Hoe de bouwbedrijf grote gegevens gebruikt

In de bouwindustrie, zoals in andere sectoren, verwijst grote gegevens naar de enorme hoeveelheden informatie die in het verleden zijn opgeslagen en die vandaag nog worden verworven. Grote gegevens kunnen afkomstig zijn van mensen, computers, machines, sensoren en andere data-genererende apparaten of agents.

Dat is natuurlijk wel wat het groot maakt. Bouw en bouw van grote gegevens bestaat al in alle plannen en records van alles wat ooit is gebouwd.

Het stijgt ook voortdurend met extra input van bronnen die zo verschillend zijn als werkers, kranen, grondverhuizers, materiaalsoorten en zelfs zelfgebouwen.

De waarde van de gegevens

Traditionele informatiesystemen zijn goed bij het opnemen van basisinformatie over projectroosters, CAD-ontwerpen, kosten, facturen en medewerkersgegevens. Ze zijn echter beperkt in hun vermogen om te werken met ongestructureerde data, zoals gratis tekst, gedrukte informatie of analoge sensorlesingen. Vaak kunnen ze alleen ordelijke digitale rijen en kolommen van getallen hanteren.

Het idee om grote gegevens te benutten, is om meer inzichten te krijgen en betere beslissingen te nemen in het bouwmanagement door niet alleen meer gegevens te verkrijgen maar door het goed te analyseren om praktische bouwprojecten te trekken. In feite is grote data, zoals truckloads van bakstenen of zakken cement, eigenlijk niet bruikbaar. Het is wat je ermee doet met behulp van grote data analytics programma's die tellen.

Zaken doen met grote gegevens

Om te zien hoe groot de gegevens worden gebruikt door de bouwsector, denk dan aan de levenscyclus van het ontwerp-bouwen-operatie, dat vandaag meer bouwprojecten definieert.

• Ontwerp: Grote gegevens, inclusief bouwontwerp en modellering zelf, milieu-gegevens, stakeholder input en sociale media discussies, kunnen worden gebruikt om niet alleen te bepalen wat te bouwen, maar ook waar te bouwen. Brown University in Rhode Island, VS, gebruikte grote data-analyse om te bepalen waar hij haar nieuwe technische faciliteit zou bouwen voor een optimaal student- en universitair voordeel. Historische grote gegevens kunnen worden geanalyseerd om patronen en waarschijnlijkheden van bouwrisico's uit te kiezen om nieuwe projecten te leiden naar succes en weg van valkuilen.
• Bouwen: Grote data van weer, verkeer en gemeenschap en bedrijfsactiviteit kan worden geanalyseerd om de optimale afbouw van bouwactiviteiten te bepalen. Sensorinvoer van machines die op sites worden gebruikt om actieve en rustige tijd te tonen, kunnen worden verwerkt om conclusies te trekken over de beste mix van het kopen en verhuren van dergelijke apparatuur en hoe u de meeste benzine efficiënt kunt gebruiken om kosten en ecologische impact te verlagen. Geolocatie van apparatuur maakt het ook mogelijk om de logistiek te verbeteren, reserveonderdelen beschikbaar te stellen wanneer nodig en downtime te vermijden.
• Bedienen: Grote gegevens van sensoren die zijn gebouwd in gebouwen, bruggen en elke andere constructie, maken het mogelijk om iedereen op veel niveaus van prestaties te controleren. Energiebesparing in winkelcentra, kantoorblokken en andere gebouwen kan worden gevolgd om ervoor te zorgen dat het in overeenstemming is met de ontwerpdoelstellingen. Verkeersstressinformatie en niveaus van buigen in bruggen kunnen worden geregistreerd om eventuele out-of-bound events te detecteren. Deze gegevens kunnen ook teruggebracht worden in BIM-systemen voor het bouwen van informatie om de onderhoudswerkzaamheden te plannen.

Voorwaarden voor informatie en inzichten van de bouwindustrie

Naarmate de gegevens groter en groter worden, wordt ook de behoefte om het te koken tot de actuele essentiële punten groter.

Een overzicht van bouwbedrijven door softwareverkoper Sage in 2014 heeft vastgesteld dat:

• 57% consistente, actuele financiële en projectinformatie nodig hebben.
• 48% wil worden gewaarschuwd wanneer er specifieke situaties optreden.
• 41% wil vooruitzichten, waardoor ze beter kunnen voorbereiden op de beste en slechtste bouwgebeurtenissen.
• 14% wil dat online analyses bijvoorbeeld precies zien welke factoren de winstgevendheid beïnvloeden en hoeveel.

Met grote data-analyse kunnen kansen worden geactiveerd of aangeboden om elk van deze aspecten te verbeteren. De verscheidenheid aan inputs in grote data zorgt voor betere niveaus van zekerheid over statusrapporten en prognoses. De analyses kunnen meer nuttige indicaties geven van risico's voordat een drempel overschreden wordt en een waarschuwing wordt gegenereerd. Ze bieden ook inzichten die traditionele systemen gewoon niet kunnen.