苏州华星工程造价咨询有限公司 徐伟国
摘 要：随着云计算、BIM、人工智能等技术不断创新，我国造价数据也将面临天翻地覆的变化，尤其对社会中介咨询公司来说，曾经成千上万的项目数据，都沉睡在各咨询工程师的电脑中，如何将这些数据快速激活并在最短的时间内进行造价咨询活动，为此我们需要思考如何利用老项目建立标准化数据（样本数据库）、运用计算机工具（此论文分享excel工具），采用较为科学的逻辑算法推演出新项目的造价并为此指导我们学习与工作。
关键词： excel工具； 指标系统；标准化数据；数据库
引言
我国实行工程量清单计价模式为主，以企业自主报价为主导的模式充分彰显了市场经济的优越性。而对于施工企业间的竞争归根结底就是生产水平的竞争（生产效率），但最终反映水平高低最直接的数据就是一系列造价数据，数据直观的体现了企业的市场竞争力。
而对建设单位来说掌握造价数据指标体系，可以在前期阶段、设计阶段、招标投标阶段、施工阶段、竣工决算等阶段更好的控制成本，真正做到预算不超概算、结算不超预算。
造价咨询公司长期处于项目造价数据的编制及计算过程中，从数字造价发展趋势来讲研究宏观造价数据的客观规律并建立标准样本数据库远比做周而复始的编制项目预结算更具有深远积极的意义，同时积极体现了企业“咨询”二字的魅力。
一、问题的提出及方案解决
1、问题的提出
经常有建设单位或局外人士来咨询我们，开发住宅小区单方造价需要多少，建一栋办公楼单方造价、桩基、基坑围护大概需要多少造价？我们长给出的回答是需要根据图纸来确定。当然这样回答本身没有问题，但是我更想说的是我们首先要在心中有杆秤，对造价有个合理的判定范围，就像我们去买衣服一样，早有计划金额，即目标成本，并分解目标成本，然后设计、采购、施工等都要围绕目标成本展开工作，那样我们控制成本的主观能动性就更强、工作效率会更高，也更容易实现。
现在很多业主对目标成本的精确度越来越高，有的在前期阶段甚至提出要偏差范围在5%内，要不然就认为你不专业，能力不行。在缺少设计资料的情况下，通常的估算方法寻找类似工程项目后测算对应指标然后套用。同时，由于项目本身的单一性特点以及类似工程样本数的局限性，我们常常陷入找不到的类似工程的尴尬境地，当然还有更多的情况，如事先做过的很多工程缺失或寻找困难，每次寻找指标数据耗费大量时间且重复劳动，计算人员水平不同误差较大。因此，我们思考，事先建立样本数据库，并通过数学算法来推算目标项目的工程量指标、人材机价格调差、方案换算估算工程造价，达到准确估算目标成本的目的。
2、方案解决
综上所述，我们根据以往的工程案例及经验总结了一些方法论与大家一起学习与探讨。
（1）计算机工具
首先，计算机工具选用大家较为熟悉的excel工具，在excel中的清算数据运用一定的逻辑函数、透视表做成一个固化的小工具作为新旧项目数据计算平台。
下图为通过数据库利用excel工具新老项数据转换思维逻辑
下图为通过透视表输出结果：
（2）统一标准清单
其次，我们通过大量的工程案例发现，每个项目都有自己的特点，同时设计人员根据国家标准、规范所赋予每个项目的共同特性，或者说虽有差别但万变不离其宗。这时需要我们分门别类、求同存异制定出供每个项目都能通过一个通用的清单将工程指标量化，在这里我们统一使用国标清单编码和命名就可以。
（3）数据样本采集
当我们统一工程量清单以后，就相当于建立了一个平台，可以对已有工程的案例数据和拟建工程无缝对接，建立数据样板采集功能。当然样本采集的数据可以用计算机程序编辑标准接口一键批量导入、人工手动录入等多种形式，目的是快速获取海量案例数据并进行分析计算为数据输出创造条件。
（4）指标数据编辑
当我们获取数据后就需要根据不同的指标数据分类输出，可以根据构件部位、名称等编辑来满足不同的技术要求。如土建混凝土指标可以根据按部位混凝土指标细分一结构、二结构，也可细分柱、梁、板等构件编辑后输出，实现这些数据输出的一个关键步骤是与将清单与对应输出对象做关联，需要输出点击勾选即可（此功能可以通过相关函数公式即可实现）。
（5）参数变量确定
当劈开人员因素、地质等影响因素，可以理想的认为当工程量指标、价格等指标确定时一定有相应的变量参数与之对应，如建筑结构类型、高度、层高、人材机价格、施工方案、产品定位等，这些因素综合影响着工程造价，在这些因素中除了地质为主观不可控外其余因素都是可以通过提前设定经验值合理判定，从而作为控制参数影响着指数数据。
下图为砖砌含量数据采集过程中，通过N个案例项目的含量指标与层高之间的关系，找出数据变化趋势规律（注：实践案例数据越多理论上最接近真值），确定经验公式：
（6）算法逻辑确定
影响工程项目造价的因素很多，并且各因素相互作用，是典型的多因素敏感系统，每一个影响成本的因素都是一个变量，我们在进行指标推算的过程中如将各变量综合考虑，那整个系统将变得过于复杂，相互之间的函数关系很难建立，并且运算量太大。因此我们化繁为简，设定约束条件，限定次要变量对系统的影响，研究主要的变量对项目造价的影响方式。我们根据不同项目特点，确定主要变量参数，如多层研发类厂房，虽然结构形式上区分排架和框架，但我们研究的主要变量是层高的变化对项目技术经济指标的影响,同时重点考虑不同内外装饰方案、地下结构类型的选择、当期人工及主要材料价格的波动对项目造价影响。通过大量的项目案例收集工程数据，按照既定的子目名称进行拆分并分类形成单位面积内较为固化的并具有绝对值的相对最小单元的数据，再联系项目的时间、地点、方案、计价等因素通过一定的数学算法输出新项目的工程造价数据的过程。同时我们将单体工程按部位分为地上、地下部分分别测算，按专业分为土方、围护、桩基、主体结构、安装、装饰等专业分别测算，然后合并形成分部分项工程、单位工程、单项工程造价等指标数据。
下图：为通过单因素层高变量、人材机、方案选择的运算逻辑导图
（7）指标数据分类及选用
为便于精确的选用指标数据，我们需要对数据库指标根据不同的项目进行分类，这时就有了住宅类指标、厂房类指标、商业类指标、科教类指标等，例如又将住宅类指标根据地产公司及动迁房的客户形式不同分别选出几十个项目计算出地产公司住宅指数指标、动迁房住宅指数指标等，此类方法类似于股票中的上证指数500及沪深300的计算方法。当然住宅还可以根据住宅的高度、层数、结构形式不同分别计算出造价指数指标。相对来说这些指数指标数据的出现代表某地区某时期内的普遍水平，极具代表性。我们根据自身的项目在套用这些数据指标的时候相对来说误差率来说会更低，后期随着我们样本数据的增加，精确度也会越来越高。
（8）多维度保障体系
在汇总计算过程中，我们可以通过多路径运算来保证计算的准确性，即以标准清单、含量指标输出结果为主，各分项造价占比指标、材料占比为辅的运算方式。
运算附图：
excel样表数据建设：
（9）用户界面（终端数据输入和输出功能）
为了让非专业人员都能尽快上手，我们考虑了实用性、可操作性、简单通俗的特点，供用户界面选择大致可以分类为业态、结构类型、基础类型、属地等；方案输入要素可以有建筑面积、层数、层高、综合单价、结构方案（现浇还是PC）、内外装方案、分包项目选择等以及指标限额含量逆运算；输出要素可以有造价、单方及主要材料的指标含量。
二、结语
通过以上这样一个方法论的描述，我们所探讨的方法是次要，主要的是能通过这样一个过程，让更多的人了解造价数据指标的价值与意义、大数据时代的重要性。启迪思维、开拓创新，使指标建设数据更加科学持续发展。从艮土到离火，它必将随着时代的变迁、技术的革新而不断PDCA，同时也在为我们后时代造价工作探索经验、指路明灯！
