马库斯·格林纳德罗*
使用数据进行决策, 机器学习和人工智能以比我们想象的更加强烈的方式存在于我们的日常生活中. 它不再是关于科幻主题或有远见的文章的内容. 哦 Netflix, 例如, 使用数据和学习算法根据用户的个人资料推荐内容. 技术提供的这种自信增加了忠诚度和, 最后, 使公司成长. 另一方面，网站使用数据以毫秒为单位决定在屏幕上向我们展示什么. 展会结束后我们的行为, 与数据相关, 他们反馈系统并提出更好的建议.
开发人员已经在营销中使用数据策略, 但在技术领域很少. 在基础设施部门的经理和其他公司中没有看到这种使用. 我们今天拥有的最多的是 仪表板 de BI (商业智能) 显示收集的数据, 那是, 更现代的电子表格版本. 供应决策, 规划, 施工监理, 合同管理, 更不用说项目本身, 在数据的支持下已经可以采取, usando 深度学习, 通过使用人工智能促进更深入的分析 (他) 做机器学习 (机器学习).
以一种非常简单的方式，我们可以将机器学习过程分为四个主要阶段: 理解数据, 预测建模, 因果关系的决策和验证, 一个不断重复并不断改进的循环.
说到 BIM (建筑信息建模), 该模型, 用字母“M”表示, 不再是主角, 而信息的“我”, 那是, 数据的, 脱颖而出. 这种情况下的数据库系统称为公共数据环境。, 或 CDE (来自 英语, 通用数据环境). 所有信息都记录在 CDE 中。, 来自关于构成设计者输入数据的规格和要求的讨论, 它的进展与项目的演变相关, 以及有关工作如何进行和操作的所有信息. 这些数据是否, 多维, 团队将工作的时间和“困惑”, 理解, 模拟和预测, 使用它们来做决定.
这不是简单快捷的事情, 所以不便宜. 有必要创建一个由数学家组成的多学科团队, 程序员和工程师, 将技术知识与知道该问什么的艺术相结合, 决定和形象化. 先驱者将开始将给予作为资产，而其他人则将其作为成本.
我真的很喜欢奥地利方程式车队的例子 1 红牛, 即使没有传统，它也在创纪录的时间内成为该类别的领导者, 通过人才与数据驱动决策的协同作用来实现这一目标. 该团队开始使用机器学习和人工智能来定义比赛, 汽车开发, 飞行员的分析甚至他们的选择, 那是, 这些技术开始在日常业务的定义中发挥重要作用.
*Marcus Granadeiro 是一名土木工程师，毕业于 Escola Politécnica da USP, 建设性总裁, 拥有工程 DNA 和 DNA 成员的科技公司 (欧特克开发网络) 来自 RICS (皇家特许测量师学会).