Isso, naturalmente, é o que o torna grande. A construção e construção de big data já existe em todos os planos e registros de tudo que já foi construído.
Ele também está aumentando constantemente com informações adicionais de fontes tão diversas quanto trabalhadores no local, guindastes, movimentadores de terra, cadeias de suprimento de materiais e até mesmo edifícios.
O valor dos dados
Os sistemas de informações tradicionais são bons para registrar informações básicas sobre cronogramas de projetos, projetos de CAD, custos, faturas e detalhes de funcionários. No entanto, eles são limitados em sua capacidade de trabalhar com dados não estruturados, como texto livre, informações impressas ou leituras de sensores analógicos. Muitas vezes, eles só podem lidar com filas e colunas de números digitais ordenadas.
A ideia de aproveitar o big data é obter mais insights e tomar melhores decisões no gerenciamento da construção, não apenas acessando significativamente mais dados, mas analisando-os adequadamente para extrair conclusões práticas do projeto de construção. Na verdade, dados grandes, como caminhões de tijolos ou sacos de cimento, não são úteis por si só. É o que você faz com os programas de big data analytics que contam.
Descer para os negócios com Big Data
Para ver como o big data já está sendo usado pelo setor de construção, considere o ciclo de vida design-build-operate que define cada vez mais os projetos de construção hoje.
- Design: Big data, incluindo design de prédios e modelagem em si, dados ambientais, discussões com as partes interessadas e mídias sociais, podem ser usados para determinar não apenas o que construir, mas também onde construí-lo. A Brown University, em Rhode Island, EUA, utilizou a análise de big data para decidir onde construir sua nova instalação de engenharia para o benefício ideal de estudantes e universidades. O big data histórico pode ser analisado para identificar padrões e probabilidades de riscos de construção para direcionar novos projetos para o sucesso e longe das armadilhas.
- Build: Big data de tempo, tráfego e atividade de comunidade e negócios podem ser analisados para determinar a fase ideal das atividades de construção. A entrada de sensores de máquinas usadas em sites para mostrar o tempo ativo e ocioso pode ser processada para tirar conclusões sobre a melhor combinação de compra e leasing desses equipamentos e como usar o combustível com mais eficiência para reduzir os custos e o impacto ecológico. A localização geográfica do equipamento também permite melhorar a logística, disponibilizar peças sobressalentes quando necessário e evitar paralisações.
- Operar: Big data de sensores embutidos em edifícios, pontes e qualquer outra construção torna possível monitorar cada um em muitos níveis de desempenho. A conservação de energia em shoppings, escritórios e outros prédios pode ser rastreada para garantir a conformidade com os objetivos do projeto. Informações de estresse de tráfego e níveis de flexão em pontes podem ser registrados para detectar qualquer evento fora dos limites. Esses dados também podem ser retornados aos sistemas de modelagem de informações de construção (BIM) para agendar as atividades de manutenção conforme necessário.
Preferências do setor de construção para informações e insights
À medida que os dados se tornam cada vez maiores, a necessidade de reduzi-los aos elementos essenciais acionáveis também aumenta.
Uma pesquisa de empresas de construção pelo fornecedor de software Sage em 2014 descobriu que:
- 57% querem informações financeiras e de projeto consistentes e atualizadas.
- 48% querem ser avisados quando ocorrem situações específicas.
- 41% querem previsão, permitindo que se preparem melhor para os melhores e piores eventos de construção.
- 14% querem que a análise on-line veja, por exemplo, quais fatores estão afetando a lucratividade e quanto.
A análise de big data pode ativar ou oferecer oportunidades para melhorar cada um desses aspectos. A variedade de entradas em big data permite melhores níveis de certeza sobre relatórios e previsões de status. A análise pode fornecer indicações mais úteis dos níveis de risco antes que um limite seja excedido e um alerta seja gerado. Eles também oferecem insights que os sistemas tradicionais simplesmente não podem.