为什么使用大数据可以降低风险并助建筑企业一臂之力
采用技术来加快交付的建筑公司可以获得真正的效率。但如果它们未能从项目数据中获得洞察力，就会错失重要的机会。这就像建造了一台更好、更强大的喷气式发动机，但又无法真正离开地面那样。
对所有施工文件进行数字化处理可以创建大量的信息，但大多数承包商需要同时处理多个项目，根本没有时间搞数据分析。机器学习工具可以将该过程自动化，帮助找到顽固的问题的根源。从质量问题到安全风险，公司可以使用大数据找出建筑业的发展趋势，并力图在未来的项目中取得更好的成绩。
我与之交谈的公司表示，他们需要降低风险并在他们的项目中增加更多的可预测性。如果能够做到这一点，就可以提高产量，并获得更好的利润。采用施工管理技术是管理风险的第一步。当所有与项目有关的文档以数字方式储存时 — 包括改变订购单，向对方发出提供信息的请求，提交报告以及发布报告等内容 — 就会收集到大量的信息，而且随着每个新项目的加入，这种收集还会飞速地增长。机器学习工具对项目数据进行审视，发现并报告质量和安全方面的态势，并对风险进行标记。输入这个系统的信息越相关，输出的结果就越有预见性。
这里的问题是，承包商是否已经准备好进行理念上的转变 — 放弃零散的纸质记录，继而采用数字化流程 — 并获取关于公司在关键绩效指标（KPIs）方面的信息？他们是否愿意将新的技术应用到原来一直采用的手动过程中来，甚至完全转换到新的过程中来？
现实中，承包商在应付紧张的工期方面已经很不轻松，特别是当他们并没有足够的劳力来满足建筑项目的要求之时。一方面，他们承受来自工作的压力，而自动化可以减轻他们在劳动力方面的一些压力，在他们的流程中引入更多的可预测性，并降低项目风险。另一方面，这些公司却没有时间停产来更新设备 — 这就像在飞行途中要更换那台喷气式发动机一样。没有哪一个总承包商会说，“我在实施这一数字化流程的同时将停止承接新的工程。”
建筑业重要理念的转变
十年前，建筑业在充分采用技术的行业名单上基本上排在最后。对于这个行业来说，这不是什么光彩的事情，但这实际上也对它提出了挑战。但是随着建筑公司逐渐意识到技术需要成为业务的核心部分，这个行业便发生了巨大变化。
建筑业不仅仅是施工现场的手工劳动和设备，技术也是公司的工具箱中一件很有价值的工具，而这才是赢得项目、提高生产力和更好地交付项目的正确理念，也是建筑行业需要采取的态度，只有这样才能满足从现在到2040年之前对建筑和基础设施的巨大需求。
成功转型为自动化流程的那些公司已经在其组织中实现了重大的理念转变。哪些领域最能够产生影响，他们就授权专家团队将技术部署在那里。这些团队首先对技术状况和现有流程进行摸底，然后将能够解决公司某些特别困难的技术引荐过来。这需要殚精竭虑的专注。
一个成功的革新案例是Suffolk Construction（萨福克建筑公司），一场理念上的革新正在促使建筑过程中可预见性的增加和出错几率的下降。执行副总裁兼首席数据官 Jit Kee Chin 非常重视公司的技术战略。萨福克正在引领这个潮流，利用机器学习来分析数据、预测风险并交付更好的建筑工程。
不管建筑公司雇用的是首席数据科学家，还是首席技术官员，还是技术战略家，拥抱技术意味着公司里边有这么一位重要成员，他/她每天早上醒来第一件事就是在思考：“我们作为一个企业所面临的挑战是什么？外边有什么技术可以帮助到我们？”
不能把眼光仅仅盯在关键绩效指标之上
采用施工技术并不止于施工管理的自动化。承包商现在期望技术能够全面帮助他们为员工、公司和客户带来更好的益处。有一到三年的时间就有可能积累到足够的信息来预测风险因素并进行革新以提高未来项目的绩效。
为了有助于管理总承包商所面临的风险，Swinerton使用欧特克 BIM 360 智商项目机器学习引擎来标记高风险的分包商 — 就是那些造成越来越多的问题或者重复出现同样错误的分包商。限制公司的风险敞口可以避免造成成本超支和进度延误的各种问题。手动梳理数据不太现实，也不太可能会产生多么有用的结果。而借助机器学习工具，这项工作就可以快速地完成，而且随着这种工具收集到越来越多的数据并从众多项目中获取信息，准确性也会得到提高。
如果承包商使用机器学习来衡量关键绩效指标的质量和安全性，并以对业务产生净积极影响为目标，则利润将会提高。最终，盈利也会提高。质量和安全是影响工地上生产力（说到底就是盈利的能力）的两个最重要的因素。总承包商可以采取的用于降低风险以确保工人每天可以安全地离开工地的任何措施都将对其最终的盈亏产生巨大的影响。
纠正问题的根源
当多个公司和项目团队聚集在一起执行一项复杂的项目时，可能会在多处出现故障。这些问题可能源于设计阶段，通过现场施工得以扩散；这些问题被发现时可能已经为时已晚而无法得到纠正。
无论是必须纠正的设计错误还是必须返工的建筑工程，对于工地来讲，出现错误会给人身安全带来隐患。质量影响安全，安全也会影响质量。通常人们难以做到的是防患于未然。
这个问题的解决方案就是要利用建筑技术收集到的丰富数据找出问题的症结所在。机器学习工具可以对需要解决的质量和安全问题进行预测、标记并优先处理，防止未来项目出现问题。任何建筑公司都会告诉您，它需要降低风险并力求让项目别那么复杂而且多一些可预测性。但是实现这一目标的唯一方法就是要避免令人焦急地等待着陆命令而将业务置于一个更为安全、更为快捷的飞行路线上。