设计师和建设者可以将商业智能与他们已有的数据结合使用

设计师和建设者可以将商业智能与他们已有的数据结合使用

棘手的建筑预算，大型项目团队以及需要广泛协调的独特设计都是越来越多的新软件工具和数据处理问题。

商业智能(BI) - 用于数据分析和报告的技术 - 一直是我们近期工作中的一个热门话题。我们咨询服务的几乎所有领域都使用一种形式的BI或另一种形式，而Nate之前的博客文章强调了其中的一些用途。组织正在寻求洞察他们擅长或不擅长的内容，以便改进他们自己的流程。

在AEC行业中，许多业务，设计和施工流程都是重叠的。设计和建造建筑物需要对多个运动部件进行强烈的编排，并增加复杂性。棘手的建筑预算，大型项目团队以及需要广泛协调的独特设计都是越来越多的新软件工具和数据处理问题。

商业智能工具和方法可用于解包和理解施工过程的移动部分 - 并利用您已经维护的数据。许多企业业务平台已经在商业智能工作中提供帮助 - 例如分析财务和有关人员配备和利用的详细信息(例如，对新员工做出明智的决策)。但是其他广泛采用的平台的能力越来越强，这些平台已经成熟，具有分析潜力。

我们发现，虽然我们合作的许多建筑公司和业主都有能力并在其组织内建立了企业级平台，但他们并没有利用这些数据来推动对其业务的影响。目前，这些平台经过调整以执行特定的功能任务，由于缺乏查询以及与组织中已有的其他数据源的集成，因此无法利用数据挖掘的机会。虽然这不是一项小任务，但让内部数据平台以提供见解和分析的方式相互交流对任何公司都非常有价值。通过将这些已建立的资源与其他不断增长的数据桶连接起来 - 人们可以开始做出以前经常难以发现的意外洞察(例如，“平均单个RFI'花费多少小时?')。

以下是在组织内更好地定位商业智能的五个想法：

1.使用“旅程”来帮助连接多个数据点和来源。

“旅程”是一个以流程为中心的问题，可用于指导如何连接多个数据源以回答它。一旦回答，这些旅程就成为建议组织变革的证据。通过定义关键的旅程数量，我们设定了数据探索的方法。这对于开始数据工作至关重要 - 没有它，您会发现有太多的地方可以启动，并且很难获得牵引力。

我们最近与设施所有者合作进行商业智能和数据可视化工作。他们有兴趣更好地了解他们的服务人员在整个校园的工作，特别是关于他们的建筑，设备和劳动力的最常见问题和趋势。他们向我们提供了大量的数据点，这些数据点围绕他们仅在过去一年中登录过的校园内的50,000多个服务请求。虽然这一开始肯定是压倒性的，但我们专注于通过定义旅程来制定明确的策略(例如，“哪一件设备受到大多数服务请求的影响?”)

通过定义关键数据点和关系，我们能够分割和管理我们为满足每个旅程而提供的大量数据点。业主现在能够根据他们的新见解，对需要最多服务时间的设备做出明智的决定。专注于手头的任务，您的数据连接和探索将自然扩展。

2.使用您拥有的数据源和平台。

您的组织可能已经建立了使业务流程更容易的平台。除了管理公司财务和时间表的软件外，您还可以跟踪另一个系统中的变更单和施工管理流程，以及三分之一的最近获奖项目的照片(我相信还有更多) 。

提升商业智能工作的下一步是重新定义您访问和分析已有数据的方式。虽然合并来自其他平台的业务数据可能不是您的任何一个系统的功能，但许多系统具有后门访问权限 - 通过API或直接数据库连接。通过利用这一点，您可以开始在更适合分析的环境中仔细查看可用的数据 - 例如Power BI，Tableau等数据可视化程序或D3js等开发库。

Minecart将Revit模型数据存储在关系数据库中，使其可用于在其他数据源中的可视化平台中进行分析。

在我们与上述校园的合作中，我们很快意识到他们现有的平台并非旨在以易于使用的方式提供分析。我们找到了连接到他们的系统的方法，在数据之间建立连接，并在平台本身之外的易于访问的仪表板中可视化关键数据点。在组合和分析来自熟悉平台的数据时，保持开放的思维并在框外思考(字面意思)。

3.找出数据中的差距和缺点

明确定义的旅程也可用于识别数据或集成中的差距。如果您无法回答您要提出的问题，那么确定您需要做什么才能获得缺失的信息变得非常重要。例如，我们一直与已安装传感器的所有者合作，以跟踪其物理空间的利用率。我们致力于在叠加在平面图图形上的热图中动态可视化这些数据。我们发现Revit模型中的输出传感器数据和房间命名不匹配。经验教训：在数据完整性方面，“维护”和“看门人”并不相同。

像这样的差距证明连接数据源可能很棘手。虽然修复很简单 - 重命名传感器数据平台中提供的数据以匹配Revit模型中的房间名称和数字，但在追求数据机会之前尚未确定差距。在这里，两个平台引用了类似的数据点(看门人的壁橱)，但是以不同的方式对它们进行了描述，一旦数据连接就会产生挑战。您目前拥有的数据完整性问题和差距可能是识别重要流程变更和未来数据机会的有用线索。

4.建立问责制以提高数据质量

当您开始建立流程以获得更强大的业务数据时，您可能会遇到来自输入或维护数据本身的个人的一些反馈。在这里，一个普遍的规则可能适用：没有人愿意投入努力，直到明确他们将如何受益。这是描述价值变得重要的地方。

我们很高兴与一家架构公司合作，该公司了解其架构项目组合中数据完整性的价值。他们的基准测试工作确定了关键类别和子类别如何适用于各种客户的项目空间。通过具有将Revit模型中的房间和区域数据定位到特定主题的清晰层次结构，该公司可以毫无困难地比较这些空间使用概念(我们帮助他们开发了数据可视化平台来实现这一目标)。

他们成功的关键在于他们在设计和文档流程中建立的问责制，这导致员工输入和验证所需的信息。这些成员了解他们通过确保信息是正确的价值。例如，有关其专业领域的新见解将为未来项目的设计提供不可逾越的价值，并提升其说服潜在客户设计智能的能力。通过关注它将为相关人员提供的价值来推动数据计划及其背后的努力。

5.提高数据素养，培养一种包含证据的文化。

数据素养是理解和操纵数据并成功解释数据以推动决策和结果的能力。为了使您的数据探索能够提供价值，必须由了解如何将数字转化为行动的个人使用。此外，“我们不总是这样做”的文化已经失败了。具有健康气质的成功组织将从证据中看到关键指标，并将其适当地整合到当前流程中。随着时间的推移，随着基于证据的迭代改进取得成功，信任将建立。

还记得我们的客户在校园内处理服务请求吗?他们正在努力将数据素养整合到他们的组织中，他们一步一步地采取这一步骤。首先，我们帮助培训关键人员如何访问他们的平台并可视化响应战略旅程的数据，以便他们有权继续自己的探索。凭借这些技能，随着时间的推移，他们会将从趋势中收集到的证据带到决策者，以制定和制定有关他们购买的设备以及他们如何管理劳动力的未来决策(作为两个简短的例子)。通过分析数据和审查快速见解，他们已经确定了一些需要改进的领域，并为包含支持变革的证据的文化奠定了基础。

Conduit是一个开源工具，提供抬头显示，可在对设计进行调整时实时更新。此工作流程支持证据作为设计决策的驱动因素。

继续推进商业智能

我们对那些专注于商业智能的项目感到很兴奋。在项目的设计和建设以及您的业务中做出基于证据的决策将使组织更好地完成其使命。在组织中进行明智更改的第一步是收集数据。

围绕商业智能数据使用的努力将引领行业开发数据素养的新技能。公司，所有者和承包商将指导研究和证据应用中的概念，作为改进业务和设计流程，维护技术创新和点燃流程演变的手段。

想想你上周关于你工作的问题或疑问：

- 组织中的哪些数据源(包括人员)包含您需要的信息?

- 数据源之间的连接和关系将使这个问题更容易回答?

- 当您有答案时，您打算根据现有数据和证据采取什么行动?

美国建筑师协会的史蒂夫桑达带来了对建筑业务的独特见解，并结合了开发IT解决方案和数据管理的专业知识。作为实施者，Steve在IT基础架构方面的经验和建筑实践知识加强了流程与产品之间的差距。他曾与世界上一些最大的零售商合作开发应用数据的解决方案，以改变业务流程并提高项目交付的效率。作为一名战略家，他帮助信誉良好的建筑公司重新调整他们在实践领域采用技术的重点。Steve致力于在工具，流程和人才方面了解行业内设计和技术的组件和工作流程。作为一种文化驱动力，他的整体方法包括健康，沟通以及将人才与角色联系起来。