一、工程的复杂性呼唤新的思维范式

传统自然科学，以及基于自然科学原理的——技术与工程的应用，是他们的思维范式或还原论。

还原论，或称还原论，是一种哲学思想，认为复杂的系统、事物和现象可以分解为若干部分的组合来理解和描述。还原论是经典科学方法的核心，它把高层次、复杂的对象分解成低层次、简单的对象来处理；世界的本质在于简单。

在还原论的分析下，世界图景呈现出前所未有的简单性。早在19世纪，德国物理学家亥姆霍兹。冯曾认为“一旦所有的自然现象都是华颂的简单力，并且证明自然现象只能以这种方式简化，那么科学任务就完成了。”

还原论注重事物的因果关系，由于某种原因，经过某种过程，产生某种结果。

世界的复杂性在于，还原论无法解释所有现象。就科学而言，还原论不足以很好地解释量子力学。浩瀚的世界错综复杂，未知的领域还很多，找不到或暂时找不到因果关系。于是，“系统工程”、“混沌”、“复杂非线性结构”等术语就来找我。

工程，尤其是现代工程，涉及领域广泛，投资巨大，影响深远。从管理学的角度来看，它越来越呈现出复杂性特征，不能再完全采用还原论的思维范式。

工程作为科学技术发展的主要载体和实际体现，不断改变着人们的生产生活方式，不断推动着社会形态和结构的演变。之所以突出工程的重要性，在于工程的建设必然会聚集社会的大量投资，这显然会在很多方面拉动社会的供需。项目的实现必将产生巨大的社会、经济、环境和文化效益和影响。人类社会的许多工程实践雄辩地证明了这一点。在现代社会，工程遍布各个角落，涉及各个领域，正在或将要对社会产生全方位的影响。事实上，人类正在通过工程实践改造世界。

由于工程的巨大影响，现代工程管理开始更加重视工程的社会维度。工程从传统工程开始，渗透到社会领域，工程管理不仅关注“技术”，也关注社会、民生、环境和未来。

现代工程和现代工程建设面临的问题已经远远超出了“技术”和“工程”本身的范畴。

近年来，项目管理理念最显著的变化在于以下三个方面：

(1)可持续发展：应建设生命周期成本更低、节约资源、有利于环境保护的建筑。用新的、环境友好的清洁技术和更有效的管理来取代或创新传统的生产方法。

（2）以人为本：从产品角度而言，注重为使用者提供更舒适、更健康、更安全、更绿色生产和生活的场所；从管理角度而言，人越来越成为工程管理中的基本要素。

（3）新的价值观：将安全、健康、公平和廉洁的理念运用到建设工程项目的管理实践中。

工程师、工程技术人员，作为工程项目的建设者、主导者，也面临新的挑战。

在思维范式上，不能局限与还原论，而应该敞开怀抱，吸纳社会科学以及其他学科的最新成果，拥抱新的思维范式，更好的服务与工程建设。

二、基于大数据的新思维——拥抱相关性

我曾说过：凡现在不能用还原论方法处理的, 或不宜用还原论方法处理的问题, 而要用或宜用新的科学方法处理的问题, 都是非线性。话虽偏激，但至少方向不错。

信息化技术飞速发展的今天，基于数据挖掘的大数据技术，是一个解决这一类复杂非线性问题的很好的方法。

维克托·尔耶·舍恩伯格在《大数据时代：生活、工作与思维的大变革》中前瞻性地指出：大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型。大数据时代最大的转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。这颠覆了千百年来人类的思维惯例，对人类的认知和与世界交流的方式提出了全新的挑战。

基于传统的工程学观点，影响工程造价的因素多且复杂，同时存在可量化及不可量化的因素，互相影响、互为制约。

然而，现实中，基于既有历史数据而作造价数据分析不是没有，但结果过于宽泛而粗糙。这些数据无非是估算指标、概算指标或造价指标之类的静态而滞后的数据。诸如每平米造价多少钱？或各类主要材料的消耗指标等，数据的粒度只能精确到分部分项工程，充其量做到清单项目，远远不到构件级别。在长期的工程实践中总结的一些构件造价的经验数据，其适用范围有限且不够精确，比如：梁的经济跨度5~8m，是框架梁还是单梁？是预制梁还是现浇梁？界定不明确，条件模糊，不足以据之做出相对准确的预测。

设想如下场景：项目开发人员在既定的条件下如何快速的确定开发方案？开发方案确定之后，建筑师又如何在有限的时间内选定建筑方案？结构工程师在既定的建筑方案下，如何比较有梁板和无梁板的优劣？须知这些工作都是前后关联而且决定了项目的造价和项目品质，品质又决定了产品售价，进而最终影响项目收益。

基于传统的历史数据进行分析得出的各类指标的效用有限，不足以支持快速开发，也不支持设计方案深度优选。业务层面亟需新的技术方法和工具。

回到起点，回顾一下大学生就学过的建筑三要素：建筑功能、建筑技术、建筑形式。

都知道建筑功能是决定性要素。什么叫建筑功能？人们在建造房屋时总是为了满足具体的目的和使用要求，这在建筑上称做功能。由于各类建筑的用途不尽相同，因此便产生了不同的建筑。建筑功能往往会对建筑的结构材料、平面空间构成、空间尺度、建筑形象产生直接影响。各类建筑的建筑功能随着社会的发展和物质文化水平的提高也会有不同的要求。

所以，很容易就得出一个逻辑上的因果关系：建筑功能决定工程造价。

举一结构专业简例：建筑功能决定空间（大小、形状），空间决定柱网，柱网决定梁跨，梁跨决定板厚；建筑功能还决定了楼面荷载大小，以及抗震等级等。最终，表现为不同的结构方案，不同的造价。在理性假定且设计水平相当的情况下，同一功能决定了同一造价水平。

基于此，能否基于大数据思维，借助于数据挖掘等大数据处理方法，基于历史数据找出建筑功能、柱网空间、抗震设防等级、建筑场地土类型、建筑区位、建筑等级、构件跨度、结构类型、基础选型等之间的相关性？对此，我持乐观态度。

但仅仅找出相关性还不是终点。

基于数据挖掘模型的测量实际上是一个黑洞模型。我们做了测量，但是我们缺乏对背后测量机制的了解，不知道测量的这些指标是如何形成的（中国社会科学院社会发展战略研究院副研究员陈华珊）。我们知道相互关联，但还不知道决定性原因是什么。

还需要在足够数据的支撑下，开展相关的研究。大量的大数据分析可以得出不同因素之间的相关性，足够的相关性就可以生产出新的因果知识，在未来可能推动工程学理论范式的转变。还可以验证现有因果联系，进而提升为工程学或管理学理论。

三、工程造价大数据挖掘的方法选择

数据挖掘的算法主要包括神经网络法、决策树法、遗传算法、粗糙集法、模糊集法、关联规则法等。而最为实用的在于其中的三种。

1、粗糙集法

粗糙集法也称粗糙集理论，是由波兰数学家Z Pawlak在20世纪80年代初提出的，是一种新的处理含糊、不精确、不完备问题的数学工具，可以处理数据约简、数据相关性发现、数据意义的评估等问题。其优点是算法简单，在其处理过程中可以不需要关于数据的先验知识，可以自动找出问题的内在规律；缺点是难以直接处理连续的属性，须先进行属性的离散化。因此，连续属性的离散化问题是制约粗糙集理论实用化的难点。粗糙集理论主要应用于近似推理、数字逻辑分析和化简、建立预测模型等问题。

决定工程造价的各类影响因素恰恰具有离散不连续的特点，粗糙集理论缺点恰恰是处理工程类数据的最好方法。