林玉静

建银工程咨询有限责任公司广东分公司

对一个基本建设工程新项目而言，花费估算是必不可少的关键流程，伴随着工程的进展执行，工程必须利用的详细信息也很大，工程造价必须开展更为细致的估算，且整个过程也会愈发繁杂。而在项目建设工程中，投资估算这一流程相对靠前，在对投资开展估算时，许多要素都没有办法开展详尽精确的明确，并且，在工程施工与实行时，难以避免的会发生一些影响要素，对工程造价造成不可预见的影响，这也让新项目投资无法实现精确的估算，因而，早期估算就会遭遇越来越多的可变性，估算过程也相对不光滑，但投资估算对工程花费的影响水平是特别大的。投资估算关键出现于前期工作，是新项目计费最重要的阶段，可以对工程的财力筹集与成本效益分析造成影响，对工程的基本工程规模，投资管理决策计划方案、投资执行进展、项目设计成效、投资经济作用等，都是有直接影响，更关联到基本建设工程是不是可以顺利开展。

传统式的估算方式具体有占比估算法、资金周转率法、综合指标值法、生产效率指数值法等，尽管这种方式也可以对投资开展大致估算，但有一些必须细分化工程量清单，有一些更偏向于经验估算，在当今标准下，早已没法完全符合基本建设工程项目在投资层面的估算要求了。而海外一些工程项目在估算过程中，广泛会应用历史数据分析法，在基础理论层面也是有许多投资估算的实体模型，但在操作环节中，这种理论模型并不好用。因而，本文采用多元化统计法对工程项目中的投资开展估算与剖析，以保证估算数据信息的精确与效率。

一、建设工程投资估算的相关理论

(一)建设工程估算的概念

在我国当今时代发展中，工程师习惯把建筑项目投资估算拆开来分析，主要拆分成固定资产和流动资产两个方面，其中固定资产投资估算要重要于流动资金估算，这两部分相辅相成进而达到满足建设项目设计需求以及规模的目的。在固定资产投资估算中，将其分为动态部分以及静态部分，其中，跟固定投资及其建设相关贷款利息的为动态投资部分，其他相关资金流入估算为静态数据投资部分。周转资金估算就是指建设建筑项目中选购原材料、装饰建材开支及其职工工资等常用资产估算，是伴随整个建设工程的长期流动负债。

(二)工程投资估算的主要内容

本文主要针对固定资产投资估算进行详细叙述，其主要内容包括从项目立项到竣工交付过程中所涉及的资金使用与划分。依据工程建设中资产估计种类的不一样，将其依照特性区划，对建筑工程费、机器设备及安全工器具购置费、建设工程其他费用（这时没有周转资金）、基本预备费、涨价预备费、经营期贷款利率、固投方位调节税等开展详细分析，拟定出最符合标准、造价最低的数据，进而对其进行可行性的简化计算，以最终数据结果作为指标，纳入工程投资建设中。

(三)工程投资估算的原则

在工程投资估算过程中，要遵循一些根本原则，以保障工程投资估算指标值编制方式的顺利进行。本段根据目前发展的实际情况以及经验借鉴，对其发展的根本原则进行总结。首先，要本着实事求是的心态谋求发展，从实际出发，对数据资料开展审批调研，保证数据的真实有效，不徇私舞弊。次之，要合理利用发展资源，将数据以及资金做到高效益利用，尽可能地满足工程投资估算中的需求。另外，在工程投资估算的工作中，投资估算都存在一定误差，但是要依靠资料研究、经验积累等形式保障工作效率，尽量做到快、准、稳，最大程度地降低误差值。最后，工程投资估算还应遵循时代发展的原则，融入互联网大数据环境下新科技发展的时期方式，从编制投资估算视角考虑，在材料搜集，信息存储，解决，应用及其编制方式挑选和编制全过程应逐步实现计算机化，网络化。

二、大数据技术应用过程

(一)数据生成

在现阶段大数据应用过程中，数据生产过程中的数据来源于主要包含：中国公司内部管理信息系统、web 信息管理系统、在线云和社交媒体网络信息。结合各种的数据来源，通过大数据平台来分析解决数据，通过大数据的计算分析，借助电导体结构化和算法，更好更快的解决数据，采用微软集团的word、excel 等办公软件，进行单位和部门的财务会计报表、相关合同范本统计和会议记录备案等，除此之外也有较难量化解决的介质结构化解决数据或半导体材料结构化解决数据，如单位的工程建筑施工工地的相关消防安全检查，通过影视资料进行记录，然后上传到网络上，做成mp4 格式网络视频，通过CAD绘制的dwg格式化的电子工程图纸等。

(二)数据采集

在大数据工程投资估算指标编制中，要有效率地解决上层获取数据的定向来源整合和再挖掘，需要从上层获取数据的来源数量以及来源这个角度进行考虑，现阶段基于大数据工程投资估算指标编制中，数据采集来源主要包括三方面，下面对其进行详细分析：首先，各类别公司的内部新项目数据库查询，在其中关键包括从项目可行管理决策科学研究整体规划环节、设计、工程施工管理环节等全部新项目建设工程的内部数据信息，方式各种各样，关键以电子文本、表格或影象标准图集的形式多样开展储存，这类内部数据信息现阶段较难立即获取，但内部数据库查询的精确性及运用市场价值较高；次之，是在市场信息环境中获取的关键数据来源信息，如在原料选购经销商管理办市场可即时获取每个公司所在单位的具体购置材料清单、机械融资业务有限责任公司市场可即时获取各不一样规格型号种类机械设备的长期租用应用状况、人才招聘市场可即时获取各事业单位招考用人优秀人才状况等。最终，互联网大数据局势下的互联网公布信息，如各大中型工程单位自己设计的具有特色的门户网站，制定相应的招标投标信息的投放，结合大数据分析系统，来帮助建筑公司对统计分析信息、项目案例以及政府相关职能部门通过专业的统计分析，借助国家安全系统在行业领域的开源统计数据库公布的和国家统计局在相关领域的统计年报等，这类统计数据根据一种开源式的互联网信息环境非常容易获取，但其统计数据量及信息实效性仍具备一定的技术性局限。

(三)数据存储

现阶段的数据存储主要分为两种：一种是大数据的集中式存储，另外一种是数据库的分布式数据存储，其中，对于集中式数据存储来说，因为是众多客户的数据集中储存，就相当于在一台云主机上，分门别类的记录了各种用户的信息，如同于一个广大的图书馆，里面有各种图书，这样的优势很明显，储存便捷，但是需要技术和人为因素进行主机的控制、日常的维护便捷，但是有一个问题就是需要很强大的数据处理系统。分布式数据存储根据特定的用户，为单一的用户服务，根据客户的特殊需求，将特殊客户的数据分门别类的储存单独的存储设备中，安全性较高，虽然单价较高，但对于客户的效益相对较高、数据库较小便于开展拓展，可以提供定制化的服务。

(四)数据利用

数据挖掘主要是利用程序的关键步骤，第一步是通过数据挖掘，运用相关逻辑进行剖析，第二步就是通过单位的落地式化精细化的数据信息运用。这时就特别必须数据信息融合，利用成本管理预测分析的要求总体目标，挑选适宜的成本分析预测优化算法来开展数据统计分析发掘；此外，将运用云计算技术用以生产物料资源管理时，对有关生产材料物资供应管理单位的物料出项及其进行工作中开展信息跟踪，剖析测算出生产物料资源应用管理状况，开展有关数据统计分析总计后及时反馈管理问题，对重要生产物料以及他影响管理要素开展做出综合分析，以利于作出最佳的生产物料提升管理数据优化解决，对相关的生产资料进行恰当的提升管理，确定技术性、可操作性，从而进行数据挖掘及其剖析设计方案的设计，从而优化算法。

三、基于数据挖掘的估算指标编制方法

投资估算指标的编制一般分为三个阶段开展。搜集整理资料环节。搜集整理已完工或已经建设的，合乎现行技术性现行政策和技术性发展前景、有可能反复选用的、有象征性的工程项目设计施工图、设计标准及其相对应的竣工结算或施工预算资料等，这种资料是编制工作的基础，资料搜集得越普遍，体现出的问题越多，编制工作考虑得越全方位，就越有助于提升施工预算指标值的应用性和涉及面。同时，对调研搜集到的资料要挑选占项目投资比较重要、互相关系多的工程项目开展整理，因为已完工或已经建设的工程项目的设计意图、建设时间和地址、资料的基础等不一样，彼此之间的差别非常大，必须去伪存真、去粗取精地进行整理，才可以反复运用。将整理后的数据信息资料按新项目区划频道进行分类，依照定编本年度的现行预算定额、花费规范和价钱，调节成定编本年度的成本水准及互相占比。均衡调节环节。因为调研整理的资料来源于不一样，尽管通过一定的剖析梳理，但难免会因为设计方案、建设标准和建设时间上的差别产生的一些影响，使数据信息失准或漏项等，务必对相关资料进行综合性均衡调节。测算审查环节测算是将新编的指标和选中工程项目的工程概预算，在同一价钱情况下开展较为，检测其量差的偏移水平是不是在容许偏差的范围内，如偏差过大，则要搜索缘故，开展调整，以确保指标的准确、好用。.测算同时也是对指标定编品质开展的一次系统查验，应由专业人员开展，以维持测算规格的统-，在此基础上机构相关专业技术人员给予全方位审查。因为投资估算指标的测算工作量十分大，在目前电子计算机早已普遍普及的情况下，应尽量运用高科技产品，如电子计算机，超级计算机等开展投资指标的估算工作。

(一)构建数据挖掘C4.5算法分类模型

1.C4.5算法简介

id3算法在市场上较为常用，这一概念是quinlan最先设想出来的，我们通过不断的优化，增加一些基础性的算法，就产生了idc4.5 算法。这一算法可以很好的应用在分类数据挖掘的全部环节中，首先可以起到数据筛分的基础作用，程序员通过构建一个数据模型或者一个函数，并将每个样本数据映射归类到其中一个数据类别，一般来说，经验成熟的程序员一般采用三步就可以完成整个算法的构建，第一步是准备几组随机数据集，通过算法进行分类，随机数据在算法的计算下划分归类，通过算法分析整合数据训练集。第二步就是完成技术训练开展阶段。在公司的评估项目中完成所有详细费用分类，借助算法进行模型的设计，通过整体的模型构建，统筹工程中所需要的人力资源管理和使用费用、建筑材料制造和运输费用、机械器械等的租借运输和使用费用，按照算法的不同分类，通过多角度全方位对建筑项目进行详细的统计和属性描述。在算法确定之后，进行最后的步骤，商品测试阶段。按照设定程序进行实际数据的分类和计算，利用每一个实际数据集合，检测算法的集中化的数据对每一个分类器数据的计算，从而开展整体的剖析认证，评定其对数据开展分类的综合准确度。

2.分类树的剪枝优化

我们进行了单独的分类树的建设，通过程序员对整体分类构造以后，需要更加细致的内部管理。分类树中有可能数据节点冗杂的问题，因为分支过于茂盛，通过一只主枝会衍化出很多细致庞杂的编制规则，会给相关的工作人员和审计人员带来分类编制上的困难。为此，主管人员应当在规划构建分类分支树之前，就应该在整体上考虑整个分支结构复杂程度，做好相应规划，制定合理的规则从而优化分类树。

(二)估算指标的调整

估算指标影响着公司工程投资的全过程，而对于数据挖掘分类算法的合理应用，通过恰当的工程数据，可以很好的进行相关工程分析，通过数据的整理，汇集成完工工程实例。在公司进行工程规划和投资的过程中，往往会受到价格、市场等不确定的因素影响。在一定程度上影响最后数据结果的准确性。因此就要对估算指标进行调整，考虑各种因素的影响。经过数据以及实际测算分析，最大的就是时间问题，对估算指标影响较大，为此要计算好比率，并对估算指标进行优化调节。

四、结论

大数据的工程投资估算指标编制在当今时代有着非常重要的作用。本文对大数据技术在估算指标编制中的应用现状进行分析，提出针对性的探索方向，进而对改革提出具体分析。在大数据背景下，工程投资估算指标要对整个工程投资估算项目进行具体分析，对数据进行审核保障其准确性。但由于目前资源获取及比对较困难，因此存在一定的局限性。所以，对估算指标进行调整，探索更多数据途径将是下一步研究的方向。