1、“.....只有不断分析业务痛点梳理业务模型，开发具有工程智慧化能力的工程数据中台，形成可实时对时空数据进行挖和绿色施工的分析。环境下工程企业数字化转型与工程数据治理企业经营论文。所以，在建立工程数据标准体系时，必须组织业务人员和信息化人员协同参与，确保业务人员主导的数据标准能够与数据管理技术相协调，特别是针对模型数据标准，需要根据该数据的特殊性单独成类，可将其认为是种典型的工程主数据，融入原有数据管理体系。最终，工程企业通过制定套完整的可靠的可语义化的工程数据标准体系，避免数据管理出现各自为政互不理解的现象，夯实工程数据共享基础，提升工程数据的利用价值。建立以为核心的数据管理平台传统的数据管理平科技创新导报，涂扬举智慧企业关键理论问题的思考与研究企业管理，王金锋，张业星，陈健，陈建林水电全生命周期工程数据中心及其关键技术水力发电，张建平，余芳强......”。

2、“.....周海浪，王铮，吴天华，陈烨基于技术的工程项目数据管理信息化研究与应用建设监理，周鑫基于数据挖掘的工程项目全寿命期风险决策支持系统研究重庆重庆大学硕士学位论文，李智，黄如福，黄鹤基于数据挖掘的施工质量风险预测土木建筑工程信息技术，曾晖大数据挖掘在工程项目管理中的应用科技进步与对环境下工程企业数字化转型与工程数据治理企业经营论文数仍属于工程过程的附属产物，并未得到充分的挖掘利用。企业内部对工程数据分阶段分平台管理，未建立工程数据与企业业务数据内部关联性，很难把同工程不同阶段数据以模型为纽带集成起来。工程数据挖掘的常见应用集中在工程物联网数据分析，由此可认为工程数据价值挖掘体系尚在探索中，仍停留在单数据分析应用层次。在工程数据挖掘体系建设中，只有不断分析业务痛点梳理业务模型，开发具有工程智慧化能力的工程数据中台......”。

3、“.....才能最终用于提升企业的业务能力和工程建设管理能力，这也将填补国内工程数据价值挖掘的空程数据标准体系时，必须组织业务人员和信息化人员协同参与，确保业务人员主导的数据标准能够与数据管理技术相协调，特别是针对模型数据标准，需要根据该数据的特殊性单独成类，可将其认为是种典型的工程主数据，融入原有数据管理体系。最终，工程企业通过制定套完整的可靠的可语义化的工程数据标准体系，避免数据管理出现各自为政互不理解的现象，夯实工程数据共享基础，提升工程数据的利用价值。建立以为核心的数据管理平台传统的数据管理平台的数据管理范围并不能覆盖所有工程价值数据，特别是在处理模型工程空间工程编码等工程项目特数据治理工程数据管理体系前言随着互联网技术高速发展，以云计算大数据物联网人工智能为代表的新兴技术正推动企业管理发生巨大变革，工程企业逐步向精益化服务化智能化协同化发展......”。

4、“.....工程活数据作为工程企业的核心资产和提升企业竞争力的基石，如何更好地开发和利用这些工程活数据，成为当前工程企业的重中之重。工程数据治理现状企业工程数据治理现状目前，国内外企业数据治理研究相对成熟，企业数据治理框架已形成定的标准。然而，这些框架或标准主要针对结构化数据，等介绍了运用数据库知识发现，和数据挖掘的步骤，并运用方法对工程建设活动延误进行了认定。等提出了个数据挖掘预测模型，评估重型施工设备的剩余价值。等将已有的数据挖掘算法在调查所得的大量项目数据上进行应用，最终提出个基于数据挖掘的预测多属性项目表现的决策支持框架。等指出，大数据和预测分析正被用来解决世纪建筑设计和施工中复杂且难以定义的问题，数据驱动的设计和施工过程能够消除现有的很多问题。环境下工程企变革整个行业特别是数据当前能看但不能用的现状......”。

5、“.....从而引领整个及数据行业的变革。工程管理智慧化价值工程管理智慧化智能化是工程建设管理信息化的继承和发展，是互联网在工程行业的落地。通过工程数据治理驱动工程建设管理水平是当前工程建设管理者的必然选择，通过重构工程项目现有基础设施，建立全新的云网边端人机物融合的基础架构，集成工程智慧化运作管理体系，才能实现海量工程信息的智能分析和趋势预警，才能满足工程建设精细化管理提高工程决策管理水平加强风险管控能力的需要，智多义性工程数据具有典型的时效多义性，在不同时间不同领域里对数据信息的语义理解可能有所不同。比如，对于同业务场景的工程数据，不同参建单位不同部门会用不同的维度衡量对于同维度数据，在不同的时间点进行分析，分析方式和分析结果也会有差异。所以，在处理工程数据时，要尽可能的控制或缩短数据的收集清洗交换分析等环节的时间间隔......”。

6、“.....针对不同场景形成不同的数据管理方法或标准，保障工程数据的数据价值。工程数据治理价值工程企业发展转型价值麦肯锡报告指出，工程行业劳动生产效率提升缓慢，相比于全行业劳动数据治理规范国家标准的制定，明确了数据治理规范实施的方法和过程。对企业工程数据管理的研究，国内房地产企业和能源行业走在了前列。等介绍了运用数据库知识发现，和数据挖掘的步骤，并运用方法对工程建设活动延误进行了认定。等提出了个数据挖掘预测模型，评估重型施工设备的剩余价值。等将已有的数据挖掘算法在调查所得的大量项目数据上进行应用，最终提出个基于数据挖掘的预测多属性项目表现的决策支持框架。等指出，大数据和预信息化工程数字化发展的必然产物，是企业数据治理理念方法覆盖领域的进步延伸，根本目的是让数据驱动企业持续高效发展。关键词企业数字化工程数据治理工程数据管理体系前言随着互联网技术高速发展......”。

7、“.....工程企业逐步向精益化服务化智能化协同化发展，对产品和服务方面的生产能力创新能力精细化运营能力全球化战略管控能力的要求日益加大。工程活数据作为工程企业的核心资产和提升企业竞争力的基石，如何更好地开发和利用这些工程活数据，成为当前工程企业的重中之重。工程数据环境下工程企业数字化转型与工程数据治理企业经营论文化的工程建设管理最终也将形成流的企业智慧管理能力。环境下工程企业数字化转型与工程数据治理企业经营论文。李智等将数据挖掘技术与施工管理相结合，使用软件进行施工质量风险预测并对预测效果进行了分析。曾晖分析了大数据挖掘在工程项目管理中的应用大数据时代下工程项目管理的困境，并提出了个基于数据挖掘的工期进度控制模型。等提出了个基于遗传算法的方法，整合施工缺陷的概念层级......”。

8、“.....国外学者开展工程数据的价值挖掘相对更及数据行业变革价值企业管理相比于工程建设管理具有相对稳定性，工程项目作为项为创造独特的工程产品而进行的临时性工作，具有众多不确定性。正是这种不确定性导致了当前国家或行业出台的工程数据标准或行业标准面向的表述对象是工程设计或管理人员，不能直接应用于计算机，很难形成可实践可语义化表达的数据标准，多数工程数据和模型数据标准的落地需要人为参与。开展工程数据治理不仅可将所有的工程数据能够以标准的要求标准的工具标准的形式管理起来，还可以将数据与技术结合，通过标准程序化，实现对模型按标准管理下的工程数据治理，是工程企业数字化转型的必由之路。参考文献王璞房地产项目全生命周期主数据管理科技创新导报，涂扬举智慧企业关键理论问题的思考与研究企业管理，王金锋，张业星，陈健，陈建林水电全生命周期工程数据中心及其关键技术水力发电，张建平，余芳强......”。

9、“.....周海浪，王铮，吴天华，陈烨基于技术的工程项目数据管理信息化研究与应用建设监理，周鑫基于数据挖掘的工程项目全寿命期风险决策支持系统研究重庆重庆大学硕士学位论文，李智，黄如福，黄鹤基于数据挖产率，工程行业可认为处于负增长的状态。与此同时，大量工程企业提出企业数字化转型计划，将自身置于企业产业转型升级的关键节点，但实际情况是，工程建筑行业信息化投入水平在所有行业中排名倒数，仅高于农业和狩猎行业。所以，传统工程企业的数字化转型不在于新概念新模式，而是将工程管理关注的重点转变为更优质信息资源的获取，以及如何从信息资源中挖掘更大的价值。海量工程数据不仅仅是业务应用的副产品，而是驱动新业务催生新应用的核心动力。最终通过对工程数据的有效管理和使用，减少项目和企业经营决策或执行过程中的风险，为企业带来经济效益......”。