नैसर्गिकरित्या पुरेसे आहे, ती मोठी करते जे काही बांधले गेले होते त्या सर्व योजना आणि नोंदींमध्ये मोठे डेटा बनविणे आणि बांधणे आधीपासूनच अस्तित्वात आहे.
ऑन-साइट कामगार, क्रॅन्स, पृथ्वी मूव्हर्स, भौतिक पुरवठा साखळी आणि इथल्या इमारती यासारख्या विविध स्रोतांकडूनही अतिरिक्त इनपुटसह ते वाढतच आहे.
डेटाचे मूल्य
पारंपारिक माहिती प्रणाली प्रकल्प वेळापत्रक, सीएडी डिझाइन, खर्च, चलने आणि कर्मचारी तपशील बद्दल मूलभूत माहिती रेकॉर्डिंग चांगले आहेत. तथापि, ते विनामूल्य मजकूर, मुद्रित माहिती किंवा एनालॉग सेन्सर रीडिंग सारख्या असंरक्षित डेटासह कार्य करण्याच्या क्षमतेवर मर्यादित आहेत. सहसा, ते केवळ क्रमबद्ध डिजिटल पंक्ती आणि संख्येच्या स्तंभ हाताळू शकतात.
मोठ्या प्रमाणातील डेटाचा वापर करणे हे केवळ अधिक डेटा मिळवण्याद्वारेच अधिक अंतर्दृष्टी मिळवून आणि बांधकाम व्यवस्थापनामध्ये चांगले निर्णय घेण्याचे आहे परंतु व्यावहारिक इमारत प्रकल्प निष्कर्ष काढण्यासाठी योग्यतेने विश्लेषण करून खरं तर, जसे की बिल्ट किंवा सिमेंटच्या बॅगचे लोड असलेले मोठे डेटा, स्वतःहून उपयोगी नाही. मोठ्या डेटा ऍप्लिकेशन्स प्रोग्राम्सचा वापर करून आपण काय करता हे असे आहे
बिग डेटासह व्यवसायापर्यंत खाली जाणे
बांधकाम उद्योगाने आधीच किती मोठा डेटा वापरला जात आहे हे पाहण्यासाठी, डिझाइन-बिल्ड-ऑपरेट जीवनचक्राचा विचार करा जे बांधकाम प्रकल्प आज वाढत्या प्रमाणावर परिभाषित करते.
- डिझाईनः बिल्डिंग डिझाईन आणि स्वतः मॉडेलिंग, पर्यावरणविषयक डेटा, भागधारक इनपुट आणि सोशल मीडियावरील चर्चांसह बिग डेटाचा वापर केवळ कशासाठी बांधणे हे निर्धारित करण्यासाठी केले जाऊ शकते, परंतु हे कुठे बांधवावे? अमेरिकेतील र्हेदे बेटे येथील ब्राउन युनिव्हर्सिटीने, उत्तम विद्यार्थी आणि विद्यापीठाच्या फायद्यासाठी नवीन अभियांत्रिकी सुविधा कशी तयार करावी हे ठरवण्यासाठी मोठ्या डेटा विश्लेषणाचा उपयोग केला. ऐतिहासिकदृष्ट्या महत्त्वाच्या डेटाचे विश्लेषण करून नवीन प्रकल्पांना यशस्वीरीत्या दूर ठेवण्यासाठी आणि दूरध्वनीस आणण्यासाठी बांधकाम जोखमींच्या संभाव्यतेची आणि संभाव्यतांची तपासणी केली जाऊ शकते.
- बिल्ड: बांधकाम क्रियाकलापांच्या चांगल्या टप्प्याटप्प्याने निर्धारित करण्यासाठी हवामान, रहदारी आणि समुदाय आणि व्यवसाय क्रियाकलापांचे मोठे डेटा विश्लेषित केले जाऊ शकते. सक्रिय आणि रिकामा वेळेवर दर्शविण्यासाठी साइटवर वापरल्या जाणार्या यंत्रांमधील सेन्सर इनपुटवर अशा उपकरणे खरेदी आणि पट्टे देण्याच्या सर्वोत्तम मिश्रणाबद्दल निष्कर्ष काढणे आणि खर्च आणि पर्यावरणीय प्रभाव कमी करण्यासाठी सर्वात प्रभावीपणे इंधन कसे वापरावे यावर प्रक्रिया केली जाऊ शकते. उपकरणाचे जिओलोकेशनमुळे सुधारात्मकता सुधारावी लागते, गरज भासल्यास सुटे भाग उपलब्ध होते आणि टाळता येण्याजोगा सोय.
- चालवा: इमारती, पूल आणि इतर कोणत्याही बांधकामात बांधलेल्या सेन्सर्सचे मोठे डेटा प्रत्येक प्रदर्शनाच्या पातळीवर निरीक्षण करणे शक्य करते. डिझाईन गोलांची पूर्तता करणे हे सुनिश्चित करण्यासाठी मॉल्स, ऑफिस ब्लॉक्स् आणि इतर इमारतींमध्ये ऊर्जा संवर्धन केले जाऊ शकते. वाहतूक कोंडी माहिती आणि पूल मध्ये वाकणे पातळी रेकॉर्ड केले जाऊ शकते सीमा कार्यक्रम बाहेर कोणत्याही शोधण्यासाठी. हा डेटा बिलींग मटेरियल मॉडेलिंग (बीआयएम) सिस्टिममध्ये आवश्यकतेनुसार मेन्टनन्सच्या गरजेनुसार शेड्यूल करण्यात येतो.
माहिती आणि अंतर्दृष्टीसाठी बांधकाम उद्योग प्राधान्य
जसे डेटा अधिक मोठा आणि मोठा होतो, त्यास आवश्यक ते आवश्यकतेनुसार खाली उकळण्याची आवश्यकता खूप मोठी होते.
2014 मध्ये सॉवेंटर व्हेंडर सेजने बांधकाम कंपन्यांच्या एका सर्वेक्षणानुसार असे आढळले की:
- 57% सातत्यपूर्ण, अद्ययावत आर्थिक आणि प्रकल्प माहिती हवी आहे.
- विशिष्ट परिस्थितींमध्ये उद्भवते तेव्हा 48% लोकांना चेतावनी द्यावी असे वाटते.
- 41% भविष्यातील अंदाजानुसार, त्यांना सर्वोत्तम आणि सर्वात वाईट प्रकारच्या इमारत इव्हेंटसाठी तयार करण्याची परवानगी देते.
- 14% ऑनलाइन विश्लेषणासाठी अशीच अपेक्षा करतात उदाहरणार्थ कोणत्या कारणामुळे नफा वाढतो आणि किती प्रमाणात
बिग डेटा अॅनालिटिक्स या प्रत्येक पैलूंमध्ये सुधारणा करण्याच्या संधींना सक्षम किंवा ऑफर करु शकतात. मोठ्या डेटामधील विविधतेची माहिती स्थिती अहवाल आणि पूर्वानुमानांविषयी निश्चित पातळीच्या निश्चित पातळीस अनुमती देते. थ्रेशोल्ड ओलांडण्यापूर्वी आणि विश्लेषणाद्वारे जोखीम पातळीच्या अधिक उपयोगी संकेत मिळू शकतात. ते अंतर्दृष्टीदेखील देतात ज्यात पारंपारिक पद्धती केवळ नसतात.