认知重塑——AI在工程企业的应用全景与数据思维奠基
一、AI在建设工程中的应用全景：从酷炫概念到工地实战
- 破冰互动：你身边的低效痛点投票
- 工程建设领域AI工具全景分类
- 五个规模应用的工程场景详解
- 工程设计辅助
- 招投标版本处理
- 施工日志与质量安全巡检
- 进度管理与成本预测
- 合同与合规审查
- 引发兴趣的黑科技前瞻
二、工程数据思维与数据管理基础：让数字说话的前提
- 工程数据的特殊性：非结构化、多源异构、时效性强
- 三类核心数据：结构化数据、半结构化数据、非结构化数据
- 多数企业陷入数据很多但无法使用的困境根源
- 数据管理的三要三不要原则
- 要统一命名规范
- 要建立数据字典
- 要定期清洗
- 不要混用单位与坐标系
- 不要依赖截图传输数据
- 不要忽视时间戳与责任人
三、工程大数据分析与可视化：让管理层看得懂、敢决策
- 适合工程人员的三类分析模型及工具实现
- 趋势分析
- 对比分析
- 构成分析
- 可视化原则：工程人常见的坏图表与好图表
- 坏图表案例
- 好图表案例
- 实战：5分钟用Excel制作交互式项目仪表板
- 分步讲解，学员跟随操作，完成一个简单的成本-进度-质量三要素看板
四、数据安全与合规：工具使用的红线与边界
- 工程数据的敏感等级划分与保护要求
- 三类数据：公开数据、内部数据、敏感数据
- 不同等级数据的存储、传输、销毁规范
- 使用第三方AI工具时的五大风险场景及应对
- 风险1：将涉密图纸上传至公开大模型。应对措施
- 风险2：自动化脚本中的硬编码密码。应对措施
- 风险3：跨系统数据流转时的权限失控。应对措施
- 风险4：可视化报表导出分享时的元数据泄露。应对措施
- 风险5：AI生成内容的虚假信息风险。应对措施
- 工程企业数据合规的制度落地建议
五、高阶应用展望：AI预测与智能决策
- 预测性维护：从坏了再修到提前更换
- 智能排期与资源调度：应对频繁变更
- 技术原理：强化学习模拟不同优先级下的资源分配
- 当前低门槛尝试：使用Excel规划求解插件进行小规模工序优化
- 基于大语言模型的决策助手：自然语言查询数据
- 演练：去年所有超过预算5%的项目中，导致超支的主要分部分项工程是哪些？企业准备动作：建立统一的数据口径和语义标签
