面也没有相应的政策支持。
虽然期间也有不少企业将国外大数据产物引入工程造价领域并取得良好的成果,但由于没有相关政策将各自为营的企业拉在同一根绳上,大多数企业的应用想法各不相同,参考标准无法统一,难以更好提升大数据在工程造价方面的应用优势。
若政府通过政策扶植、资金投入等,为建筑企业提供全方位的支持,给予企业、行业统一的认知,将大家凝聚成一股力量,工程造价行业将会在大数据上发挥更大的作用。
(2)信息采集困难
我国地貌不同,各具风格,每一个省都有自己的计算规则和参考标准,每个公司也有自己的书写方式。
因此,项目的数据存储上下级极有可能互相不兼容,造价数据呈碎片化,这导致数据在传递过程中由于不同的标准只能进行人工转换。
然而造价数据量不可胜数,信息也处于相对独立的状态,全部靠人工整理、分析提炼和归档将会耗费大量人力和时间成本,没有专门的平台进行数据共享,编审工作严重滞后,在工程造价管理过程中还可能造成扯皮和推诿现象,费时费力,这使数据的采集,交换与共享受到了阻碍。
另一方面,数据采集只是部分,不够全面,无法完全抓取各个阶段的工程造价数据,并为其主动的分类,甚至部分数据是破碎的,简单的归类分析方法将很有可能浪费数据大部分的价值,对后期集成数据进行强有力的挖掘造成制约影响。
(3)数据来源狭窄,可靠性低
造价数据来源一般被分为两方面,一种是直接建造项目获得的数据。
在竞争方