Iso, naturalmente, é o que o fai grande. Construción e construción de grandes datos xa existe en todos os plans e rexistros de calquera cousa que se constrúe.
Tamén está aumentando constantemente con entrada adicional de fontes tan diversas como os traballadores no lugar, as grúas, os motores de terra, as cadeas de subministración de material e mesmo os propios edificios.
O valor dos datos
Os sistemas de información tradicionais son bos para rexistrar información básica sobre horarios de proxectos, debuxos CAD, custos, facturas e detalles do emprego. Non obstante, están limitados na súa capacidade de traballar con datos non estruturados como texto libre, información impresa ou lecturas de sensores analóxicos. Moitas veces, só poden manexar filas dixitais ordenadas e columnas de números.
A idea de aproveitar grandes datos é obter máis información e tomar decisións mellores na xestión da construción non só accedendo a datos significativamente máis, senón analizándoa correctamente para sacar conclusións prácticas do proxecto de construción. De feito, grandes datos, como camións de ladrillos ou bolsas de cemento, non son útiles por si mesmos. É o que fai con el usando grandes programas de análise de datos que conteñen.
Comezando ás empresas con grandes datos
Para ver como os datos grandes están sendo utilizados pola industria da construción, considere o ciclo de vida deseño-build-operate que define cada vez máis proxectos de construción hoxe.
- Deseño: os grandes datos, incluíndo o deseño e modelado de edificios, os datos ambientais, as partes interesadas e as discusións en redes sociais, pódense usar para determinar non só o que construír, senón tamén para construílo. A Universidade Brown de Rhode Island, Estados Unidos, usou unha gran análise de datos para decidir onde construír a súa nova instalación de enxeñería para obter un beneficio óptimo para estudantes e universitarios. Os grandes datos históricos poden ser analizados para elixir patróns e probabilidades de riscos de construción para dirixir novos proxectos cara ao éxito e afastarse das trampas.
- Construír: pódense analizar grandes datos do tempo, o tráfico ea actividade da comunidade e da empresa para determinar a eliminación óptima das actividades de construción. A entrada de sensores das máquinas usadas nos sitios para mostrar o tempo activo e inactivo pódese procesar para sacar conclusións sobre a mellor combinación de compra e arrendamento destes equipos e como usar o combustible de forma máis eficiente para reducir custos e impacto ecolóxico. A xeolocalización do equipo tamén permite a mellora da loxística, as pezas de reposición que estarán dispoñibles cando sexa necesario e o tempo de inactividade a evitar.
- Funciona: os grandes datos de sensores integrados en edificios, pontes e calquera outra construción permiten monitorizar cada un a moitos niveis de rendemento. Pódese rastrexar a conservación de enerxía nos centros comerciais, oficinas e outros edificios para garantir que se axuste aos obxectivos de deseño. Pode rexistrarse a información de estrés e os niveis de flexión en pontes para detectar eventos fóra de límites. Estes datos tamén poden ser alimentados de novo en sistemas de modelado de información de edificios (BIM) para programar as actividades de mantemento segundo sexa necesario.
Preferencias da industria da construción para información e insights
A medida que os datos son maiores e maiores, a necesidade de que o faga máis baixo o contido esencial sexa máis grande.
Unha investigación das empresas de construción polo vendedor de software Sage en 2014 descubriu que:
- O 57% quere información financeira e de proxecto actualizada e consistente.
- O 48% quere ser advertido cando se producen situacións específicas.
- O 41% quere previsións, o que lles permite prepararse mellor para eventos de construción mellores e peores.
- O 14% quere que a análise en liña vexa por exemplo precisamente cales factores están afectando a rendibilidade e por canto.
As grandes análises de datos poden permitir ou ofrecer oportunidades para mellorar cada un destes aspectos. A variedade de entradas en grandes datos permite mellores niveis de certeza sobre os informes de estado e as previsións. A análise pode proporcionar indicacións máis útiles sobre os niveis de risco antes de superar un límite e xerar unha alerta. Tamén ofrecen información que os sistemas tradicionais simplemente non poden.