张翔：市政基础设施数据的运营实践

题记：2024年12月15日，“数据要素·时代新动能”2024年北大国发院数字论坛暨第四届数字中国联盟年会在承泽园举行。本次论坛由北大国家发展研究院主办，北大国发院数字中国联盟协办。本文根据北京市市政工程设计研究总院数智总监、大数据协同安全国家工程实验室副主任张翔的发言整理。

十二年前，我开始涉足数据工作，但主要局限于研究领域。一年半前，我加入了北京市政总院，这里汇集了北京市政领域的大部分数据，为我提供了宝贵的“练手”机会。一年半的时间里，我带领团队在数据应用方面取得了三方面的经济效益：

1.管理与运营优化：我们为企业的经营管理提供了可量化的成本节约方案，创造了经济效益。

2.主业赋能：北京市政总院是一家设计企业，针对其近年来主业下滑的问题，我们利用数据和数字化工具为主业赋能，带来了积极的经济效益。

3.新产业探索：设计行业竞争非常激烈，我们利用企业的存量资源和优势，成功开拓了三个新产业方向，取得了积极效果。

从原始数据治理到数据资产的转化逻辑

在我看来，企业虽然拥有丰富的存量数据，但数据本身并无价值，需与具体场景结合，才能发挥其效用。结合场景之后，在企业中，数据可助力盈利；在政府里，数据可助力决策效率提升；在研究机构，数据能助力认知深度增进。

因此，我们首先基于企业需求对原始数据进行筛选，筛选后运用特定工具治理数据，这些数据就会转变为数据资源，接下来，结合内外场景，我们将数据应用封装成产品，部分产品可作为资产入账，而另一些则可以在交易所上架交易。为此，我们的专业工程师团队也向着IT方向不断提升个人业务能力，比如桥梁道路工程师转型为数据工程师等。

在合作过程中，我们探索了多个应用方向，尝试将数据和主要金融场景结合，将金融属性融入产品和应用中。目前，我们与合作伙伴一起已协助全国二十余个城市的城投集团进行资产入表和质押贷款，同时涉足征信领域。近期，我们尝试使用评估后的资产进行对外投资。例如，我们与部分城市大数据局合作，清洗并封装其数据资产，以吸引北京众多IT从业者进行数据训练。各城市有丰富的场景，比如道路、地下管网及极端天气情况等，为数据训练提供了宝贵的数据材料。

整体而言，我们转化的主逻辑是从原始数据治理到数据资源、数据资产，再到数据资本。目前，我们的工作主要基于道路数据进行工作，同时开始涉足桥梁和轨道领域。我认为，数据探索工作若不能为企业带来正向经济价值，就没有意义。

数据治理是我们工作中的一个重要阶段。在梳理北京市政总院历年累计的数据时，我们发现数据治理难度极大，只有少部分数据可用于后续分析，其余部分因治理成本和治理难度过高而暂时搁置。

在此过程中，我们深刻认识到领域专家的重要性。在我们团队中，领域专家占比高达60%-70%。他们是我们在探索中创造商业价值的关键因素。在以前的研究中，我曾过分强调算法的重要性，但在实际生产中，对业务场景有深刻理解的专家才是真正不可或缺的。

在全面梳理建筑与市政领域数据的基础上，我们编撰了《建筑与市政领域数据资产应用实践白皮书》。该书是全国首本关于数据资产实践的白皮书。我们旨在通过此书，分享我们的经验，和实现路径，同时推出一系列相关标准。

虽然我们专注于市政和建筑领域，但工作涉及众多辅助数据，比如物联网数据和社会数据。我们利用爬虫在国内外广泛大量搜集这些辅助数据，因为仅凭一家企业的专业数据不足以解决问题。

数字资产如何助力企业发展？

1、管理与运营优化

以设计院为例，投标是占比较大的成本。每年单位需参与多个标的，准备标书的工作非常繁重。通过数据治理，我们整合了人员、案例和资质信息，虽然没有使用高深的算法，但仍显著提升了工作效率。在我看来，数据工作并非需要高深的知识，关键在于数据的收集、治理与梳理。此外，我们将工程师的经验进行泛化，形成易于调用的操作模块，设计师在设计新工程时，可直接在电脑上拖拽调用，极大的减少了工作量。对我们而言，节省人力即节省成本。

2、主业赋能

近期，我们中标了一个较大的项目。我们介入这个项目的时间相对较短，能在100多家投标者中脱颖而出并非易事。一般的投标主要靠设计方案去打动业主。我们这次不走寻常路，采用了一套创新的仿真系统，从未来运营效果出发，逆向推导并优化了规划、设计、建设和运营等各个环节。除了我们优秀的设计方案之外，我们的差异化策略——从运营倒推设计成为我们胜出的关键。这一案例充分展示了数字化对产业的差异化的赋能。

3、新产业探索

我们现在开始从存量业务向外拓展，探索与产业链上下游相关的工作。例如，现在除了设计，我们还帮助业主构建运维系统。这项新业务的产值在单个项目上会超出设计产值。

最近，我们成功中标了一个价值5000多万的纯IT系统项目，尽管金额不大，但意义重大。我们的工程师在设计方面经验丰富，而他们对专业系统的深刻理解使我们的专业知识得以二次利用。在竞标过程中，由于我们综合了专业机理和数据机理来解决问题，整体方案的效果好于传统的IT公司。目前，我们正与业主洽谈，希望为其提供一套专业的数据资产方案，实现专业知识的第三次利用。

我认为，专业工程师的存量经验远不止于设计绘图，在其他领域也有巨大潜力。对我们来说，培养人才的成本是一次性的，但他们的工作成果可以多次利用，这就是我们所说的“专业经验多次利用”。

难点与挑战

我们面临的难点之一是数据形态和格式不统一的问题，这影响了数据的交换、一致性、部门间沟通，以及数据的复用与分享。这些问题并非个案，在我接触过的多个单位中普遍存在。

在技术层面之外，成本问题是一大挑战。比如，为了说服企业负责人为某项目一次性投入大额资金，我们团队采取的策略是“小步快跑”，即先用简单工具快速实现收益，再将收益投入后续迭代，这对国企而言是一种有效的方式。

在国企环境中，避免出现安全问题至关重要，因此我们投入大量精力构建完善的保障机制。这涵盖了组织架构的优化、数据环境的规范、审计系统的设立、评估程序的改进，以及安全保障制度的加强。在实际操作前，我们会确保这些要素都得到落实，落实之后我们才开始着手做事。

针对前述几点问题及单位资源特点，我们总结出需克服的三方面困难：

1.建立统一语义体系：例如，在北京某重大项目中，涉及22个IT系统，因此需要一套统一的语义体系来确保沟通顺畅。

2.构建数据目录体系：我们单位的数据比较复杂，具有跨领域、多来源、多维度、多模态的特点，业务人员难以应对。因此，必须建立一套清晰可用的数据资源目录体系，以实现数据的高效、低成本识别。

3.搭建安全数据治理共享平台：数据安全与共享之间存在悖论。为实现数据的多轮次使用、降低成本，需扩大共享范围，但这可能对数据的安全性带来更多挑战。因此，我们需打造一套安全的数据共享平台，以平衡这两方面的需求。

在解决上述困难后，我们需要进一步构建以下两大体系：

1.标准规范体系：根据我的经验，这是项目启动初期就必须着手做的事，否则后期将面临高成本补课的风险。

2.安全保障体系：无论是国企还是私企，这都是必须重视和解决的问题。

几个典型案例

接下来我把“原始数据——数据资源——数据资产——数据资本”这一转化过程带入几个典型案例，理论结合实际地呈现给大家。

案例一：新首钢大桥

这座桥是一座超复杂钢梁桥，也是北京的地标之一。在桥梁的建设过程中，我们采用了全数字化的方法，取得了显著成效：

1. 节约了钢材。通过数控切割，两个主塔节省了约三千吨钢材。

2. 缩短了工期。整体工程大约提前了三个月完成。

3. 提高了装配精度。全数字化的信息传递方式使得装配更为精确。

上述三个成果均得到了业主的官方确认。

案例二：永定河大桥项目。

在这个项目中，我们实现了团队经验的统一与共享。相较于以往各自为战的模式，这种做法显著提升了效率。通过借鉴首钢项目的方案，我们在第二个桥梁项目中实现了4至6个月的工期缩短，并节约了上千吨钢材。

案例三：东莞洪梅大桥。

在这个项目中，我们进一步整合了前两个项目的经验，形成了更为成熟的3.0版方案。这一方案不仅提升了工期和装配进度，也会节约大量钢材。该项目的方案是建立在前两个项目的基础上，因此随着知识的复用，我们的边际成本逐渐降低，第三个项目中数据重复调用的边际成本几乎为零。

数据在我们的业务中发挥着至关重要的作用，它不仅能帮助我们增加收入，还能协助我们节约成本。具体来说，有三类数据在节省成本方面表现突出：首先是设计模型数据，其次是BIM族库数据，最后是解决方案数据。

这些数据可以呈现为三种形态：一是原始数据集，便于工程师直接使用；二是可查询的数据库，让工程师能够快速检索到所需信息；三是经过训练后的模型和算法，这些数据经过封装后，可以在交易所进行交易，我们对其拥有完全的自主知识产权。

总 结

作为一家国企，通过做上述工作，我们大概有三方面的体会。

首先，不必等数据完全齐备才开始工作，有多少数据就做多少事。

其次，专业工程师的角色至关重要，他们的重要性甚至超过了数据工作人员。

最后，做事应循序渐进，目标过高或想法过多都会增加难度。对国企而言，不妨先实现商业闭环这第一个目标，推进工作会更为顺利。

整理：文展春 | 编辑：王贤青 白尧