کلان داده
کلان داده چیست؟
کلان داده به حجم وسیعی از داده های موجود از منابع مختلف در قالب های متفاوت و با حجم بالا اشاره دارد که به طور معمول با استفاده از ابزارهای سنتی تجزیه و تحلیل داده به راحتی قابل پردازش نیستند. با توسعه سریع فناوری اطلاعات و ارتباطات (ICT)، صنعت ساخت و ساز با استفاده از تکنولوژی هایی چون مدلسازی اطلاعات ساختمان (BIM)، سامانه شناسایی امواج رادیویی (RFID) و شبکه حسگر، به عصر بیگ دیتا وارد می شود. جمع آوری و استفاده موثر از کلان داده های تولید شده توسط فعالیت های مختلف طراحی و ساختمانی به منظور افزایش عملکرد پروژه های عمرانی به طور فزاینده ای امکانپذیر شده است. به عنوان مثال داده های تصویری حاصل از فعالیت های ساخت و ساز می تواند برای شناسایی رفتارهای خطرآفرین کارگران به منظور کاهش وقوع حوادث استفاده گردد.
بیگ دیتا، مبتنی بر یادگیری ماشین می تواند برای پیش بینی دقیق عملکرد پروژه های عمرانی و تشخیص موثر عدم قطعیت در خروجی پروژه در مرحله اولیه طراحی مورد استفاده قرار گیرد. هم چنین با استخراج داده های مربوط به هزینه از پروژه های پیشین می توان استراتژی های موثری را برای کنترل هزینه های پروژه در آینده تنظیم کرد. به این ترتیب می توان کارایی مدیریت هزینه را به کمک بیگ دیتا به طور چشمگیری افزایش داد.
استفاده بهینه از بیگ دیتا به میزان قابل توجهی تحت تاثیر طیف گسترده ای از عوامل مانند در دسترس بودن تکنولوژی های کلان داده، سیاست های حفظ حریم خصوصی و مکانیزم های به اشتراک گذاری اطلاعات در بین ذینفعان مختلف، قرار دارد. پژوهش هایی که در حوزه کاربرد بیگ دیتا در پروژه های ساختمانی انجام شده است عمدتا به بررسی مفاهیم نظری کلان داده پرداخته و لیست جامعی از عواملی که بر استفاده بهینه از این داده ها اثر میگذارد و رابطه متقابل بین این عوامل، وجود ندارد. این خلا دانشی سبب محدودیت ارتقای کاربرد کلان داده در پروژه های ساخت و ساز می شود. در این مقاله با بررسی پژوهش های گذشته و مرور ادبیات، این خلا تا حدودی پر شده است و عوامل موثر بر کاربرد بیگ دیتا در صنعت ساخت و ساز شناسایی شده اند که در ادامه مطلب به آن ها می پردازیم.
- زمان مطالعه : 10 دقیقه
- تاریخ انتشار : اسفند 1401
- تاریخ بروزرسانی : اسفند 1400
کلان داده (Big Data) چیست؟
کلان داده به حجم وسیعی از داده های موجود از منابع مختلف در قالب های متفاوت و با حجم بالا اشاره دارد که به طور معمول با استفاده از ابزارهای سنتی تجزیه و تحلیل داده به راحتی قابل پردازش نیستند. با توسعه سریع فناوری اطلاعات و ارتباطات (ICT)، صنعت ساخت و ساز با استفاده از تکنولوژی هایی چون مدلسازی اطلاعات ساختمان (BIM)، سامانه شناسایی امواج رادیویی (RFID) و شبکه حسگر، به عصر بیگ دیتا وارد می شود. جمع آوری و استفاده موثر از کلان داده های تولید شده توسط فعالیت های مختلف طراحی و ساختمانی به منظور افزایش عملکرد پروژه های عمرانی به طور فزاینده ای امکانپذیر شده است. به عنوان مثال داده های تصویری حاصل از فعالیت های ساخت و ساز می تواند برای شناسایی رفتارهای خطرآفرین کارگران به منظور کاهش وقوع حوادث استفاده گردد.
بیگ دیتا، مبتنی بر یادگیری ماشین می تواند برای پیش بینی دقیق عملکرد پروژه های عمرانی و تشخیص موثر عدم قطعیت در خروجی پروژه در مرحله اولیه طراحی مورد استفاده قرار گیرد. هم چنین با استخراج داده های مربوط به هزینه از پروژه های پیشین می توان استراتژی های موثری را برای کنترل هزینه های پروژه در آینده تنظیم کرد. به این ترتیب می توان کارایی مدیریت هزینه را به کمک بیگ دیتا به طور چشمگیری افزایش داد.
استفاده بهینه از بیگ دیتا به میزان قابل توجهی تحت تاثیر طیف گسترده ای از عوامل مانند در دسترس بودن تکنولوژی های کلان داده، سیاست های حفظ حریم خصوصی و مکانیزم های به اشتراک گذاری اطلاعات در بین ذینفعان مختلف، قرار دارد. پژوهش هایی که در حوزه کاربرد بیگ دیتا در پروژه های ساختمانی انجام شده است عمدتا به بررسی مفاهیم نظری کلان داده پرداخته و لیست جامعی از عواملی که بر استفاده بهینه از این داده ها اثر میگذارد و رابطه متقابل بین این عوامل، وجود ندارد. این خلا دانشی سبب محدودیت ارتقای کاربرد کلان داده در پروژه های ساخت و ساز می شود. در این مقاله با بررسی پژوهش های گذشته و مرور ادبیات، این خلا تا حدودی پر شده است و عوامل موثر بر کاربرد بیگ دیتا در صنعت ساخت و ساز شناسایی شده اند که در ادامه مطلب به آن ها می پردازیم.
مشخصات کلان داده در پروژه های ساختمانی:
به طور کلی مشخصات کلان داده در پروژه های ساخت و ساز شامل حجم (Volume)، سرعت (Velocity)، تنوع (Variety)، صحت(Veracity)، تغییرپذیری (Variability) و ارزش (Value) است.
- حجم داده های جمع آوری شده از پروژه های عمرانی به علت پیچیدگی موجود در طراحی و فعالیت های ساخت و ساز و همچنین توسعه سریع فناوری اطلاعات و ارتباطات، گسترده است. به عنوان مثال حجم داده های مربوط به طراحی ساختمان سه طبقه با استفاده از BIM به پنجاه گیگابایت می رسد.
- منظور از سرعت داده، سرعت تولید و پردازش داده های پروژه ساختمانی است. سرعت داده با گذشت زمان افزایش می یابد که این موضوع نشان می دهد داده های ساخت و ساز، پویا و مستمر هستند.
- داده های پروژه ساختمانی از منابع مختلفی گردآوری و به طور معمول در قالب های متنوعی شامل DWG، DXF، DGN، RVT، ifcXML، JPEG و… ذخیره می شوند.
- صحت، به درجه عدم اطمینان و ابهامی که در داده ها نهفته است، اشاره دارد که نشان دهنده کیفیت داده است. در حجم زیادی از داده امکان ظاهر شدن نویز و ویژگی های نادرست وجود دارد.
- تنوع، بیانگر تغییر در نرخ جریان داده است. به عنوان مثال، مدیران پروژه ممکن است حجم زیادی از داده های حاصل از BIM را در مدت زمان کوتاهی طی مرحله طراحی پروژه دریافت کنند اما طی مرحله ساخت و ساز، داده جدیدی دریافت نکنند.
- ارزش، نشان دهنده مقدار ارزش افزوده ای است که بیگ دیتا برای صاحبان و ذینفعان پروژه ایجاد می کند. از این منظر، کلان داده را می توان نوع جدیدی از دارایی برای پروژه های عمرانی در نظر گرفت که می تواند برای متخصصان این صنعت سودمند باشد.
عوامل موثر بر استفاده بهینه از کلان داده:
همان طور که پیش تر بیان شد، عوامل زیادی وجود دارد که بر استفاده بهینه از کلان داده اثرگذار است. این عوامل عبارتند از:
- در دسترس بودن فناوری Big Data: گردآوری، ذخیره، پردازش و تحلیل موثر کلان داده با استفاده از فناوری های اطلاعاتی سنتی امکانپذیر نیست و برای این منظور باید فناوری های نوآورانه توسعه یابند.
- فرهنگ و ساختار سازمانی: پذیرش کاربرد بیگ دیتا نیازمند تغییراتی در ساختار و فرهنگ یک سازمان است. تغییرات ساختاری مانند ایجاد بخش ها و موقعیت های جدید وظیفهای برای مدیریت تسهیلات کلان داده و ارائه پشتیبانی فنی و تغییرات فرهنگی جهت ایجاد بینشی روشن نسبت به کاربردهای کلان داده و درک کامل ارزش بالقوه توسط اعضای سازمان می باشد.
- مدیریت و تعاون ذینفعان: مشخصا پروژه های ساختمانی طیفی از ذینفعان با ادعاهای رقابتی را دربر میگیرد. اطلاعات و دانش گردآوری شده از ذینفعان مختلف، منبع اطلاعاتی مهمی برای تحلیل کلان داده است. به این ترتیب دیدگاه و نظرات آن ها تاثیر قابل توجهی در استفاده از بیگ دیتا دارد.
- در دسترس بودن تسهیلات کلان داده: استفاده از بیگ دیتا کاری چالش برانگیز و زمانبر است؛ به این دلیل برای گردآوری، ذخیر سازی، پردازش و تحلیل داده ها به زیرساخت های موثرتری نیاز است. زیرساخت هایی شامل پایگاه داده، بستر اینترنت و تجهیزات رایانش ابری، نقش مهمی در مطلوبیت استفاده از بیگ دیتا دارند.
- استانداردها و کتاب های راهنما: روش های گردآوری، ذخیره سازی و پردازش داده برای افزایش بهره وری تجزیه و تحلیل داده و تعدیل جزایر اطلاعاتی ( اطلاعاتی که برای اشتراک گذاری به اتصال شبکه ای نیاز دارند مانند فایل های الکترونیکی) باید استاندارد شوند.
- مکانیزم قانونی و اخلاقی حق کپی، حریم خصوصی و امنیت داده: مسائل مربوط به امنیت داده، حفاظت حریم خصوصی و حق کپی، چالش های اساسی در استفاده از کلان داده در صنعت ساخت و ساز هستند. امنیت ضعیف داده موجب مقاومت فردی و سازمانی می شود و حتی می تواند به اعتبار یک سازمان آسیب قابل توجهی وارد نماید.
- رضایت مشتری: این عامل مهم ترین عامل برای سنجش میزان موفقیت یک پروژه است. بدون حمایت مشتریان، کلان داده نمی تواند به طور گسترده در پروژه های ساختمانی مورد استفاده قرار گیرد. زیرا اکثر توسعه دهندگان املاک و مستغلات به شدت متمرکز بر بازار هستند.
- اثر بیگ دیتا بر عملکرد پروژه: انگیزه استفاده از کلان داده در درجه اول تاثیر بالقوه آن بر عملکرد پروژه است. بهره برداری از کلان داده در پروژه های ساختمانی می تواند باعث افزایش شدید هزینه های مربوط به خرید مجوزهای نرم افزاری و تجهیزات سخت افزاری و استخدام پرسنل ماهر شود.
- حمایت مدیریت عالی و شیوه های مدیریتی کلان داده محور: پذیرش کاربرد بیگ دیتا به حمایت مدیریت عالی بستگی دارد زیرا استفاده از آن نیازمند تحولات استراتژیکی است که باید توسط رهبران ارشد سازمان تایید شود.
- منابع انسانی: فقدان مدیران پروژه، مهندسان و کارکنان ماهر در این حوزه به عنوان اصلی ترین مانع در استفاده از کلان داده در پروژه ها است.
عوامل دیگر مانند اشتراک داده و حاکمیت، سیاست های تشویقی، ارزیابی درس آموخته ها، پروژه های گذشته، کارایی و اثربخشی بیگ دیتا، مقاومت در برابر تغییر و ماهیت گسسته صنعت ساختمان، عواملی هستند که در استفاده بهینه از کلان داده موثر هستند. مدیران و مهندسان پروژه هنگام اتخاذ استراتژی جهت استفاده از کلان داده باید به دقت به تاثیر این عوامل و روابط متقابل بین آن ها توجه داشته باشند.
