1前言

近年来，随着人口红利、资源红利、流量红利的逐渐消失，国内工程建造市场正经历着从增量市场向存量市场的转变。与此同时，受人口老龄化、管理粗放、外部环境不可控因素多，以及同业竞争和跨界竞争等多重影响，“利润微薄”和“竞争力弱”正成为大多数工程建造企业面临的主要困境。

作为工程建造行业的一员，成都某工程集团（后简称集团）同样面临上述问题。受近两年基建投资额增速放缓影响，集团下属城市轨道交通、水环境治理（城市绿道、河道景观）、市政设施业务均面临巨大的市场压力，迫切需要寻求一条降本增效的可持续发展之路。

例如建筑业中工程机械物联网的应用，就是通过GPS、移动互联网等技术，将工程机械的工作状态、位置、效率、运行情况等信息进行收集，并通过信息系统对这些机械设备进行管控和问题告警，有效降低管理成本，堵住贪污漏洞。

综上，本文从工程建造行业的信息化视角出发，结合企业经营的理念和目标，探讨如何应用信息化手段和技术，尤其是数据中台技术，来解决传统企业的人才、管理和技术困境，最终通过管理红利和技术红利的释放，实现降本增效的信息化管理目标。

2工程建造企业数字化转型诉求

总体来说，工程建造行业仍然是劳动密集型的传统产业，建筑产业现代化水平不高，存在建设周期较长、资源能耗较高及生产效率、科技含量偏低等问题。近年来，制造业、零售业和农业的生产率增长了150%，但建筑业的生产率几乎没有增长。建筑行业是世界上数字化程度最低、自动化程度最低的行业之一。数据显示，40%的建筑公司仍然在工作中使用纸质计划，近50%的建筑专业人员手工准备和处理日常报告，只有18%的公司报告说他们一直使用移动应用程序来访问项目数据和协作，近60%的建筑公司没有研究任何新技术。

面对经济放缓形势下的残酷市场竞争，工程建造企业的生存和发展已普遍面临如下几个困境：

（1）微利困境。随着国家产业结构的调整和宏观经济的下滑，工程建造市场竞争日趋激烈，行业盈利空间已然透明化。同时，政府监管日趋严格，更是要求提质节能，这将极大地压缩企业的生存空间。

（2）人才困境。劳动力老龄化现象严重，壮年群体数量逐渐减少，青年群体能力成长未到位。项目经常出现用工荒，高技术人才更是万金难求。

（3）管理困境。工程建造行业常因其生产和经营的粗放方式而被归入传统行业，故而这类企业也具有传统企业信息化水平不高，管理效率低，人员依赖度高等不足。这无疑增加了企业运营成本，降低了企业的市场竞争力。

（4）技术困境。传统制造业管理软件常要求项目业务流程清晰并且固定，但这些外部因素常导致业务流程多变而软件较难实现或实现后的通用性和扩展性不强，从而导致工程建造企业项目管理的信息化难以实施和落地。

通过近年来以制造业为代表的传统行业的实践来看，合理有效的信息化和数字化手段，将成为企业打破上述困境，为企业赢得生存和发展空间的不二法门和必由之路。而企业数据中台作为企业数据运营的中枢系统，将在信息化和数字化过程中发挥不可或缺的作用。

3 企业中台战略的提出

3.1 数据中台的由来

中台概念在中国科技界最早萌芽于阿里，其灵感来源于芬兰游戏公司 Supercell。这家看似很小的公司，却拥有一个强大的技术平台来支持众多小团队进行游戏研发。各团队可以专注创新，不用担心基础却又至关重要的技术支撑问题。将这种类似的思维应用到企业中，就需要构建一个资源整合和能力沉淀的平台（最好是依托软件平台的企业组织），对各工程项目部进行支持和协调。

中台既是能力和技术的沉淀，也涉及组织流程的重构。数据中台是围绕企业生产经营数据进行抽取，处理，服务，实现业务数据化、数据资产化、资产服务化。

图1 中台定位

3.2 数据中台的定义和用途

数据中台是介于快速变化的创新型前台应用和记录型后台系统之间的能力平台，立足于赋能前台业务以数据智能能力，让业务更智慧。

参考Gartner的分层架构理论，中台是介于前台业务和后台业务之间的层次，沉淀差异化能力，快速支持前台业务的变化提高业务的响应能力，产生更多收入，为主动创新的前台业务提供支撑，提高企业对市场变化的响应速度。

数据中台具备结构化、半结构化、非结构化数据的“存、通、用”能力。主要包含数据汇聚和存储、数据加工和处理、数据建模和分析、数据服务和运营、数据收益和激励能力，助力于打造数据驱动的智能企业经营管理核心。

3.3 数据中台的发展现状

2019年被称为数据中台元年，自从阿里巴巴集团对外宣布全面启动中台战略，构建符合DT时代的更具创新性、灵活性的“大中台、⼩前台”组织和业务机制。刹时间，“数据中台”俨然成为企业一剂支撑业务快速崛起的良方。

当前已启动数据中台建设的厂商主要有阿里、菜鸟、苏宁、民生银行、滴滴、OPPO、浙江移动等互联网或集团企业，总体而言在零售、电商、银行、地产等行业的应用成熟度相对较高，因为这些行业的信息化水平和数据成熟度较高。

数据中台建设服务供应商大体如下，所谓百家争鸣。

阿里及其生态圈：阿里云、云徒科技、数澜科技、奇点云、袋鼠云等；

ERP、CRM、大数据厂商：用友、帆软、数猎天下（DataHunter）、TalkingData、四方伟业、睿帆科技等。

4 企业数据中台的实践

4.1 数字化战略和目标

为了更好地生存和发展，该集团提出了“数字化企业，数据化运营”的数字化战略，同时确立了“运用信息技术全面提升集团管理水平和核心竞争力”数字化目标。

围绕集团数字化战略和目标的达成，我们达成了如下共识。

（1）确定了数据中台建设的初衷和目标：“打通业务系统的数据链路，将沉淀的数据汇聚到数据中台，再结合应用场景将数据资产化，让数据产生价值”。

（2）形成了数字化建设思路：“聚焦该集团下属城市轨道交通和水环境治理两大主营业务板块，以合同签订为起点，进度成本质量为项目管控要点，以商务分析及财务核算为终点，重点把控合同、结算及支付三个环节的数据比对和分析”。

（3）明确了数字化转型的主要诉求：找准场景，合理应用大数据、IOT、人工智能等信息技术，优化工程建造项目管理，即提高生产效率、控制成本，进而提升企业盈利能力和扩大经营规模。同时期望通过数字化转型，沉淀技术能力、软件产品和技术队伍，形成新的业务线和增长点，实现投、融、建、运全产业链运营能力。

4.2 建设历程和经验

通过接触和调研，该集团与阿里云于2019年年末正式签署框架合作协议，启动数据中台建设。项目一期建设分为4个阶段：需求调研与分析、业务场景识别与数据应用设计、数据生产与加工、数据运营与场景适配。

（1）规划先行，完成需求调研及现状分析

该集团信息化建设起步于2010年前，至今已建成在用系统可分为3类：

集团数字办公：以OA（内网）、官网、人力资源管理、财务系统（金蝶EAS）、CRM-标前系统为主。

工程生产管理：以ERP（Oracle EBS）的财务管理、物料管理和产值确认模块为基础和主数据，因生产管理需要扩展研发了“盾构项目生产管理大脑”，主要包含生产排程、设备管理（含外租设备）、物资管理（含物资称重）、成本管理、人员管理等模块。

智慧工地监控：业主和各地建委要求现场管理和监控的内容，主要包括农民工安全培训与考勤（劳务实名制）、扬尘噪音监测、现场视频监控、运渣车监测以及塔机安全监测等。

图2 信息系统分层结构图

以上系统的使用为该集团沉淀了不少生产经营数据，但数据完整度不高，缺少挖掘和利用。从业务价值链看，分步建设也造成了各业务系统的功能和数据无法有机地串联起来，只能靠业务部门间线下沟通和纸质票据来协同。

同时我们还对企业的数据能力成熟度进行了评估，认为当前处于Level 2受管理级。数据现状也能反映出生产运行现状和业务系统使用情况，有利于更好地梳理企业信息化架构和规划数据中台设计，分步实施。

图3 数据能力成熟度评估模型

结合阿里云领先的云计算、大数据和人工智能技术，通过数据中台对散落无序的海量数据进行打通、串联、存储和计算，实现One Data、One Id、One Service的目标。

确定了方向和主题后，项目组面向集团成本领导小组和生产经营部门做了访谈和调研，摸清楚了土建和盾构两个业务板块的信息流、物流、资金流，编写了《数据调研报告》、《业务调研报告》作为设计的基础。

（2）识别高价值场景，完成数据中台设计

识别出高价值业务场景是零基础起步建设数据中台的重要视角——以用促建。该集团十分重视信息化建设，采用了自研与采购并行方式推进平台和应用的建设，并希望通过应用和管理倒逼施工的迭代升级。

通过访谈和调研，项目组识别出两个业务场景（月度生产例会（大交班会）、围绕项目成本管控的内部管理报表）比较符合该集团应用需求和信息化现状。

为了方便确认，项目组使用模拟数据制作了BI报表、数字大屏原型Demo，通过多轮迭代，完成了设计确认，接近期望效果。技术选项上，确定了基于阿里云公有云环境，采购数据集成开发工具工业大脑数据工厂、大数据离线计算服务MaxCompute、关系型数据库RDS、对象存储服务OSS、数据分析与展现QuickBI、数据可视化DataV，并基于数据工厂API定制开发数据门户iPortal。

图4 数据中台功能结构图

详细设计过程中，调研沟通中分析发现：集团内不同业务板块管理和考核制度不同，导致了盾构和土建的业务规则、管理粒度不太相同；预算合约口的成本与财务成本核算口径不完全一致等情况，这些需要和管理层、业务部门进一步明确和规范。

（3）数据加工与任务调度管理

按照设计和实施方案，首先完成了工业大脑数据工厂、DataWorks、Quick BI和DataV等产品的开通或部署，接着完成了数据源对接与数据上云，数据分层（贴源层ODS、数仓层DW、主题层TDM、应用层ADS），对工程板块做了数据分域（基础数据、组织人员、项目信息、机械设备、物资管理、商机客户、财务信息），数据清洗和标准化，形成数据资产目录，并针对数字大屏、BI报表、数据门户需要在应用层做了再次加工，将结果集同步至RDS数据库或将数据服务发布并注册到API网关上。

为了确保数据同步、精炼任务，数据质量的自动化运行和监控，我们基于数据工厂构建了数据运营体系，包括任务监控报警、模型标准定义、数据质量探查等，以降低数据运营成本。

4.3 建设成果

项目一期对接了11个数据源（近2TB数据），建立了380个数据同步和精炼任务，形成了土建和盾构2个业务域的数据资产、多个数据应用（数据服务、大屏、报表等），初步实现了生产经营数据的可检索、可统计、可分析以及可视化。

5 数据中台价值探寻

数据中台的应用主要有BI报表与多维分析、数据服务与智能应用、数字大屏三大类。该集团选择了3个项目纳入试运行和业务磨合适配，在项目部、业务部门、高管层同步探寻数据价值。

内部管理报表ABC数据对比分析：结合业务规则和数据间的逻辑关系，初步形成了项目合同额、预算值（责任成本）、施工进度、实际成本、对上计量、财务收支、债权债务等贯穿项目生命周期的业财数据对比预警。盾构事业部在此基础上还提出了更多的分析需求，如按延米、按成本构成类型、按周统计等。

月度生产例会（大交班会）上项目汇报、横向对比：详略结合的交互大屏，既可以图示项目详情，还可以进行同类项目的产值、工效、成本等指标横向对比，还可追溯项目本年、开累情况。一图胜千言，便于管理者迅速掌握项目情况。

6 总结

通过数据中台项目建设与应用，该集团完成了信息化架构、数据资产的梳理，重新完善了数字化转型方案，也将数据思维和数据视角带到了业务部门，并从数据维度透视出工程建筑行业的一些业务和管理现象。

针对工程项目受自然环境影响、相关方多、协同单位和人员繁多情况造成的不完全受控、变化大的项目特点，应向符合中国国情的预算成本管理模式、工业4.0（离散制造）学习借鉴经验，并结合工程建造行业特色进行适配。充分发挥摄像头、IOT设备和信息系统优势减轻现场监管工作压力，根据管理需求和成本平衡管控颗粒度。

在实施过程中过于聚焦对技术架构（TA）重构，忽略对企业业务架构（BA）的考量，是目前各类数据中台项目折戟沉沙的一个很大原因。企业多业务板块、分职能部门、项目部的矩阵管理模式，必然会出现重叠和真空地带。如何更好地“放管服”好各项目部，将管理、数据获取和日常生产结合起来需要我们更多的思考。

数据中台是企业数智化转型的抓手，但不是“万精油”。不同的企业在不同的阶段，建设路径和启动项目都不一样。如何让数据产生价值，需跨越四大鸿沟：业务鸿沟、场景鸿沟、质量鸿沟、规模鸿沟。做好信息化规划和选准数据中台项目着力点分步推进是较好的选择。

企业数字化转型之路，我们依然在路上。

参考文献：

[1]钟华. 企业IT架构转型之道：阿里巴巴中台战略思想与架构实战：机械工业出版社，2017.

[2]陈新宇 罗家鹰 邓通 江威 等著.中台战略：中台建设与数字商业：机械工业出版社，2019.

[3]付登坡 江敏 任寅姿 孙少忆 等著.数据中台：让数据用起来：机械工业出版社，2020.

[4]王玉娟.基于阿里云的商业银行数据中台建设实践：金融科技时代，2020.

[1]近10年，建筑业产值利润率（利润总额与总产值之比）一直在3.5%上下徘徊。

[2]数据管理能力成熟度评价模型（Data management Capability Maturity Model 简称DCMM）国家大数据重点标准之一，目标是提供一个全方位组织数据能力评估的模型。DCMM参照CMMI分为5个等级：Level1初始级、Level 2受管理级、Level 3稳健级、Level 4量化管理级、Level 5优化级。