案例酷 | 在数字世界建起摩天大楼:新中建,云上见!

简介: 编者按:建筑业几乎可以和农业相比,争夺数字化转型倒数的“桂冠”。而当古老的建筑行业遇上新兴的数字技术,新的故事已然在谱写。建筑行业的数字化不是单点问题,而是全局问题,所以必然需要从顶层至底层的方法论,同时也要找到小场景的切入口,切实解决生产中的疑难杂症。


导语

竣工于1931年的美国帝国大厦,一度是世界最高的摩天大楼,事随时移,最高建筑记录不断被刷新,但建筑业却依旧古井无波。


“美国帝国大厦做超高层的时候采用的钢结构、塔吊、电梯等,如今还是这些材料和技术,建筑施工行业近100年都没有诞生新材料、新工艺”,中建三局第一建设工程有限责任公司(以下简称:中建三局一公司)首席信息官万会龙如此感慨。


中建三局先后承建、参建了全国20个省市第一高楼和全国50余座300米以上高楼,已经发展成为年合同额逾6000亿元、营业收⼊约3000亿元的现代企业集团。


建筑行业是国民经济的支柱产业,相关数据显示,2020年建筑行业总产值超29万亿,从业人员逾5千万,建筑施工产值超3万亿,但是行业平均利率仅有3.15%。这是建筑行业共同面临的难题,也是中建三局尝试数字化的原因,而这一转型实践就落在中建三局一公司。


当古老的建筑行业遇上新兴的数字技术,新的故事已然在谱写。

01

被疫情蓄力的数字化

2020年初,突如其来的疫情打乱了社会运转的正常节奏,中建三局总部所在的武汉,处于风暴的正中央。中建三局一公司年合同额超1300亿元、营业收入近600亿元,在疫情爆发之前,中建三局一公司正在筹备新一轮的数字化转型。


“我们为什么要做数字化转型?”万会龙自问自答。


“确实有内因,建筑行业的发展红利开始降低,通过信息化手段实现提效降费,这是我们的需求;其次是外因,互联网、物联网、大数据、人工智能等新的技术在渗透到建筑业的每一个领域,帮助传统产业做产业数字化工作。”


中建三局一公司和阿里云的接触由来已久,建筑行业的非标准化让业内厂商寸步难行,彼时,“阿里巴巴内部是怎么做数字化转型的”,成为打动中建三局的决定因素。


更确切的说,是阿里云的中台战略。底层基于阿里云的云平台,中间是三个中台业务,数据中台、物联网平台,在云和中台之上,进而构建各种各样的业务应用。


阿里云智能中国区架构师李磊表示,“共性业务在集团层面统一管控,差异化业务各公司自行承建,统一标准的同时,又不能限制各公司的差异化发展。阿里云将整套数字化转型蓝图和方案和盘托出,得到了客户的认可”。


疫情汹涌,中建三局与阿里云的合作暂缓落地,不计代价地投入到抗疫之中,十余个昼夜拔地而起近11.4万平方米、病床2600张的“雷神山、火神山——两山医院”项目背后,是中建三局的施工建设团队。


疫情之后,双方都在思考:如果中建三局更早获得正确的数字技术加持,是否在疫情中会赢得更充足的腾挪空间?这正是中建三局和阿里云合作想要实现的目标之一。


疫情让中建三局本应推进的数字化方案被迫中断,却又让其更加认识到数字化的必要性,也更坚定了数字化转型的决心。2020年4月,武汉刚刚解封,城市亟待复苏,阿里云一行数十人团队奔赴武汉,与中建三局开始了紧锣密鼓的工作。

02

从Excel到中台方法论

“建筑施工企业没有一个项目是一模一样的,组织管理非常困难。建筑施工行业特性就是如此,业务模型非常复杂,充满不确定性,管理标准化的程度非常低。”万会龙一语道出建筑行业数字化的困难所在。


实际上,建筑业几乎可以和农业相比,争夺数字化转型倒数的“桂冠”。


以最基础的数据采集为例,施工工地的项目经理或者安全员,白天要跑好几个工地,检查项目的进度,晚上还要回到公司,将风险信息从Excel录入到项目管理系统,客观存在数据收集周期长,数据格式不统一等问题,大量相同数据需要重复填报到不同的系统,浪费时间和精力,降低了效率。


数据要素是数字化转型的前提,倘若基本的数据采集尚且如此,可想而知建筑业的数字化窘境。


在内部,阿里云首先帮助中建三局打通了从集团到公司、再到项目的系统,减少数据重复填报;在外部,阿里云实现了中建三局和上级住建部委系统的互联互通,让数据多跑路,员工少跑路,员工只需要在工地现场拍一张照片,数据就能自动流转在各级系统,实现数据在线化。


建筑行业的数字化不是单点问题,而是全局问题,所以必然需要从顶层至底层的方法论,同时也要找到小场景的切入口,切实解决生产中的疑难杂症。中建三局一公司果断地将所有的数据和应用全部放在阿里云上,将原来的软件进行重构,显示出绝对的魄力。


经过阿里云与中建三局的探讨,双方总结出云-网-端的应用架构。



1

应用归集到一个端。为管理层、员工等用户的各类场景提供统一应用服务端。实现一个千人千面的统一端,力出一“口”,使得数字化的能力能够更简单的在统一的端上按需使用。

2

能力集中到一朵云。将企业的数字化能力与各类资源沉淀到云上、各类智慧场景连接到云上,数智平台是面向各级组织和产业开放的能力中枢。

3

产业汇聚到一张网。将企业的核心数字化能力、资源整合能力、数据能力向产业输出,打造全新服务和产品生态,推动产业从劳动密集型向数据和技术密集型转变。


在这一整套云-网-端的体系架构中,起到关键作用的便是阿里云提供的数据中台、业务中台,以及中建三局项目中独有的物联网平台。


“每个工地采购都有自由采购权,所以每个工地使用的设备型号不尽相同,我们希望通过物联网平台提供一个统一的标准,让它能兼容各大厂商设备,进行统一的数据采集和管控。”李磊说道。


基于阿里云数据仓库架构,数据中台实现了中建三局主数据治理,从而支撑上层业务应用,实现数据的分析挖掘和可视化的呈现。此外,物联网平台采集的数据也可以经由数据中台统一标准。在业务中台层面,阿里云前期实现了用户中心与合同中心的落地,后期将逐步迭代。

03

观念转变:以服务为核心

“每一次变革肯定伴随着企业内部权力的转移,数字化、智能化说了这么多年,有很多企业走了一半没有成功,这不一定是钱的原因,也不一定是需求不明确,很多时候是偏知造成的偏见”,谈及数字化转型的经验与教训,万会龙表示。


企业在自然生长过程中形成的管理模式、管理制度,包括管理工具和治理能力,在遇到数字化转型需求之后都会发生迭代,这时最大的挑战就来自于企业决策者的观念。


对中建三局来说,数字化转型最大的观念变化,是公司由以产品为核心、以管控为核心,变成以服务为核心。也就是说,中建三局的数字化转型不仅是为了自身能力的内化,也可以做面向产业做外化能力的输出,这也是阿里云和中建三局的预期方向。


中建三局基于阿里云打造了全产业链协同的建筑大脑,由底层云计算平台、中台,再延伸至应用的数智建造平台,主要是为了实现五大方面的能力:数据采集、现场管控、管理驱动、决策支持以及知识共享,如上能力建立在以数据为基准的智能化平台上。


譬如智能化的数据服务,中建三局围绕业务、项目管理的痛点和难点,建立了公司级和项目级的决策支持,在管理出现异常的时候快速准确定位问题出处,通过算法+数据的决策来替代传统经验。

而当数据积累到一定规模,就能实现智能化的知识共享,结合企业的知识和历史数据,将企业的组织、材料、设备、工期等数据进行结构化,形成标准化的模块,让企业具备动态学习和积累的能力。同时,知识共享能够促进基层业务在数据采集过程的迭代,提升企业整体数字化治理和应用的能力。


数智建造平台通过技术赋予了施工进化的能力,创造了人员、工具、工艺等生产要素的变革,所有生产资料可视化,借助数字技术的重构,创新了行业的施工模式,也将构建贯穿整个全产业链的生态,实现生产力的解放和发展。


“我盖了16年的房子,没想到现在转行做IT,倒也是‘盖房子’”,中建三局的数字化转型,何尝不是在数字空间建起一座摩天大厦。万会龙表示,下一步中建三局将与阿里云联手,继续走进数字化转型的深水区。


来源 :《云栖战略参考》

编辑:阿里云研究院内容运营主管 赵子千

相关实践学习
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
移动开发 JavaScript 前端开发
画出属于你的最漂亮的数字时序图—WaveDrom
WaveDrom是一个免费开源的在线数字时序图渲染引擎。它可以使用JavaScript, HTML5和SVG来将时序图的WaveJSON描述转成SVG矢量图形,从而进行显示。WaveDrom可以嵌入到任何网页中。WaveDrom编辑器可在浏览器中运行,也可以安装在系统上,渲染引擎可以嵌入到任何网页中。
3608 0
画出属于你的最漂亮的数字时序图—WaveDrom
|
前端开发 物联网 API
ToolBench指标提升8.25%!魔搭社区让Qwen2 成为你的智能体好帮手
随着千问2.0的发布,魔搭社区在第一时间上线了千问2全系列模型。我们注意到,千问2模型在通用能力上已经非常强悍,然而有时候用户需要使用模型在自己的私有场景上搭建起智能体调用流程,这时就有可能遇到对于特定场景调用不良的情况,在这种情况下,用户对于千问2模型进行二次训练并提升智能体精度是非常有必要的。
|
NoSQL Java API
分布式系统---幂等性设计
分布式系统---幂等性设计
648 1
|
9月前
|
算法 数据可视化
脉冲激光仿真程序实现方案(含MATLAB代码与工具对比)
脉冲激光仿真程序实现方案(含MATLAB代码与工具对比)
349 4
|
存储 Ubuntu Linux
内存卡格式化必看!4个格式化工具与注意事项
今天就给大家推荐几款经过实测的内存卡格式化工具,它们不仅使用简单、支持多种格式,而且在修复损坏卡方面也表现稳定,是实用性与安全性兼具的好帮手。
|
算法 计算机视觉 Python
DSP技术在音频处理中的创新与实践
DSP技术在音频处理中的创新与实践
569 2
|
人工智能 自然语言处理 搜索推荐
WritingBench:阿里最新大模型写作能力多维测评工具,开源32B深度思考写作模型
近日,阿里研究团队联合中国人民大学和上海交通大学共同开源了WritingBench ——该评估基准覆盖6大领域、100个细分场景,共包含1239条评测数据,以期为生成式写作提供全面的评估。团队进一步发现,凭借思维链技术和动态评估体系的加持,基于Qwen开发的32B创作模型在创意型任务上表现接近顶尖模型R1,为高效能创作开辟了新路径。
2139 5
|
弹性计算 Java 应用服务中间件
复制已有的Tomcat作为新的Tomcat,只需修改三个配置文件,五步操作,保证能正常运行!
复制已有的Tomcat作为新的Tomcat,只需修改三个配置文件,五步操作,保证能正常运行!
|
分布式计算 Java 数据处理
Apache Spark优缺点大揭秘
【10月更文挑战第12天】
742 11
|
缓存 算法 Linux
Linux内核中的调度策略优化分析####
本文深入探讨了Linux操作系统内核中调度策略的工作原理,分析了不同调度算法(如CFS、实时调度)在多核处理器环境下的性能表现,并提出了针对高并发场景下调度策略的优化建议。通过对比测试数据,展示了调度策略调整对于系统响应时间及吞吐量的影响,为系统管理员和开发者提供了性能调优的参考方向。 ####