Rakennusala ui arvokkaassa datassa, mutta ei osaa hyödyntää sitä kunnolla

Rakennusala on yksi vähiten teknologiaa ja dataa hyödyntävistä toimialoista, vaikka dataa esimerkiksi valmistuneiden projektien osalta onkin hyvin saatavilla. Tilausta datan paremmalle hyödyntämiselle olisi alalla, jonka kannattavuus on suhteellisen matala ja jolla suurten, korkean profiilin hankkeiden vaikeuksista valmistua ajallaan ja ilman budjettiylityksiä uutisoidaan jatkuvasti.

Data-analytiikalla voitaisiin saavuttaa merkittäviä parannuksia kannattavuuteen monimutkaisessa projektiliiketoiminnassa. Hedelmälliseksi aiheen tekee se, että rakennusyhtiöillä on usein hyvin paljon dataa kerättynä jo valmistuneista projekteista. Hyödyllisen datan olemassaolon tiedostaminen ja sen tunnistaminen on kuitenkin vain puoli taistelua, koska monesti tämä data on hajallaan useissa eri järjestelmissä. Jotta dataa olisi mahdollista tehokkaasti hallita ja hyödyntää, se on kerättävä yhtenäiseen järjestelmään, josta se on kerättävissä ja analysoitavissa.

Toisena ongelmana data-analytiikan laajamittaisessa implementoinnissa on usein ajan puute, kun johto tyytyy kehitystehtävien kustannuksella keskittymään olemassa olevien rakennusprojektien eteenpäin viemiseen ja uusien projektien hankintaan.

Data-analytiikka käytännössä ja sen hyödyt rakennusalalla

Data-analytiikan käyttöönotolla voi olla välitön vaikutus projektien kannattavuuteen tarkempien kustannusarvioiden laatimisen, resurssien oikean allokoinnin ja onnistuneen riskienhallinnan myötä. Kyse on käytännössä siitä, että algoritmeilla prosessoidaan suuria määriä dataa, josta etsitään toistuvia malleja ja trendejä. Tunnistettujen trendien avulla voidaan sen jälkeen tuottaa nopeampia ja perusteltuja päätöksiä, jotka säästävät aikaa ja rahaa.

D&A:n avulla voidaan saada mm. seuraaviin kysymyksiin vastauksia:
– Onko joitakin kustannusarvion osa-alueita tai kustannuseriä arvioitu systemaattisesti väärin tarjouslaskelmavaiheessa verrattuna toteutuneisiin kustannuksiin?
– Mitkä alihankkijat suoriutuvat historiallisesti hyvin ja mitkä huonosti?
– Miten tehokkaasti työmaakalusto on käytössä?
– Millaisissa olosuhteissa työtapaturmat yleensä tapahtuvat?
– Millä projektin ominaisuuksilla on suurin vaikutus projektin kannattavuuteen?

Miten lähteä liikkeelle?

Aluksi on ymmärrettävä organisaation ja liiketoiminnan tarpeet sekä organisaation tämänhetkiset ongelmat. Tämän jälkeen tulee kartoittaa millaista dataa organisaatiolla jo on ja miten se voisi auttaa tunnistettujen ongelmien ratkaisussa. Kun relevantti ja hyödyllinen data on identifioitu, on pohdittava miten data saataisiin valmisteltua tehokasta analysointia varten. Samalla on päätettävä, mitä kyseisellä datalla on tarkoitus saavuttaa. Lopuksi tulee määritellä metodologia, jolla analyyseja käytännössä suoritetaan.

KPMG auttaa organisaatioita hyödyntämään dataansa tarjoamalla muun muassa mallinnus- ja analyysipalveluja, datan ja analytiikan arviointipalveluja sekä analytiikan kyvykkyyden kehityspalveluja. Vaikka aloittaisit vasta nyt, niin olisit silti toimialan eturintamassa data-analytiikan hyödyntämisessä!