摘 要：随着国有企业数字化转型以及工程总承包计价模式转变的政策落地，工程造价指标大数据建设引起了行业的普遍关注。

通过全面、深入地介绍工程造价指标的构成及体系结构，在完成工程造价指标再定义的基础上，建构了科学、全面、系统的工程造价指标体系；借力专业计价软件工具和创新工程造价指标分析工作过程，改变了指标数据的生成方式，激活工程造价数据源头；探索打造自主、标准化标准清单库和强化造价文件质量控制，大幅提升工程造价数据质量，从而解决了指标数据质量控制难题。

通过真实案例，分享工程造价指标大数据系统平台的建设方案及场景应用，实现了打通全过程加工工程造价指标的路径，实现工程造价指标全过程管理，持续为工程造价管理赋能。

关键词：工程造价；指标体系；系统开发

我们一直高度关注着国有企业数字化转型和工程造价指标建设这些重大变革举措。但由于工程造价工作是一个充满人工智力活动的过程，全行业数字化转型发展以及工程造价指标建设一直备受各种痛点的制约而裹足不前：工程造价咨询服务单位规模、实力的参差不齐，从业人员水平良莠不齐、流动频繁，造成工程造价咨询服务不到位、工程造价成果文件质量普遍不高；

而建设业主单位也存在管理制度不健全、标准尺度因人而异，导致工程造价管理工作效果不佳的情况。正因为这些内、外部痛点长期未化解，一直制约着工程造价行业的发展，想要实现数字化转型以及工程造价指标建设工作质的飞跃就需要更有利的时机以及更强有力的措施。

借着国有企业数字化转型的东风，我们充分前瞻、提前布局，在迎来工程总承包计价模式转变的关键时刻，通过一年的艰苦卓越地努力，瞄准行业痛点逐个击破，建成了工程造价指标系统，率先在全行业实现了数字化转型。

文章提纲：

一、指标体系建设

二、管理机制创新

三、提升数据质量

四、系统建设方案

五、应用场景前景

六、结语

以下是正文：

指标体系建设：

1.1、工程造价指标再定义

工程造价行业并没有一套严格意义上的指标体系，从全行业角度看，每位造价人对工程造价指标的理解都不尽相同，这就像“一千个人眼中有一千个哈姆雷特”一样，仁者见仁智者见智。 正因为如此，各家的工程造价指标结构差异化非常明显，数据颗粒度也不一致，导致指标数据之间不具有可对比性，只能小范围使用，数据孤岛效应严重，基本不可能在行业内推广，因此很难产生经济价值。

在工程造价指标大数据建设的第一步，我们就意识到： 定义好工程造价指标，是筑牢工程造价指标大数据建设的基础底座； 系统、全面、科学地搭建一套完整的工程造价指标体系是所有后续工作的重中之重。

我们发现工程造价指标仅指某一类指标数据是不能满足后续数据应用的，通过梳理我们涉及的所有工程业态，寻共同、找差异，并对标市场，经过半年的反复摸索和优化调整，最终完成了工程造价指标的再定义。

我们率先在全行业中提出：

工程造价指标是一套以宏观与微观（对比）指标数据相结合、经济指标以及与之对应的技术指标构成的成体系、结构化、多维度的完整的指标体系 。

工程造价指标分类如图1所示。

图1  工程造价指标分类

在经济指标方面，我们将之分解为宏观经济指标和对比经济指标两个方面。

宏观经济指标是指工程项目的单位工程规模所对应的造价指标数据，主要用于工程项目造价的总控，如我们常说的某办公楼的单平方米造价指标；

对比经济指标是指某个功能区域的单位工程规模所对应的造价指标数据，主要用于工程项目造价对比分析，如玻璃幕墙每平方米造价、空调服务区域每平方米造价。

在造价指标大数据建设过程中，我们意识到仅关注工程造价指标的经济方面是不够的。 所以，我们在工程造价指标中还引入了技术指标，并且也分成了宏观和对比两个方面。

宏观技术指标，我们又称之为规划指标，如建筑面积、容积率、绿地率等；

对比技术指标，我们又称之为设计指标，主要是针对工程细部的具体技术指标，如钢筋含量、钢模比、墙窗比等。

通过经济与技术指标的结合，在建设项目的成本控制、设计优化、风险管理、供应链管理以及投资决策等多个领域可以提供全方位的数据参考价值。

1.2、建构科学、全面、系统的工程造价指标体系

在完成工程造价指标再定义的基础上，建构科学、全面、系统的工程造价指标体系就自然成为首要工作，也是整个工程造价指标大数据建设的核心工作。

我们参考了行业内许多优秀的工程造价指标体系，并结合自身的工程项目情况以及展望指标数据应用方向，不断优化调整，最终构建以“工程业态-工程专业-指标项”三级形态的工程造价指标体系。 如图2所示。

图2  工程造价指标体系（节录）

1.2.1 工程业态

我们最初想用一个工程造价指标模板涵盖全部工程业态形式，但由于建设工程业态丰富多样，“一套模板打天下”的尝试最终以失败而告终。 我们接着尝试按不同工程业态分别设置模版，发现模板又太多太乱。

为了避免因建设工程业态丰富多样导致指标模板设置过多过乱，最终我们决定工程造价指标体系采取按工程业态大类进行设置，分别设置了房建、市政、零星等多个大工程业态模板，并尽量做到类似业态相兼容，方便后期工程业态的管理和维护。

1.2.2 工程专业

我们发现，行业内存在个别工程业态和工程专业混为一谈的情况，例如： 我们通常提及的绿化工程、景观工程等，既可以视作工程业态，又可看作工程专业。 这种跨层级关系是体系建设过程中必须避免的，否则轻则导致数据结构混乱，重则导致体系坍塌。

由于工程专业是整个指标体系的重点，为此我们严格区分了工程业态和工程专业层级，明确了工程业态主要用于工程对标，而且必须由工程专业组成。正因为有了严格的层级划分，使数据归集关系变得清晰，避免了数据混乱的情况发生。

1.2.3、指标项

按设定好的指标项规则归集清单条目才能形成有效的指标数据。 我们的工程造价指标项采用以“构件、成品、表面、系统”等实体为核心设置指标项，将相应的实体、措施、附属、配件等所有对应的工程量清单条目归集在同一指标项下，方便与主流市场价格进行同口径对比，也为“菜单式”测算做足数据储备。

1.3、探索灵活多变的工程专业组合方式

随着建设工程需求、技术的大发展，新业态、新专业、新材料、新工艺、新设备层出不穷，指标体系如何快速适配，如何减少适配对既有工程指标体系的影响也是必须要思考并加以解决的问题。

由于我们采用的“工程业态-工程专业-指标项”三级形态的工程造价指标体系的核心为工程专业，为此我们着重探索了工程专业组合方式的变化，以便在适应工程业态的多元化趋势的同时，又保证指标体系结构的相对稳定。

通过若干工程专业“搭积木”方式实现工程业态的二次组合。经过研究，我们发现：有些工程专业在不同工程业态中多次反复出现，例如绿化专业就在房建、市政业态中均频繁出现；还有些工程专业只在特定的工程业态中出现，例如医用气体工程只会出现在卫生建筑业态中。

为此，我们打破工程业态固化工程专业的壁垒，把多个工程业态中反复出现的工程专业设置为“通用专业”，把专业性较强的工程专业设置成“专项专业”，将“通用专业”和“专项专业”从工程业态中释放出来，以便实现跨工程业态使用。

通过“固化与可扩展”相结合工程专业的设置，以减少新增专业对既有工程指标体系结构的影响。我们把传统、成熟的指标项“固化”到相应的工程专业中，把那些较少出现或特定工程才使用的指标项纳入到“可扩展”工程专业中，保证指标体系结构的相对稳定。

例如：弱电智能化这个大专业，我们把成熟的、常用的指标项归集到“弱电工程”专业中，固化“弱电工程”的指标项，保持其稳定；对那些较少出现或特定工程才使用的指标项纳入到“智能化工程”专业中，在这个专业下可按照实际需要扩充指标项，保持其“可扩展”。

管理机制创新：

2.1、创新工程造价指标分析工作过程

传统的工程造价指标分析工作过程：工程算量——编制工程计价文件——指标分析。这种分析工作均是基于工程计价成果文件完成后再按照业主制定的电子表格模板进行人工手动分析，即所谓的“事后分析”。

这种“事后分析”弊端很多：

一是增加了造价人员的工作量，造价人员要结合算量底稿、工程计价文件、图纸等资料按照业主制定的工程造价指标体系重新分析，工作量不可谓不大；

二是有些业主管理不严格，造价人员的指标分析工作会拖沓，迟迟完成不了；

三是最严重的问题——指标分析过程中存在太多的人为因素干扰。例如：因业主制定的电子表格模板不完善，指标列项界面不清晰，造价人员对指标项的理解差异，导致数据归集偏差；甚至有些造价人员为了完成指标分析工作，通过“凑数据”的方式敷衍塞责，这些情况和行为都可能产生“有害数据”。但由于缺乏有效的管控手段，无法追溯原始造价数据，导致部分有害数据成为“漏网之鱼”堂而皇之地进入到数据库，久而久之，随着数据累积越来越多，导致“有害数据”滋长，数据偏差会越发严重，数据信服度会严重下降，从而丧失了数据的应用价值。

为了消除“事后分析”的各种弊端对工程造价指标数据造成的不良影响，我们在专业计价软件中开发置入了指标分析模块，创新发展了工程造价指标分析的工作过程：工程算量、编制指标清单（同步）——生成（合并、拆分）工程计价文件。造价人员在开展工程算量工作的同时，借助宏业计价软件中业主单位定制的指标模块同步编制指标清单，实现算量和指标清单编制同步进行。在指标清单编制完成后，使用宏业计价软件的合并与拆分功能，自动合并生成工程计价文件。

这一创新的工作过程将指标分析工作充分前置，将其转变成“事前分析”，极大地规避了“事后分析”的各种弊端。在编制指标清单时虽然会增加工作量，但是通过宏业计价软件的清单合并与拆分功能，可以自动合并生成工程计价文件又减轻了工作量，通过工作量的一增一减，不额外增加造价人员的工作负担，这样大家都能接受这样的工作；通过编制指标清单，将指标分析工作前置，使其成为清单编制过程中的必经节点，让造价人员无法避开，从而有效地节约了时间；同时，这也是该工作过程的亮点。

借助专业计价软件指标模块及系统平台的管控技术手段，实现指标清单项按制订好的指标体系进行严格归集并进行指标的自动分析，这一过程减少了过多人为因素对指标数据的干扰，保证每个工程项目指标数据高可靠性、高准确性和可追溯性，减少有害数据的产生，为造价指标数据的后续应用奠定了基础。

2.2、发展基于国标清单的工程造价指标成果文件

传统的工程造价指标分析工作都是基于业主制定的电子表格模板进行人工手动分析，所以形成的工程造价指标成果文件也是电子表格。这种成果文件有个很大的弊端：虽然指标数据都是来源于工程计价文件，但两者之间的数据无法互通，数据可追溯性差，发现问题时还需要重新分析工程计价文件才能找到问题的原因，耗时费力。

如果能将数据源引入到工程造价指标成果文件中就能很好地解决上述难题，为此我们发展了基于国标清单的工程造价指标成果文件。这份成果文件我们称之为“指标清单”，它与国标清单并无二致，均包含清单组成要素（清单编码、项目名称、项目特征、计量单位、工程量），也还是量价合一的计价文件。

但是它们之间也有一些显著的差异：

1)、工程结构划分不一样。国标清单的工程结构是按工程层级搭建的，而指标清单的工程结构是按照工程造价指标体系搭建的；

2)、计价模式不一样。国标清单采用综合单价计价模式，而指标清单采用全费用单价计价模式；

3)、清单条目归集要求不一样。国标清单条目没有归集要求，而指标清单条目必须按指标项进行严格归集；

4)、指标清单最特别的是指标项有指标参数要素，而国标清单因为没有指标项，所以相应也就没有指标参数要素。

由于指标清单是基于又高于国标清单的，所以只需要在专业计价软件中增加指标模块功能就能实现指标清单的查看、编制以及指标的分析，方便了成果文件之间的交互使用。

2.3、率先实现工程造价指标管理全过程覆盖

常规的工程造价管理一般有送审、评审、清标、结算、审计这五个环节，通过这五个环环相扣的环节逐步将工程造价压实。但是我们在工程造价指标管理工作中，通常仅选择其中一个环节进行指标分析，这样指标管理与工程造价管理工作环节不同步，就不能有效形成闭环效应。

为此，我们率先提出在工程造价管理的每个环节中均要求同步进行工程造价指标分析工作，实现工程造价指标全过程覆盖，逐步形成：送审指标、评审指标、清标指标、结算指标、审计指标五份指标分析成果文件。由于五份指标分析成果文件从体系到指标项均是一致的，通过与管理环节的同步，我们可以从不同环节指标分析成果文件之间的对比中清晰地展现出工程造价真实的变化情况，特别是可以快速追溯工程造价早期环节的不足之处，倒逼工程造价管理提质增效，为后续工程造价管理工作的精进提供具体的指导方向。

目前，行业内普遍选择结算这个环节进行指标分析。通过我们的研究发现，这一环节形成的工程造价指标易受投标人投标策略和合同条款等因素的影响，会造成同一指标偏差较大的情况。为此，我们经过反复讨论，最终决定选择清标环节所形成的清标指标作为核心指标，这一环节形成的工程造价指标有个好处，既可以消除前期因技术资料错误、时间仓促等因素造成的清单漏项等弊端，又可以规避后期因投标人投标策略和合同条款等因素的影响造成的价格偏离，可保证工程造价指标相对准确。

提升数据质量：

清单条目中往往会出现很多问题，使数据质量不高。部分问题如图3所以示。

图3  清单条目问题示例

像上图3清单条目中这样的问题，在日常的造价管理工作中层出不穷。为了提高清单质量，行业内也建立有相对完善的管控制度和手段，比如多级复核。但这些管控制度和手段都是基于人工，会耗费我们造价人员大量的时间和精力，低效不说，效果还很一般。像上述这种错误，不仔细审阅是很难发现的；更有甚者，由于人工复核不到位，给后期工程项目的招投标、履约、结算等各个环节埋下隐患，造成严重后果。

由于工程造价指标也是基于清单，清单质量的高低也同样会影响工程造价指标的质量。为此，如何高效识别清单问题，提高清单质量，成为必须解决的关键问题。

我们试图从两方面着手，借力专业软件工具来加以解决：

1)、从清单问题的源头出发，打造一套自主、标准化的清单库；

2)、制定一套质控规则，通过“造价文件质量智能识别技术”，实现造价文件高频问题的智能识别。正是通过强化源头、加强质控这套“组合拳”，进而大幅提升造价文件质量。

3.1、打造自主、标准化标准清单库

图4  标准清单库效果图

标准清单库是根据业主单位常见的工程业态、所处地域、管理要求等情况，基于国标清单进行深度定制开发并植入到系统平台中。标准清单库效果如图4所示。通过对清单五要素进行标准化设置，特别是对项目名称、计量单位、项目特征进行深度定制，可以实现：

1)、排除国标清单的冗余清单条目，按需制定自有清单条目。例如，业主单位的业务主要集中在四川盆地，那么国标清单中的有关冻土的清单条目就可以排除；

2)、按照业主单位管理要求，锁定清单条目涉及的工作界面，防止因清单界面不清晰导致后期造价争议。例如，桩基工程中，我们可以规定：截桩头、声测管包含在桩清单条目中，或者也可以规定截桩头必须单独列项等，明确桩清单条目的工作内容，清晰划分清单项界面，对后续桩的组价、指标归集，甚至清单漏项都有裨益；

3)、锁定清单项要素，减少出现“低级错误”。例如，多单位的清单条目可能存在计量规则不明确的情况，可以通过标准清单的制定，锁定唯一计量单位和计量规则，杜绝出现计量单位与计量规则不一致的情况。

通过在系统平台中打造一套业主单位自主的标准清单库，造价人员可以方便地调用标准清单条目，并按规则完善造价文件中清单五要素，从源头规范造价文件，减少后期工程造价管理中的各种隐患。

3.2、强化造价文件质量控制

图5  造价文件质量智能质控规则

我们在行业内率先引入“造价文件质量智能识别技术”，通过在系统平台中植入质控规则，从完整性、一致性等多个方面对造价文件质量进行全方位、多维度地扫描检查，快速识别造价文件中可能出现的各种高频问题，为人工判断提供智能支持。

由于“标准清单库”、“造价文件质量智能识别技术”均植入在系统平台中，所以可以方便快捷地对标准清单、质控规则进行升级完善，让造价文件质量不断得到进步，从而更全面、智能、高效地解决了一直困扰造价文件质量难以提高的瓶颈，进一步提升造价数据的完整性、标准化和准确度。造价文件质量智能质控规则如图5所示。

   

4.1 系统建设痛点及建议

我们通过业界调研，有的单位早些时期进行了工程造价指标建设的尝试，但是基于主客观诸多因素，最终都未能实现落地运营。我们通过进行深入的案例剖析，究其失败的原因大概有这么几点：

1)、时机不对、技术不成熟。提出的想法过于超前，早几年相关技术手段还不能满足需求，最终导致开发失败；

2)、目标需求不明确，功能上贪大求全。这是系统开发的通病，也是系统开发失败、用不起来的关键因素之一；

3)、牵头人往往是IT专业人士，不懂造价。这也是这种造价专业软件系统开发中普遍存在的问题，业主单位往往认为系统开发肯定是IT专业的事，往往忽视了专业需求，在开发过程中沟通成本很高、效率很低；

4)、缺乏对数据的有效管控手段。很多单位只关注如何收集数据，缺乏对数据进行有效管控，让“有害数据”轻易进入到数据库中，最后由于“有害数据”这些“老鼠屎”打坏了“一锅汤”；

5)、缺乏制度保证，往往半途而废。工程造价数据的积累是需要时间的，所以贵在持之以恒，才能见成效。强有力的制度保证，才能让系统能有效“跑”起来。

这些问题同样摆在我们的面前，如何克服这些建设工程造价指标系统的“拦路虎”，我们的建议是要注意以下几点：

首先，切忌开发周期上“大上快干”。建设工程造价指标系统，重难点并不是软件开发，而是前期基础工作，我们需要花很多时间反复推敲工程造价指标体系的细节及合理性，这样才有可能实现“一劳永逸”。如果体系存在隐患，就会对后期数据积累和应用产生严重后果，甚至导致体系和数据的崩塌；

其次，切忌功能上“贪大求全”。我们可以充分做好需求调研，明确系统定位到底是偏重管理还是偏重应用工具，结合近期、中期和远景目标，通过“分期上马，小步快跑，逐步推进”的策略进行开发建设；

第三，树立规则意识，将“规则挺在前”。前期需要花大力气制订各项规则、梳理管理流程，强化规范数据源头、路径、成果全过程的各个环节，保证数据的一致性和高质量，进而为实现数据应用打下坚实的基础；

第四，指标数据要随业务产生，不能凭“空”产生，杜绝“凑数据”的行为，避免有害数据滋长。

4.2、工程造价指标系统建设方案

正是以真实的工程造价指标系统建设项目开发实战为契机，我们通过一年的攻坚克难，终于汇聚成我们的工程造价指标大数据系统建设方案：

基于全行业共建共享模式，建设集“ 一套体系、二大场景、三个层级、四套标准、五大数据库、多板块功能 ”于一体的工程造价指标系统，借助专业计价软件工具与系统平台的衔接，激活工程造价数据源头，打通全过程加工工程造价指标的路径，通过持续不断地数据积累，逐步实现工程造价智能分析。

一套体系 ：建构一个以工程项目为核心，涵盖工程造价编、评、管、审全过程的工程造价指标体系，实现工程项目纵向（指标项）、横向（时间轴）双维度指标对比。

二大场景 ：搭建工程造价业务管理和工程造价数据应用二大场景，实现业务流带动数据流，让业务流和数据流能充分、无障碍地交互；

三个层级 ：对标不同应用需求，按照项目的实际情况分别设置项目、工程（合同）、子项三个层级，分级归整工程造价数据；项目级对标投资，工程（合同）级对标建安成本，子项级对标指标；

四项标准 ：工程造价指标体系标准、工程造价清单要素标准、工程造价清单质控标准、工程材料（设备）标准。对工程造价数据结构、数据质量进行强有力规范，保证工程造价数据一致性和可靠性，进而为实现造价数据应用打下坚实的数据基础；

五大数据库 ：通过公司日常造价业务流所产生工程造价数据，逐步积累、丰富五个数据库：工程案例库、单项指标库、综合单价库、工程材料价格库、标准清单库，形成企业自主的数据资产。

多板块功能 ：可深度定制开发基于工程造价指标相关管理的诸多衍生功能，可实现覆盖工程造价指标管理的全过程。

这一解决方案的落地实现了我们为工程造价管理赋能的初衷，也为后续的工程  造价大数据应用场景开创了“无限可能”。

4.3、工程造价指标系统建设模块

工程造价指标系统建设具体工作主要由：

1)、系统基本模块开发；

2)、系统功能扩展，两部分组成，每项功能模块及功能如表1所示。

表1  工程造价指标系统建设模块及功能

应用场景前景：

工程造价大数据的应用前景无疑是非常广阔的。目前，我们选择了其中两个应用场景进行大胆尝试：

1)、基于类似项目的工程造价指标数据进行快速对标分析；

2)、基于历史项目的工程造价指标数据，在全行业率先实现工程项目投资“菜单式”快速测算。

5.1、工程造价指标智能对标分析

由于我们所有的工程均按照统一的工程造价指标体系进行分析，所以使工程造价指标的智能对标分析变得非常容易。

我们通过两大步骤：选取对标工程——匹配工程专业，通过选定对标工程所对应的工程专业，可以快速进行指标项的对比分析，聚焦偏差过大的指标项，并能通过指标项清单条目之间的对比发掘偏差过大的原因，从而为方案调整、设计优化等提供经济方面的建议。

正是有了这一应用工具，可将造价人员从传统人工逐项分析的繁重低效工作中解放出来，才能让我们有更多精力来做更深层次地分析。如图6、图7所示。

图6  工程造价指标工程专业智能对标

图7  工程造价指标智能对标分析

5.2、项目投资快速测算

这一应用的开发是源于我们所接触的政府投资平台公司。他们设想能否开发一套“菜单式”操作的工程造价指标程序，通过点选系统中历史工程项目的造价指标数据等操作，以实现项目投资的快速测算。“菜单式”操作可以简单到连非造价专业人员也能上手操作，而且测算的数据来源于真实的工程案例，数据是可追溯的，从而大大提高了测算数据的信服度。

我们给出了解决方案，即通过六大步骤：项目概况——方案选项——工程规模——经济指标——建安费用——项目投资，“菜单式”逐步录入关键数据，选择关键型号，就能快速地实现项目投资的精确测算。这一应用工具简化了原有繁琐的项目投资测算的过程，加快了工作效率。由于测算中所使用的底层数据均来源于真实历史项目，故彻底改变了项目投资测算数据可信度低、无法追溯的历史性难题，为科学决策提供了经济合理性方面的强有力支撑依据。

如“项目概况”板块，可以快速地从既有项目数据库中匹配出规模相近的项目并调用相关资料和数据；通过“方案选型”、“工程规模”板块可主要解决拟建项目工程专业的选择和指标项数量的问题；再通过“经济指标”板块对每个指标项赋予相对应的价格，这样就基本完成了工程造价测算的关键步骤；最后通过“建安费用”、“项目投资”板块分别调整并汇总出工程造价和项目投资额。由于这种测算方法所依据的是真实可靠的数据，使决策的可信度非常高。

结语：

虽然我们在工程造价指标大数据的应用领域的探索走在了全行业的前列，但是我们的工作才刚刚起步。我们将顺应工程造价发展新趋势，花大力气做好基础工作，进一步做细、做强工程造价数据的结构化、标准化，在此基础上结合前沿软件技术，把造价数据用活，持续为工程造价管理赋能。今后我们也将一如既往，进一步探寻工程造价指标大数据应用的“无限可能”，丰富拓展指标数据的应用场景，努力开创工程造价新时代。