“造价通”服务建设行业转型 迈进大数据应用新时代

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

中国是一个“大步前进”的国家,在城市内的每个角落,无论楼宇的建筑工还是室内装潢的泥瓦工,你都能找到建设人的身影。作为我国国民经济的支柱产业,建筑行业的转型升级已经是不容回避的问题,信息化是企业提升竞争力、增进效益的助推器,是实现建筑业工业化和现代化的必由之路。

但建筑行业并非像互联网行业那样有着转型的“先天条件”,由于几百年沿袭下来的历史习惯,信息化建设意味着重构产业链条,再加上劳动密集型的特征,建筑行业的转型之路似乎从一开始就预示着蜿蜒曲折,不太好走。中建普联造价通网站作为致力于中国建设行业的大数据服务平台,直接与建立在平台上企业的数据库进行直接对接,助力企业转型。

建筑业信息化建设整体偏弱

广东中建普联科技有限公司是一家为建设行业提供大数据应用和电子商务服务的互联网公司。成立初期,由于建设行业信息化整体薄弱,从哪里入手成了内部思考很久的问题。最后把落脚点放在了工程造价领域,成立了工程造价信息服务行业首个在线服务平台——造价通。一方面由于包含成本、质量、安全三大方面在内的工程造价是建筑行业最核心的内容;另一方面,在建设项目中,无论是投资方,施工企业,设计单位,咨询企业又或是其它相关方,造价都是每一方关注的焦点,所以将造价的信息化做好,就可以延伸到其它业务领域,进而影响到行业内所有的企业。

建筑行业长期以来一直是国家经济发展迅猛的突出代表,数据表明:2014年建筑产业占到了GDP7.03%,增速8.9%,超过GDP整体增长的7.4%。但长久以来建筑行业在获取有效信息时只能将报纸、期刊等传统方式作为唯一手段,这种传统获取信息的方式效率低并且范围狭窄,个人能够掌握的有效信息十分有限,建筑行业信息化建设整体偏弱。

 建筑业信息化不只喊口号 造价通助力企业迈入大数据应用新时代

中建普联战略创新发展中心总监张涛

是什么原因造成了建筑业如此高速的增长速度但信息化进程却如此缓慢的局面,中建普联战略创新发展中心总监张涛认为主要有三个方面。首先宏观来看,建筑行业本身的涉及的面非常广,建设行业至今没有标准的定义,传统的建筑业只能作为建设行业的其中一个范畴。其次,建筑行业还尚属于传统劳动密集型行业,从业者信息化意识薄弱。再加上行业本身具有复杂性,信息化的建设需要重塑整个产业链以及企业间的合作模式,这就意味着现代建筑业几百年的历史习惯需要被打破,很多企业希望借鉴成功的经验才去尝试,因此信息化过程进行的十分缓慢。

开放的平台助力企业成功转型

随着大数据、云计算等现代技术的逐步落地,建筑业企业开始在个别项目的特定业务上尝试运用大数据来解决传统认识上的难题,行业的信息化不仅仅是喊喊口号就结束,需要企业以前瞻性的战略眼光看待并开展建设行业大数据应用新时代背景下的信息化建设。

张涛认为,工程造价领域的大数据和云计算虽然才起步,有了一些基础的应用,但就是基础的应用才是企业最需要关注的。企业大数据是需要累积的,如果侥幸认为在技术成熟后才开始进入,在大数据时代这种思想就几乎宣布了企业的“死刑”。

“如果网站是一个五星级的酒店,酒店里的房间就相当于提供的企业层面服务,企业可以把数据库建设这样一个平台上。”作为最早倡导建设行业大数据应用的企业之一,中建普联一直将大数据视为公司最顶层的战略发展方向,2014年推出了行业首个大数据应用服务平台——云造价,以此帮助中国建设企业迈进云计算和大数据应用新时代:

使企业用非常低的成本把企业自身核心的数据库建立起来;解决材价问题,由于价格每天都在变化并且缺乏真实性,从业人员往往很难把控。中建普联拥有丰富经验的材料工程师,确保材价的权威准确;帮助企业建立全新基于云计算思维和大数据模式的企业内部管理机制,改变企业思维,最终提升效率、服务质量,形成企业的核心竞争力。

大数据背景下建筑业未来信息化如何做

建筑行业的大数据需要顶层设计,这就需要政府的政策规划、行业的标准建设、企业的运用实践,以及像中建普联这样的行业代表企业去推动,去落地。从建筑企业的信息化规划角度来看,企业未来要做好三件事:

第一,  提升企业信息化意识,从内部激发全体人员强化对信息化的认识,思想先动起来。张涛告诉记者,他发现很多建筑企业都存在信息安全的误区:企业对数据的过分防护使得数据发挥不了价值。他认为企业要保护的是有价值的数据,让数据变得更有价值就应该“打开门”欢迎。

第二,  信息技术作为科学技术的一种,发展速度是飞快的,企业选好懂信息化的战略合作伙伴很重要。但同时企业并非亲力亲为,选择适合的专业信息技术团队,企业自身只需要做好信息化的管理工作。

第三,  企业要尽快建立基础数据库,这是企业信息化和实现大数据分析的前提。由于基础数据是需要累积的,张涛强调数据库的建立将直接影响到企业的收益。  

原文发布时间为:2015-7-14

 

本文作者:孙博

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网


相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
1月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
95 1
|
1月前
|
自然语言处理 大数据 应用服务中间件
大数据-172 Elasticsearch 索引操作 与 IK 分词器 自定义停用词 Nginx 服务
大数据-172 Elasticsearch 索引操作 与 IK 分词器 自定义停用词 Nginx 服务
63 5
|
1月前
|
存储 数据采集 监控
大数据技术:开启智能决策与创新服务的新纪元
【10月更文挑战第5天】大数据技术:开启智能决策与创新服务的新纪元
|
1月前
|
消息中间件 监控 Ubuntu
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
77 3
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
|
1月前
|
存储 分布式计算 druid
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
58 1
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
ly~
|
1月前
|
供应链 搜索推荐 安全
大数据模型的应用
大数据模型在多个领域均有广泛应用。在金融领域,它可用于风险评估与预测、智能营销及反欺诈检测,助力金融机构做出更加精准的决策;在医疗领域,大数据模型能够协助疾病诊断与预测、优化医疗资源管理和加速药物研发;在交通领域,该技术有助于交通流量预测、智能交通管理和物流管理,从而提升整体交通效率;电商领域则借助大数据模型实现商品推荐、库存管理和价格优化,增强用户体验与企业效益;此外,在能源和制造业中,大数据模型的应用范围涵盖从需求预测到设备故障预测等多个方面,全面推动了行业的智能化转型与升级。
ly~
103 2
|
1月前
|
存储 分布式计算 druid
大数据-155 Apache Druid 架构与原理详解 数据存储 索引服务 压缩机制
大数据-155 Apache Druid 架构与原理详解 数据存储 索引服务 压缩机制
54 3
ly~
|
1月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
304 2
|
1月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
8天前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
67 7
下一篇
无影云桌面