张老师说：大数据在建筑智能化上的发展方向

“大数据”早已成为当前的热门话题，并在一些行业上的应用初见成效，但相对于社会各个层面，大数据的挖掘和应用还只是冰山的一角，尤其是像建筑智能化等传统行业上风声大雨点小，远未跟上时代的步伐。近年来，笔者也对大数据做了一些浅显的调研，本文针对大数据在建筑智能化的发展方向与业内同仁做一个初步探讨。

建筑运维大数据

首先，对建筑智能化领域的大数据做个定义，即：建筑运维大数据，它应该涵盖建筑物全生命周期的相关数据，包括：设备设施运行工况数据、维修保养巡检数据、备品备件原材料数据、环境与能耗数据、管理者行为数据和租户服务数据等。

其次，对建筑运维大数据的特性做个归纳：1）绝大多数基本上都是结构化数据，非结构化和半结构化数据很少且不在本文讨论范围内；2）数据涉及多个专业细分领域，因此数据分析既有纵向专业深挖，又需横向多专业综合；3）“历史”数据分析指导“实时”应用才能产生效益；4）大量共性“建筑物”与少量差异“业态”；5）绝大多数建筑运维大数据为“私有”数据。

第三，对建筑运维大数据的来源做个梳理：1）机电设备集成系统；2）物业运营管理系统；3）对客服务管理系统；4）不同业态的业主管理系统。

目前现状与阻碍

数据没有留存：虽然我国智能建筑发展已经30余年了，但以往的智能建筑系统只重视实时监控而很少对历史数据的留存，其原因首先是对历史数据的价值没有认识，其次是以前的系统也没有为历史数据保存留下足够的空间。

数据采集不到：直到目前为止，由于市场需求导向，我国的智能建筑系统产品开发多数都是只从功能性上考虑，追求的是功能越多越好、亮点越多越好，而集体忽略了产品的易用性、实用性、可靠性和稳定性。致使产品既不能好用也不稳定，再加上后续服务不到位，造成很大部分智能建筑系统投入不久就瘫痪了，小部分应用也只作为远程控制与远程抄表，大部分数据都没有采集到。

数据准确性低：由于我国只重建设不重维护的认知缺陷，智能建筑系统基本上从建设维保期过后没有续约维保。造成大部分传感器和执行器在经过一段时间的使用后采样值严重漂移，有些甚至坏掉。使得即便能够采到的数据的准确度非常低，完全不能作为分析依据。

数据分析水平低：这由两方面原因造成，其一是国内大部分智 能建筑系统集成软件的重点都在实时监控上，而数据分析严重地说基本为空白，轻一点说只停留在粗线条的简单统计；其二，国内专业数据分析师奇缺，而大专院校、设计院等具有科研能力的单位，虽有一些针对性的数据分析数学模型，但大多数为空中楼阁，没有经过实践检验。

数据共享度低：前期是由网络通讯发展的限制；目前主要是人为原因，由于大数据的热潮使建筑物业无论是业主还是管理者都认识到数据是有价值的，因此都将数据看做是自己的私有财产，再加上对数据保密的片面认识，本单位数据宁可烂掉，也不愿共享出去。

数据标准不健全：对于建筑运维这类结构化大数据，标准化将极大地降低数据共享与分析的难度，但目前国内智能建筑数据标准化工作比较薄弱，随近年来不断出台了一些标准，但总体水平还比较低，部分标准只能做原则性指导，而没有量化指标。

数据应用效果不明显：综合上述六方面现状，严重阻碍了大数据实际应用落地。部分智能建筑系统集成产品供应商虽然顺应时代潮流，在其新产品设计研发中加入了数据分析元素，但大多是突出亮点的锦上添花之作，对解决实际问题作用不大。

我国智能建筑大数据发展方向

基于上面对我国智能建筑大数据应用现状的分析，笔者结合近几年的工作实践，粗浅地对我国智能建筑大数据应用发展方向提出以下建议，与内人士共同讨论。

提高对大数据的认知：要通过不断宣传提高用户和产品供货商两方面对大数据的认知程度。所谓认知指的是在认识的基础上还要了解什么是大数据，大数据的特性，目前有哪些建筑运维数据可以应用，以及应用方向和如何使用才能真正发挥作用。

改进产品研发方向：产品要在易用性、实用性、可靠性和稳定性上面多下功夫。在维持原有实时数据应用的基础上，更加注重历史数据的留存与分析，要能够给用户提供使用的改进与优化参考。产品要向PaaS化与SaaS化发展，在保证应用多样化的基础上，提高产品的标准化，以便于用最小的投入维护和发展产品，提高自身的经济效益。

建设与服务并在：一个建筑智能化系统在实际使用中是否最优化运行，是靠不断试错调试出来的；能否为用户持续带来利益，是靠后续新功能的不断开发与升级。因此，用户要彻底改变只重建设轻视服务的落后思维方式，充分认到后续服务对维持和提高系统可用性并能与时俱进的重要意义。

加快标准化建设：相关部门和企业要合作加快建筑运维数据标准的建设，笔者认为应先从采集（方式、信息、时效、类型、粒度等）、优化（清洗、筛选、过滤、格式等）、存储（结构、压缩、查询、时限等）、共享（编码、脱敏、加密、传输等）几方面入手。标准的制定不只是指导性的，而且必须具有约束性，必须是定量化支撑。只有分散在各自系统中的数据均符合标准，才能实现真正意义上的大数据挖掘与应用。

让数据分析走出象牙宝塔：目前相关大学、科研和设计机构，都在不断创新和完善自己的大数据分析模型，但这些模式大多只经过小数据检验，而且相当一部分小数据还是人工编制的。但这些机构视这些模型为私有财产，不愿或没有机会拿出来与大家共享，在实际应用中验证和调整，这使得一方面这些模型是否符合实际仍是个未知数，另一方面这些模型也是有保质期的，一旦过期如同废纸。因此，这些机构要与产品研发者和实际用户协同配合，共享验证，才能使这些模型不断得到完善并发挥作用，达到三方获益。

轻切人与小步快跑：大数据分析与应用切忌大而全和重切入，大而全必定研发复杂容出现易大量BUG而使系统缺乏可靠性和稳定性，同时掺杂大量伪需求，而且给用户造成难以学习和驾驭；而重切入需要比较高的使用环境、比较长的部署调试周期、厂商与用户都需投入比较大的人力资源与财务资源。因此，产品提供商或服务提供商一定要去伪存真，抓住用户当前的痛点，从小问题小投入入手，通过数据分析解决实际需求，才能受到用户的青睐，才能激发用户继续合作的意愿。因此，产品研发者一定要建立单点突破、小步快跑的研发理念与机制，这样才会脱颖而出，抢占制高点。

协同共享与分工合作：既然是大数据应用，就不止数据量大，而且涉及的专业深度与专业广度也大，这就必定只靠单打独斗不能够解决所有问题。因此，无论是产品和服务提供企业，建筑物业业主或管理者，还是教学科研设计单位都必须具有开放的心态，采用分工合作的方式，充分利用各自所长，构建有机灵动的产业链（数据分析技术与工具提供者、数据采集、分析与调控产品提供者、集成运营服务提供者、实施部署维护者、建筑物业管理者、机电设备及零部件供应者等），在提高我国建筑智能大数据应用水平的方向下取得共赢。

大数据应用领域

由于篇幅限制，以及笔者对大数据和智能建筑认知的局限，最后就目前建筑运维大数据应用领域做个粗略的畅想：智能建筑的发展必将伴随建筑运维大数据挖掘和深化应用，导向构建智能物业管理机器人。目前其基本应用领域包括：

自学习设备运行诊断：通过大数据的运行分析模型自行建立设备运行诊断机制和调节机制，以及运行策略效果对比。

自学习设备故障预防：通过大数据的故障分析模型自行建立设备故障预警机制和处置机制。

自学习能耗诊断：通过大数据能耗分析模型自行结合业务、环境、气候、客流、时间等因素诊断建筑能耗指标，建立能耗预警机制和节能指向。

自学习人员管理，通过大数据工作流分析模型自行创建和调整SLA工作定量化机制、员工KPI考核机制和激励机制。

优化运行模型：通过大数据验证模型自行验证运行模型的有效性和优化方向。

优化设计：通过大数据运行负载匹配分析模型为新建物业项目和既有物业项目改造设计提供优化设计参考，彻底靠别按教科书设计的时代。

结语

在建筑智能大数据应用上，无非是从对“人”、“能源”、“运行”、“资产”等四个维度入手，通过“设计”、“监控”、“调节”、“管理”和“服务”等五类手段，以保证物业建筑运营的“安全”、“舒适”、“健康”、“满意”等四个方面为前提，达到“降耗”、“高效”、“信誉”、“升值”、“创收”和“省钱”等六个目标。愿与业内人士在合作与共享的氛围内，共同为实现目标而努力。