Издаётся с сентября 1923 года
DOI: 10.33622/0869-7019
Russian Science Citation Index (RSCI) на платформе Web of Science


  • ИНФОРМАЦИОННЫЕ СИСТЕМЫ В СТРОИТЕЛЬСТВЕ
  • Технология Big Data для повышения надежности решений при выборе подрядной организации
  • УДК 004.62:004.85 DOI: 10.33622/0869-7019.2019.10.65-70
    Николай Александрович ИВАНОВ, кандидат технических наук, доцент, e-mail: IvanovNA@mgsu.ru
    ФГБОУ ВО «Национальный исследовательский Московский государственный строительный университет» (НИУ МГСУ), 129337 Москва, Ярославское ш., 26
    Марина Леонидовна ВАЛПЕТЕРС, бизнес-аналитик, e-mail: mvalpeters@gmail.com
    OOO «САС Институт», 109004 Москва, ул. Станиславского, 21, стр. 1
    Иван Александрович КИРЕЕВ, старший системный аналитик, e-mail: ivkireev@yandex.ru
    АО «Райффайзенбанк», 129090 Москва, ул. Троицкая, 17, стр. 1
    Аннотация. В текущей рыночной ситуации при высоком уровне конкуренции компании все чаще обращаются к аналитике больших данных. Это позволяет повысить рейтинг организации, привлечь новых клиентов, прогнозировать спрос на продукцию, снизить риски от неправильных решений. В сфере строительства всегда актуальна возможность оценить вероятность выполнения контракта в срок на момент его заключения. Чем выше такая вероятность, тем привлекательнее подрядчик и ниже риски заказчика. Развивая тему применимости методов машинного обучения к задаче определения вероятности успешного завершения контракта, авторы экспериментируют с набором анализируемых показателей, оценивая влияние каждого из них на возможности срыва контракта. В статье подробно рассмотрены этапы подготовки данных для моделирования, непосредственно моделирования и анализа полученных результатов. Выполнена проверка адекватности моделей на фактических данных, а также заданы метрики, по которым можно в дальнейшем настраивать и дорабатывать модели применительно к нуждам конкретной организации. Разработанные авторами прогностические модели с предсказательной силой, основанные на хорошо зарекомендовавших себя алгоритмах машинного обучения, могут найти широкое применение на этапе выбора заказчиком подрядной организации.
    Ключевые слова: большие данные, машинное обучение, управление рисками, контракт, строительство, random forest, логистическая регрессия, Python, анализ данных.
  • ЛИТЕРАТУРА
    1. Hilbert M. Big Data for development: a review of promises and challenges [Большие данные для развития: обзор обещаний и проблем] // Development Police Review. 2016. № 34(1). Рр. 135-174. DOI: 10.1111/dpr.12142.
    2. Коников А. И. Исследование ряда аспектов использования технологии Big Data в строительстве // Бюллетень строительной техники. 2019. № 2. С. 28-29.
    3. Гневанов М. В., Иванов Н. А. Технологии "больших данных" (Big Data) и их применение в градостроительном планировании // Промышленное и гражданское строительство. 2018. № 4. С. 83-87.
    4. Konikov A., Konikov G. Big Data is a powerful tool for environmental improvements in the construction business [Big Data - мощный инструмент для улучшения окружающей среды в строительном бизнесе] // IOP Conference Series: Earth and Environmental Science. 2017. Vol. 90. Pp. 012184. DOI: 10.1088/1755-1315/90/1/012184.
    5. Valpeters M., Kireev I., Ivanov N. Application of machine learning methods in big data analytics at management of contracts in the construction industry [Применение методов машинного обучения в аналитике больших данных при управлении контрактами в строительной отрасли] // MATEC Web of Conferences. 2018. № 170. Art. no. 01106. DOI:10.1051/matecconf/201817001106.
    6. Иванов Н. А., Валпетерс М. Л., Киреев И. А. "Большие данные" и машинное обучение при управлении рисками невыполнения обязательств по контрактам в строительной отрасли // Промышленное и гражданское строительство. 2019. № 5. С. 81-87. DOI: 10.33622/0869-7019.2019.05.81-87.
    7. Вахрина А. Ю., Фохт О. А. Информационные технологии - медицине. Ценообразование // Врач и информационные технологии. 2016. № 3. С. 6-18.
    8. URL: http://zakupki.gov.ru. (дата обращения: 28.01.2019).
    9. URL: https://ru.wikipedia.org/wiki/Открытые_данные. (дата обращения 28.01.2019).
    10. Староверов В. В. Открытые данные // International Journal of Open Information Technologies. 2016. № 4(10). С. 62-68.
    11. Маккинни У. Python и анализ данных. М. : ДМК Пресс, 2015. 482 с.
    12. URL: http://statistica.ru/theory/lognormalnoe-raspredelenie/ (дата обращения 28.01.2019).
    13. URL: https://habr.com/ru/company/ods/blog/3264 18/ (дата обращения: 03.02.2019).
  • Для цитирования: Иванов Н. А., Валпетерс М. Л., Киреев И. А. Технология Big Data для повышения надежности решений при выборе подрядной организации // Промышленное и гражданское строительство. 2019. № 10. С. 65-70. DOI: 10.33622/0869-7019.2019.10.65-70.

НАЗАД