大数据背景下工程项目管理创新研究

　　工程项目涉及众多行业，在拉动关联产业发展、促进劳动力就业等方面发挥着显著作用，对国民经济和社会发展具有重要意义。伴随着第三次信息化浪潮，大数据时代悄然来临，大数据完善了科学研究范围，改变了人类传统思维方式，提高了企业决策效率，大数据的研究和应用已经成为推动各领域深化改革与创新发展的重要战略选择。大数据时代也对工程项目管理提出了新要求。如何引导、利用大数据技术来改造工程项目领域，实现大数据与行业的有效融合，提高管理效能和整个行业的效率，是一项重要课题。鉴于此，对工程项目管理创新进行分析与探讨，在当今时代背景下具有重要的理论意义与实践价值。强化大数据观念，创新管理方法，充分应用大数据技术，收集、挖掘与处理散落在工程项目过程中大量数据，为工程项目管理提供数据支持与决策依据，助推工程项目领域的产业结构升级。

大数据背景下工程项目管理创新研究

　　一、文献回顾

　　大数据技术适用范围广，Shirdastian 等认为大数据可适用于所有业务功能[1] 。Alessandro 等研究了大数据如何以及在多大程度上影响董事会层面的决策过程，发现大数据主要是通过影响高级管理层促使董事们更加快速地做出决策，塑造他们的应变能力[2] 。Sunil 等讨论大数据分析在供应链管理中的作用，研究如何通过新技术生成、捕获、组织和分析数据，以便为行业提供有价值的见解[3] 。段宇波和刘佳敏认为大数据能够创新政府监管模式[4] 。刘世平对大数据在金融行业的应用案例进行了梳理，探讨了如何利用大数据技术解决金融行业的风险管理、市场营销、客户关系等问题[5] 。也有学者研究了大数据技术在医疗健康、电子商务、新闻传播等行业的应用。

　　二、工程项目管理中大数据应用存在的问题

　　(一)海量数据未被重视

　　相比于其他类型的项目，工程项目具有数据量巨大、覆盖面特别广、工期比较长、不确定性因素较多等特点。从项目启动、计划、执行到结束，涉及初期设计与策划阶段、中期建设阶段、后期验收与质保等主要阶段，海量数据存在于设计、招投标、质量、成本、竣工验收、质量保修等众多过程环节，政府主管部门、项目参与方、工程管理方等多个主体掌握不同方面的数据。这些海量数据和信息本身仅仅作为过程资料保存留档，绝大部分资料和数据被认为无价值或者价值不大而最终被忽略、丢弃，并未充分发挥作用，对工程项目管理决策起到的作用非常有限。例如，在工程项目进度管理中，如果不能将各类原材料进场的先后顺序、进场时间、各工种工人单位时间内的生产效率等信息转化为数据，并及时做出处理，可能会出现影响工程总体进度的情况。在设计管理中，如果对来自市场的数据忽视不管，就可能造成设计方案偏离市场需求的困境。只有重视过程数据，获取有效数据，才有可能打牢数据基础，否则，更谈不上利用大数据技术手段发挥价值。

　　(二)缺乏适用的大数据应用方法

　　对工程项目大数据基础理论、算法、决策分析问题的研究有待加强。工程项目生命周期长，相关研究既需要结合工程项目的自身特点，又要满足多个应用场景的需求，目前缺乏一套适用的、对工程项目管理有针对性的大数据应用方法来指导实践。如何在工程项目管理中利用大数据技术、云计算来深层次挖掘真实数据、分析数据、提取有效数据作为决策支撑是亟待解决的问题。大数据技术在全生命周期的研究与应用仍需进一步探索，这也导致传统管理模式未得到实质性改观。在传统的工程项目管理中，项目部是整个项目管理的核心部门，而项目经理和项目管理人员又是最直接接触工程项目的管理者，其往往会根据自己的主观意识或集体头脑风暴、管理经验、行为偏好来管理项目，这种方式导致个人主观成分过多，很多工作仅停留在问题表层，客观性不够，决策的科学性、合理性不足，管理方式单一化未得到明显改变。

　　三、工程项目管理的创新路径

　　(一)企业组织架构层面

　　大数据及其相关技术的应用，并非企业内部单一部门的职责，而是企业层面有专门的部门负责统筹，因此，建议完善企业组织架构，成立专门的信息部，组织架构如图1所示。具体说明如下：

　　第一，平行矩阵是目前相对通用的项目管理方式，在管理思路上采用集中控制的要求，在管理模式上采取分层管理的方法。以总经理、副总经理的公司决策层为核心，以信息部为中枢，以前期开发部、设计部、项目部、财务部、物资部、安全质量部等平行部门为载体，形成工程项目管理组织架构。

　　第二，信息部作为公司的中枢神经，负责统筹公司各部门的信息与数据的收集、统计、挖掘、筛选、深度分析、预测，并将分析结果提供给公司高级管理层，对高级管理层做出客观、正确的决策提供数据支撑。管理层做出决策，各部门按照执行，由上至下形成信息对称的闭环模式，能够有效控制公司内部信息不对称导致的工程项目工期延误、质量安全、成本核算等具体问题。

　　(二)技术层面

　　1.完善工程项目管理技术体系架构

　　大数据在工程项目管理中的应用，从全流程角度分析，主要包括数据采集与预处理、数据存储与管理、数据处理与分析、数据可视化，基于工程项目管理的实际，构建基于生命周期的工程项目管理技术体系架构，如图2所示。

　　2. 探索适用于工程项目管理的多元化大数据技术及方法

　　大数据只有在具体领域实现融合与应用，才能真正发挥价值和作用，因此探索适用于工程项目管理的大数据技术及方法尤为重要。加强对于工程项目管理大数据基础理论、算法、决策分析的持续研究，探索更多适用于工程项目管理的大数据技术及方法。研发适用于工程项目的先进数据采集技术，构建数据管理平台，根据项目生命周期不同阶段特点、主要环节管理要求，针对不同类型的信息采用不同的方法，提取有价值的信息，实现全过程的信息对称以及各个业务环节之间的有效沟通。通过统计、数学模型、模拟仿真等应用方法进行数据分析及预测，解决工程项目管理的实际问题，并促使业务之间数据集成共享成为可能，提升对工程项目管理的实际管控能力，真正服务于工程项目企业的管理与运营，为企业创造价值。

　　(三)人才层面

　　人才是创新主体，加大人力资源投入，加强人才培养，创建专业人才队伍非常必要。工程项目管理人员需要增强信息化意识，对大数据技术有充分了解和认识，懂得大数据技术前沿，尤其要知晓国内外大数据技术在项目管理中应用的情况和未来发展方向。加强专业人才团队建设，引进或培养精通大数据技术、工程项目管理的专门人才。加强对管理人员的专业培训，特别需要对统计软件、工程造价软件、建筑设计软件等主流软件的学习，并将培训所学与具体项目实践相结合，增加管理人员学习经历，培养既有较高工程项目管理的专业素质，又能利用大数据技术及方法指导项目实践的复合型人才，提升工程项目信息化应用水平，提高项目管理绩效，真正实现大数据技术与工程项目管理的融合。

　　四、大数据技术在工程项目管理创新中的应用探索

　　项目安全管理是工程项目管理非常重要的一环，安全是保障项目整体平稳顺利进行的重要目标。在此以建筑工程项目施工安全环节为例，试图找到一种合适的方法，通过大量数据收集、分析与模型训练，对建筑工程项目施工安全进行预测。

　　(一)建立评价指标体系

　　以北京市通州区A项目为例，综合考虑影响建筑工程项目施工安全的因素，从人员因素、设备因素、管理因素、环境因素四个维度，建立建筑工程项目施工安全评价指标体系，如表1所示。

　　(二)层次分析法确定指标权重

　　本文咨询了 5位从业多年、经验丰富的领域专家，设计了可量化的调查问卷，由专家对A项目4个方面的因素进行打分，确定判断矩阵，并采用层次分析法确定权重，判断矩阵如表2所示。

　　(三)模糊综合评价确定最大隶属度引入模糊综合评价法，将建筑施工安全等级分为五级，建立评语集为 V={v1，v2，v3，v4，v5}={很安全、安全、基本安全、不安全、很不安全}，Wi 表示第 i 个指标中每个二级指标的权重。Ri表示第i个指标的隶属度矩阵。

　　五、总结

　　在全球数字化浪潮下，大数据与实体经济的理论与融合应用研究不断扩展，利用大数据提升企业转型升级能力和商业价值，其效果已在部分行业领域逐步显现。工程项目管理企业应以此为契机，转变思维模式，适应大数据时代要求，完善企业组织架构，积极探索适用于工程项目管理的技术和方法，加强专业人才培养，用数据引领创新，创造价值，驱动工程项目管理企业升级与发展。

　　参考文献：

　　[1]SHIRDASTIAN H，LAROCHE M，RICHARD M O. Using big data analytics to study brand authenticity sentiments: The case of Starbucks on Twitter[J]. International Journal of Information Management，2019(48)：291-307.

　　[2]ALESSANDRO M，SALLY D，MAUREEN M et al.Big data， big decisions: The impact of big data on board level deci? sion-making[J]. Journal of Business Research，2018(93)： 67-78.

　　[3]SUNIL T，WEE H M，YOSEF D.Big data analytics in supply chain management between 2010 and 2016: Insights to in? dustries[J]. Computers & Industrial Engineering，2018 (115)：319-330.

　　[4]段宇波，刘佳敏.地方政府事中事后监管的困境与路径[J]. 经济问题，2018(6)：106-109.

　　[5]刘世平 .大数据在金融行业实用案例剖析：系列之三[M]. 北京：经济科学出版社，2018:1-5.

　　《大数据背景下工程项目管理创新研究》来源：《经济问题》，作者：韩港1 ，李文锐1,2