1 数据驱动理念

　　1.1 数据驱动概念

　　数据驱动^[1]是通过信息系统等软件采集海量数据，组织数据形成信息，整合和提炼相关信息，在数据基础上经过训练和分析形成自动化的决策模型。

　　数据驱动的核心是通过业务分析和数据推理，透过业务现象看到业务产生的数据及数据结构、含义和语义。通过对业务形成数据的高度抽象，形成结构稳固、标准统一的数据对象模型，数据对象模型是构建数据驱动型系统的基石。

　　1.2 数据驱动内容

　　数据驱动核心包括以下内容:(1)数据为实现对数据生命周期的科学管理，通过数据治理对数据使用和应用进行规划、监督和控制;(2)数据静态结构通过对企业的业务数据进行正确建模，形成业务数据模型，描述数据及数据间的关系和逻辑;(3)数据动态结构数据在不同业务、不同管理层级中的流转，实现数据的生产、归集、存储、治理、共享、开放，到最终应用的过程，即数据供应链;(4)驱动机制基于数据分析和挖掘，产生业务自动化决策模型，辅助企业决策和业务运营。

　　2 数据和数据治理

　　2.1 数据

　　数据驱动和数据供应链的核心是数据，即以文本、数字、图形、声音和视频等格式对事实进行表现，数据及从数据中产生的信息成为企业的核心资产。

　　企业信息化建设大多是从初期的烟囱式系统建设到集中式系统建设，系统围绕业务需求开展建设，各类数据分散在各个应用系统中，数据来源不一、口径不一、时效不强、质量不高，导致数据资源利用的复杂性和管理的高难度。要实现统一的数据管理，需站在企业层面，建立数据治理体系，对数据进行全面管理。

　　2.2 数据治理

　　数据治理^[2,3]是对数据资产管理行使权力和控制的活动集合(规划、监控和执行)，包括数据架构、数据标准、元数据、主数据、数据质量、数据存储、数据服务、数据安全及数据生命周期管理。核心管理内容如下。

　　1)数据架构是用于定义数据需求、指导数据资产的整合和控制，使数据投资与业务战略相匹配的整体架构。

　　2)数据标准是企业建立的符合自身实际，涵盖定义、操作、应用多层次数据的标准化体系，包括基础标准和指标标准等，如国家标准、行业标准或企业标准。

　　3)元数据元数据是描述数据属性的信息，用来支持如指示存储位置、历史数据、资源查找、文件记录等功能。元数据分为业务元数据、技术元数据和操作元数据。

　　4)主数据对主数据指标及数值进行管理和控制，以实现跨业务共享数据的一致性、共享性、完整性、精准性，进行统一管理。

　　5)数据质量明确相应的管理流程，定义数据治理的管理责任、评价标准和工作步骤。数据质量问题发生在数据供应链各个环节，需要明确各环节的数据质量管理流程和检查标准。

　　6)数据存储是从数据规模、使用频率、使用特性、服务时效等因素，定义数据如何分布、如何管理的。只有对数据进行合理的分布和存储，才能有效地提高数据的共享程度，尽可能减少数据冗余带来的存储成本。

　　7)数据服务数据管理和治理是为更好地利用数据，是数据供应链的基础。通过数据集中、整合、挖掘和共享，实现对多样化、海量数据的快速处理及价值挖掘，推动业务管理向信息化、精细化转型，全面支持信息化银行的建设。

　　8)数据安全包括数据存储、传输和使用安全。数据存储安全包括物理安全、系统安全、存储数据的安全，主要通过安全硬件采购保障数据存储安全。数据传输安全包括数据加密和数据网络安全控制，主要通过专业加密软件厂商进行规范设计和安装。数据使用安全需建立完善的数据安全管理体系及数据安全规范制度体系，组建数据安全管理组织机构，建立有效的数据安全审查机制。

　　9)数据生命周期管理数据产生、加工、使用乃至消亡都应有科学的管理办法，将极少或不再使用的数据从系统中剥离出来，并通过存储设备进行保留，不仅提高系统运行效率，更好地提供数据服务，还能大幅度减少因为数据长期保存带来的储存成本。数据生命周期一般包含在线阶段、归档阶段、销毁阶段，管理内容包括建立合理的数据类别，针对不同类别的数据制定各阶段保留时间、存储介质、清理规则和方式、注意事项等。

　　3 业务数据模型

　　3.1 业务数据模型概念

　　业务数据模型^[3]是用于描述企业信息系统中数据及数据间关系的基本工具，信息系统开发人员在系统研发前建立各级数据模型以指导整个开发过程，用户必须通过数据模型了解信息系统中的数据，全面了解数据驱动机制和处理逻辑。

　　构建业务数据模型是基于整个企业业务视角，对企业数据进行整体性描述，识别企业内部跨功能、跨部门、跨组织的共享或冗余数据，以实现数据标准化，确保数据一致性、准确性、及时性。业务数据模型不依赖企业某个具体业务或系统，也和数据物理实现无关，是数据驱动的基础。

　　按照数据使用者不同和使用要求不同，数据模型一般可划分为概念模型、逻辑模型和物理模型。

　　1)概念模型是业务视角的高层次粗粒度模型，用于定义核心业务实体(又称概念实体)及实体间的关联关系。

　　2)逻辑模型从概念模型中转换而来，即以概念模型的设计为基础，将实体与关系映射到关系数据模型，进行细化设计。

　　3)物理模型是逻辑模型在具体数据库产品中的实现，是对逻辑模型的进一步细化，是企业数据模型在信息系统中的最终实现。

　　3.2 数据模型的行业应用实践

　　业务数据模型要结合企业业务发展水平和行业特点开展设计。在其他行业已有较成熟的应用，如金融行业数据存储模型(FSDM)，将金融业务抽象为参与人、产品、条件、位置、合约、分类、资源、时间和业务方向等领域;电信行业把业务抽象为参与人、产品、账务、营销、事件、地域、资源和财务等领域。

　　3.3 施工行业业务数据模型

　　建筑施工企业数据模型参考金融行业、电信行业的模型，结合建筑行业和施工企业实际，利用面向领域的方法开展设计，模型包括参与人、合约、工程、项目管理过程、项目资源、策划与计划、账务与资金、标准与参考分类^[4,5,6]。

　　1)参与人描述所有参与业务活动的个体和组织，分为人员和组织业务对象。人员描述所有参与业务活动的个体，包含员工、员工关联信息、履历相关信息。组织描述所有参与业务活动的组织机构，包括管理机构、客户、岗位、供应商等。

　　2)合约描述施工单位与客户、供应商、分包商、内部单位等签署的各种合同、协议、内部经济责任书等。从类型上分为施工履约合同、投资合同、服务合同等。从合约要素上分为价款、标的、争议、履约计划、合同分析和合同要求。

　　3)工程描述实际建筑物，包括分部分项工程和工程参数。从类型上分为房建工程、基础设施工程、市政工程和分包工程等。从工程组成上包括分部分项工程。

　　4)项目管理过程描述项目管理从开始到结束的整个过程，定义完成项目需要的所有活动数据模型，包括项目资料、节点进度、成本、收入、质量、安全、检查整改。

　　5)项目资源抽象描述项目所需的所有资源，包括设备、物资、劳务等业务对象。

　　6)策划与计划描述完成项目所需的所有计划和策划，其中包含与主计划相关联的计划。

　　7)账务与资金描述项目过程中发生的各种资金数据，定义与资金相关的业务对象，包括收入和支出明细、资金、应收应付明细、发票和利息等数据。

　　8)标准与参考分类定义项目所有标准数据，包括物资分类、财务科目、标签库、地址、联系方式、工程类型、项目类型等。

　　业务模型是对施工企业核心业务活动的抽象，能概括和描述项目管理过程的业务活动。通过业务模型对业务进行描述，更加有利于信息系统开发人员对业务的理解和系统设计。

　　4 数据供应链

　　4.1 数据供应链概念

　　数据供应链是指数据从生产、归集、存储、治理、共享、开放，到最终应用于业务场景中的过程和机制。数据供应链是对业务数据模型的补充和完善，是对数据动态流转和运行的描述，是实现业务数据间关联和业务协作的关键。数据供应链分为横向和纵向，横向供应链指业务数据在同一管理层级的协作，是业务数据引用和生产的过程;纵向供应链是业务数据在不同管理层级间的加工和汇总，是数据颗粒度变化的过程。

　　4.2 建设方法

　　数据供应链的建设分为供应链分析、供应链配置及信息系统实现。

　　1)供应链分析采用PCF流程框架、企业架构、领域驱动、数据治理等方法分析业务领域、架构、流程及数据等，按照数据与功能分离、功能与流程分离、逻辑应用与前台展现分离、数据生产与分析分离的原则，实现业务关系解耦、共性提取、数据分离及服务识别，明确数据对象、供应关系、加工规则等，实现供应链中的需求、供应、加工、传输等要素确认。

　　2)供应链配置实现业务实际向信息系统的逻辑转换，按照供应链要素要求，采用四项分离原则，按组织(分企业层、项目层、关联方等)、业务(分业务领域、业务项、业务活动及业务规则等)、岗位及角色、数据(分数据对象、数据指标、数据标准、数据质量、数据时效及处理规则等)进行配置，明确配置的触发条件及异常处理机制，保障供应链的正常运转。

　　3)信息系统实现利用BPM、微服务架构、分布式数据库技术、互联网技术实现信息系统功能。

　　4.3 案例说明

　　1)业务场景物资管理中，一般业务流程为验收→结算→资金计划→支付，但也有验收→结算→支付的特殊流程(不考虑项目部内部和向企业级上报的审批环节)。

　　2)供应链设计为横向供应链，物资数据从供应商流转到项目部并验收物资后，办理结算业务，生成资金支付数据，支付数据通过资金计划环节或直接到资金支付。数据供应链设计如表1所示。

　　表1 数据供应链设计 

　　表1 数据供应链设计

　　3)信息系统实现根据业务数据模型、供应链设计进行信息系统详细设计与开发，包括收货、验收、结算、资金计划、资金支付微服务功能设计与编码、数据物理模型和数据库设计等。

　　5 数据驱动

　　当企业积累大量数据后，运用大数据技术，建立数据中台、数据湖等数据资源池，深入挖掘数据价值，分析数据背后的业务逻辑和潜在规律，实现对企业决策和业务运营的驱动。

　　5.1 企业决策

　　1)提升决策准确性和科学性通过多维度汇总、分析和提炼内外部数据，洞察大、全、细、时数据背后的价值，赋予企业更加全面和准确的商业洞察力，提高决策水平。

　　2)降低企业运营风险分析生产及运营管理各环节的数据，利用数据可对风险进行预警，强化风险防范。

　　3)实现商业预测通过数据分析，预测客户、市场等发展趋势和变化，为商业模式的升级和创新提供有力支撑。

　　5.2 业务运营

　　1)精准营销根据数据对客户进行精准画像，制订更加精准的营销政策和策略。

　　2)产品研发根据对用户需求的分析和及时反馈，驱动产品研发更加贴近客户和市场需求，持续推进产品迭代升级。

　　3)绩效考核通过数据实现对经济责任目标和运营情况的智能分类，评价企业运营状况，为绩效考核提供支撑。

　　4)流程优化通过对流程办理时效、岗位等信息进行分析，优化流程流转规则，智能化匹配“红黄绿”线，加速流程处理速度，提高业务运营效率。

　　6 结语

　　在企业智慧建造集成系统建设中，明确施工企业数据驱动和数据供应链实现的方法，探索技术实现机制，通过构建端到端的数据供应链，突破业务系统壁垒，在统一的信息平台上实现数据一次采集、多次调用，提高数据复用性，并通过信息系统的建设验证数据驱动机制和数据供应链的建设方式，为施工企业智慧建造集成系统的研发打下良好基础。

　　后期，根据集成系统的应用积累数据，不断总结和完善数据驱动与数据供应链的应用，进一步挖掘数据价值，为企业数据资产管理积累经验，为项目智慧生产和企业智慧管理提供技术支撑。