Предиктивная аналитика в строительстве: как она помогает рассчитать затраты и прогнозировать бюджет проекта

Авторская колонка: Кирилл Поляков, основатель Pragmacore 360

Предиктивная аналитика переводит строительное планирование из режима «тушения пожаров» в режим предупреждения рисков. В основе этого инструмента — модели машинного обучения, которые анализируют десятки факторов, включая цены на материалы и погодные условия в той или иной локации. Они также учитывают:

• Исторические сметы и фактические расходы по аналогичным проектам;
• Динамику зарплат;
• Данные BIM-моделей (цифровых моделей зданий), IoT (интернет вещей);
• Геоданные, логистику;
• Финансовую отчетность и макроэкономические показатели (например, рентабельность производства, строительных работ и пр.).

На базе этой информации система может прогнозировать сроки завершения проектов, расход материалов на стройке, выявлять узкие места и таким образом предупреждать перерасходы бюджета, простои строительных групп. Например, если ближайший к строительной площадке цементный завод зимой снижает отгрузки на 30%, это автоматически учитывается в бюджете. Система также подсвечивает, какие этапы строительства можно запустить уже сейчас, а какие стоит отложить. Скажем, если задержалась поставка бетона, но подвезли металлоконструкции, платформа перенаправит рабочих на монтаж.

Одно из основных достоинств инструментов предиктивной аналитики — умение выявлять неочевидные связи. Они могут составлять, например, такие логические цепочки:

• Рост цен на дизель на 15% — удорожание логистики на 7% впоследствии — задержка в постройке фундамента на 11 дней.
• Увеличение влажности в сентябре — снижение скорости кладки кирпича на 20%.
• Резкие похолодания в районе строительства — дополнительные затраты и увеличение сроков закрепления бетона на несколько дней.

Запуск собственной системы с функцией предиктивной аналитики — дорогое удовольствие. По нашим оценкам, разработка обойдется минимум в 75 млн рублей. Столько же потребуют доработка и адаптация платформы после запуска. Все эти процессы, а еще обучение сотрудников использованию сервиса, займут более года. Для многих девелоперов, особенно в текущих экономических условиях, такие денежные и временные затраты оказываются неподъемными — первоочередной задачей становится элементарное выживание на рынке. При этом, некоторые из них пользуются незавершенными системами, которые начали когда то и остановили, так как нет видения ее развития.

Выходом становятся готовые SaaS-решения. Их внедрение обойдется в десятки раз дешевле, а окупятся расходы примерно через год-полтора в зависимости от масштаба проекта и функционала. При этом сторонние решения зачастую более эффективно решают задачи девелоперов, так как обучаются на строительных проектах со всего рынка, а не только на кейсах одной отдельной компании. Например, система Pragmacore обучена на более чем 600 завершенных строительных проектах.

Рассмотрим на конкретном примере. Один из клиентов Pragmacore — Сстроительная компания, планировалавшая завершить объект за 18 месяцев. и Ониа обратилась в Pragmacore за анализом своей финансовой модели. Система сгенерировала три сценария: пессимистичный, оптимальный и оптимистичный. В каждомо всех подтвердился сдвиг сроков на полгода из-за неучтенных рисков. Даже в оптимистичном варианте стоимость проекта превышала запланированную. Потребовалась корректировка процессов — сроков и бюджетов — для соблюдения лимитов. Без аналитики компания могла столкнуться с кризисом уже на старте: получив финансирование, команда через месяц обнаружила бы ошибки в расчетах. Потребовался бы второй раунд инвестиций на менее выгодных условиях. Благодаря прогнозу удалось сократить перерасход минимум на 10% и избежать потери времени и репутации.