1、建筑论坛与建筑设计四川建筑第43卷第4期基于 SNA的建筑业大数据应用影响因素及驱动策略陈锐,余睿,潘敏??,董娜1(1 四川大学建筑与环境学院,四川成都6 1 0 0 6 5;2四川开元工程项目管理咨询有限公司,四川成都6 1 0 0 0 0)【摘要】大数据应用对建筑业转型升级至关重要,但仍然面临利用程度低、推广速度慢等挑战,函需探索建筑业大数据应用的关键影响因素并提出驱动策略。通过文献梳理,确定了1 3个影响因素;然后构建建筑业大数据应用影响因素社会网络分析(SNA)模型,并运用Ucinet软件对模型进行分析,识别出关键影响因素;最后基于分析结果提出建筑业大数据应用的驱动策略。【关键词】建
2、筑业;大数据;社会网络分析(SNA);影响因素【中图分类号】TP393.090引言随着信息技术快速的发展,数据呈现爆炸式增长,全球数据量从2 0 0 9 年至2 0 2 0 年增长了44倍。2 0 1 5年,国务院印发促进大数据发展行动纲要,提出加大大数据关键技术研发、产业发展和人才培养;2 0 1 6 年,国务院印发“十三五”国家战略性新兴产业发展规划,提出深化大数据在各行业的创新应用;2 0 1 7 年,工信部印发的大数据产业发展规划(2 0 1 6 2 0 2 0 年),提出数据是国家基础性战略资源。建筑业作为数据密集型产业,积极推进大数据技术应用有利于促进行业的升级转型2 。2 0 2
3、 0 年,住建部联合1 3部门印发关于推动智能建造与建筑工业化协同发展的指导意见,提出探索建立大数据辅助科学决策和市场监管,推动建筑业数字化转型;2 0 2 2 年1 月,住建部印发“十四五”建筑业发展规划鼓励建筑企业、互联网企业和科研院所等开展合作,加强大数据等信息技术在建筑领域中的融合应用。在研究领域,国内外专家也对建设工程大数据应用展开研究,如董娜等3 探讨了大数据在建设工程造价管理中的应用;杨兴旺等4 将大数据应用于桥梁健康监测;Dong meiyou等5认为大数据应用有助于实现绿色可持续发展。虽然大数据在建筑业的应用得到普遍重视,但目前仍处于高负荷环境下的低质量供给,实际应用发展缓慢
4、6 ,利用率不足0.4%7 ,数据价值没有发挥。韩港等2 通过文献回顾分析,指出在项目管理中存在海量数据未被重视、缺乏适用的大数据应用方法、缺乏既精通项目管理又掌握大数据的专业人才等问题;刘亮等8 针对实施建筑业大数据智能制造过程,提出了产业政策存在缺位、技术应用缺乏普及和示范作用有待加强等问题。可以看出,现有的研究已经关注到了大数据在建筑业应用推广的困境,但大多数研究将这些影响因素看作彼此孤立的点,缺乏对因素间关联关系的深层次探讨,而系统地分析建筑业大数据应用影响因素并提出对应策略,方能促进其进一步发展。基于此,本文以建筑业大数据应用影响因素为研究对象,运用社会网络分析(SNA)对因素间的内
5、在联系开展研究。首先通过文献研究确定主要影响62【文献标志码】A因素,然后通过专家打分法评价各因素间的相互影响程度;再基于SNA探讨因素间的相互作用关系、识别关键影响因素;最后基于分析结果,提出建筑业大数据应用推广策略。1基于文献研究的建筑业大数据应用影响因素识别首先利用文献研究法,对中国知网CNKI、We b o f S c i-ence数据库中的文献进行检索,以“大数据”“建筑业”“影响因素”为关键词,最终筛选出了7 篇文献2,6,7,9-1 2 ,识别出1 3个影响建筑业大数据应用的影响因素,并划分为数据、企业、社会3个维度,具体如图1 所示。建筑业大数据应用影响因素数据维度企业维度F1
6、数据质量和F4维护成本和可用性专项资金支持F2数据的安全性和F5管理层重视度隐私保护和系统规划F3数据的获取F6专业技术人才和管理和管理团队F7基础设施建设F8企业间数据的流通和共享F9建设大数据应用投人时间图1 建筑业大数据应用影响因素2建筑业大数据应用影响因素相互作用机理社会网络分析法(SNA)是由社会学家根据数学方法、图论等发展起来的定量分析方法,主要分析网络中不同群体所构成的关系结构及其属性。刘华等1 3 基于SNA构建了民营定稿日期 2 0 2 2-0 5-0 9作者简介陈锐(1 9 9 1 一),男,硕士,研究方向为土木工程建造与管理;余睿(1 9 7 5一),女,硕士,工程师,研
7、究方向为工程造价;潘敏(1 9 7 3一),男,硕士,工程师,研究方向为工程造价;董娜(1 9 7 6 一),女,博士,副教授,研究方向为建筑信息化及工程项目管理。社会维度F10政策,法律支持FI1数据应用于管理标准F12相应软件和平台F13可借鉴的典型案例陈锐,余睿,潘敏,等:基于SNA的建筑业大数据应用影响因素及驱动策略资本参与PPP项目的影响因素模型,分析了各因素之间关联关系,并确定了7 个关键因素;王凤晖等1 4 基于SNA构建了既有建筑绿色改造市场治理影响因素模型,通过整理分析表明影响因素之间彼此关联。由此表明,SNA方法在研究复杂网络中因素间关联程度具有可行性。本文在识别出建筑业大
8、数据应用影响因素的基础上,将各因素作为网络节点,探究各节点之间的相互影响关系,并找出关键影响因素。2.1因素间相互影响程度评价为探究建筑业大数据应用影响因素间的相互影响程度,邀请了9 名经验丰富的行业专家(工作年限超过1 5年,具有中高级职称)对1 3个影响因素间的相互影响程度进行问卷调查,并采用李克特五点量法(即0 为“无影响”,1 为“较小影响”,2 为“一般影响”,3为“较大影响”,4为“显著影响”)进行评分。根据收集到的调查结果采用克朗巴哈系数来验证问卷数据的一致性(即样本数据的可靠性)。通过计算,系数值为0.7 8 4,大于0.7,说明数据的一致性高、符合检验标准。2.2影响因素网络
9、图构建与分析将识别出的1 3个影响因素作为网络节点,以因素间影响程度的均值(取整)构建影响关系邻接矩阵,输入Ucinet软件,构建的影响因素网络如图2 所示。F12F8数据维度企业维度社会维度图2 建筑业大数据应用影响因素网络2.2.1网络密度分析网络密度是用于衡量网络中各因素(节点)间的紧密程度,将数据导入Ucinet,输出网络密度值为1.7 56 4说明建筑业大数据应用影响因素关系网络图的密度较大,各因素间的紧密程度较大,任意2 个影响因素发生改变,都可能使得整个网络图发生较大变化。2.2.2网络中心度分析由关系网络图可以发现,1 3个影响因素间均存在联系,但仅凭网络图不能判断哪些因素为关
10、键因素,因此需要对网络中心度即点度中心度、中间中心度和接近中心度作进一步分析,如表1 所示。点度中心度是根据与该点直接相连接的节点数来测量,若某点具有较高的度数,则表明该点处于网络中心,具有较高的影响力。在有向网络中,点度中心度分为入度(指向该节点的其他节点的个数,反映受其他节点影响的大小)和出度(从该点直接指向其他节点的关系数,反映该点对其他节点影响的大小),出度减人度为度差。通过表1 可以分析出,表1 建筑业大数据应用影响因素中心度分析外接近内接近影响因素点出度点人度度差中心度中心度中心度F120F225F323F420F525F619F723F818F913F1028F1127F1224
11、F139F10(政策、法律支持)、F11(数据应用与管理标准)、F2(数据的安全性和隐私保护)、F5(管理层重视度和系统规划)、F12(相应的软件和平台)、F3(数据的获取和管理)和F7(基础设施建设)具有较大的出度值,说明在这些因素会对其他因F4素产生较大影响,对整个网络的影响作用也较大,应给与关注。同时F10(政策、法律支持)、F11(数据应用和管理标准)、F5(管理层重视度和系统规划)和F2(数据的安全性和F11隐私保护)具有较大的度差值,说明这些因素会对其他因素产生较大影响,并且受其它因素的影响的程度较小,因此这4个因素应重点关注。F7中间中心度是用来描述某一个节点在多大程度上位于网络
12、图中其他节点的中间,中间中心度越大,表明该节点控制其他节点的权利越大,越接近网络中心。接近中心度是用来反映网络中某一节点与其他节点间的接近程度。通过对表1 中间中心度数据分析,F3(数据的获取和管理)、F5(管理层重视度和系统规划)、F7(基础设施建设)和F11(数据应用与管理标准)具有较大的中间中心度值,表明这些因素在一定程度上对其他因素起控制作用。接近中心度越高,表明节点越不受其他节点的影响。在网络关系中,较高外接近中心度和较低内接近中心度为重要影响因素。通过表1 分析,F2(数据的安全性和隐私保护)、F8(企业间数据的流通和共享)、F10(政策、法律支持)和F12(相应的软件和平台)具有
13、较高外接近中心度和较低内接近中心度,确定为重要影响因素。根据点度中心度、中间中心度和接近中心度分析结果,确定具有较高中心度的影响因素如表2 所示。选取指标中出现频次大于1 的影响因素为关键因素,即F2(数据的安全性和隐私保护)、F5(管理层重视度和系统规划)、F10(政策、法律支持)和F11(数据应用与管理标准)。2.2.3关键关系识别在社会网络图中,线的中间中心度指某一条线在多大程63中间18220526-31.1791.00023-30.2000.85719623-40.3000.92325-21.1791.00021-30.9541.00028-150.7180.85710182071.
14、1791.00025-10.6611.00016-70.3360.7500.9360.9230.5611.0001.1791.0000.6181.0001.0000.8571.0000.9231.0000.9231.0000.9231.0000.8001.0000.9230.923参考文献建筑论坛与建筑设计表2建筑业大数据应用影响因素重要性分析维度数据影响因素企业影响因素社会影响因素点度中心度F2中间中心度F3接近中心度F2关键影响因素度上位于图中其他线的“中间”,若该线的中间中心度越大,则其控制力越强1 5。运用Ucinet 软件计算得到线的中心度,并选取排名前1 0%的关系作为关键关系,具
15、体如表3所示。根据表3可知,F13(可借鉴的典型案例)与F10(政策、法律支持)是关联度最大的关键关系,说明政策、法律的支持对建筑业大数据应用推广至关重要。此外,还可以看出大部分关键关系均与F2、F5、F1 0、F1 1 这4个关键影响因素相关,因此可通过调控这些关键影响因素来提高大数据在建筑行业的应用程度和推广速度。表3建筑业大数据应用影响因素网络图关键关系识别线的中间排名关系中心度1F13-F102F13-F83F13-F34F13-F55F13-F76F13-F97F13-F118F9 F23建筑业大数据应用驱动策略基于上述社会网络分析方法(SNA)得到的关键影响因素:F2(数据的安全性
16、和隐私保护)、F5(管理层重视度和系统规划)、F10(政策、法律支持)和F11(数据应用与管理标准),提出建筑业大数据应用的驱动策略。3.1积极制定大数据相关法律法规和技术标准宏观层面,一方面政府和行业组织应积极推进大数据相关法律法规和技术标准的编制,为行业应用提供参考;另一方面,应推行大数据应用激励政策,提升企业大数据应用的积极性。3.2做好大数据应用的顶层设计和系统规划企业层面,领导层的重视程度对大数据技术的应用至关重要,企业高层应作好大数据应用的顶层设计和系统规划,为企业的基层业务应用指明方向,做好系统规划和具体业务的有机融合。同时重视典型案例在大数据应用的引领示范四川建筑第43卷第4期
17、作用。3.3作好数据安全和数据隐私保护相关工作数据方面,需要明确数据安全、隐私的定义和保护范围,F5F10,F11F5,F7F11F8F10,F12F2、F5,F1 0,F1 1线的中间排名关系中心度1.75491.618101.518111.518121.518131.518141.518151.46816规范企业或个人的大数据应用行为,遏制大公司的数据垄断,防止不法分子窃取他人技术成果和商业机密,保障建筑市场持续健康发展。1Penglin Gao,Zhaoming Han,Fucheng Wan.Big Data processingand application research C.2
18、020 2nd International Conferenceon Artificial Intelligence and Advanced Manufacture(A IA M2020).2020,125 8.2韩港,李文锐大数据背景下工程项目管理创新研究J经济问题,2 0 2 1(1):8 1-8 6.3董娜,卢泗化,雄峰。大数据背景下基于ABC-SVM的建筑工程造价预测J技术经济,2 0 2 1,40(8):2 5-32.4杨兴旺,唐成,易用强,等。桥梁云计算2 0 2 0 年度研究进展J.土木与环境工程学报(中英文),2 0 2 1,43(S1).5Dong Meiyou,Yao Y
19、e.Establishment of big data evaluation modelfor green and sustainable development of enterprises J.Journal ofF1-F101.461F13-F11.375F2-F101.361F3-F101.361F5-F101.361F7-F101.361F11-F101.361F12-F101.361King Saud University-Science.2022,5(34).6王美华加快推动建筑行业大数据应用发展J工程建设标准化.2 0 2 1(3).7纪颖波,赵子豪,姚福义基于ISM的大数据在
20、建筑领域中的应用障碍分析J.大数据,2 0 2 1,7(6).8刘亮,谢根大数据智能制造在建筑业应用及发展对策研究J.科技管理研究,2 0 1 9,39(8).9Tao Yu,Xin Liang,Yaowu Wang.Factors Affecting the Utilizationof Big Data in Construction Projects J.Journal of ConstructionEngineering and Management,2020,146(5).10Paola Reyes,Subashini Suresh,Suresh Renukappa.The Adop-
21、tion of Big Data Concepts for Sustainable Practices Implementationin the Construction Industry C.11th International Conference onUtility and Cloud Computing Companion,2019:349-352.11Bakici.T,Nemeh.A,Hazir.O.Big data adoption in project man-agement:Insights From French Organizations J.IEE TRANSAC-TIO
22、NS ON ENGINEERING MANAGMENT,2021.12 Al-Sai.ZA,Abdullah.R,Husin.MH.Critical Success Factorsfor Big Data:A Systematic Literature ReviewJ.IEEE AC-CESS.2020,8,118940-118956.13 刘华,冯雪民营资本参与PPP项目关键影响因素研究一基于SNA的视角J会计之友.2 0 2 1(1 0.14 王凤晖,郭汉丁:基于社会网络分析视角的既有建筑绿色改造市场治理影响因素研究J再生资源与循环经济。2 0 2 2,15(7).15秦旋,李怀全,莫懿懿.基于SNA视角的绿色建筑项目风险网络构建与评价研究J土木工程学报2 0 1 7,50(2):119-131.64