工程管理论文哪里有？笔者通过对建筑施工企业工程造价数据库建设分类标准和数据内容以及各项内容数据的采集与处理进行了深入探索。
第一章绪论
1.2国内外研究现状
通过查阅大量的国内外参考文献，了解到工程造价数据库的概念、起源、作用、内容、建设方法、建设现状以及建设过程中存在的问题等。通过利用大数据、人工智能[1-4]等信息化手段，确实有效的实现了工程造价数据库的建设，促进了工程造价管理[5-8]，实现企业的数字化转型[9-13]，以及充分发挥了市场在资源配置中的作用[14-18]。对于文献的研究，分别研究了国外和国内文献，即包含理论研究，也包括实践研究，将所阅读的相关文献进行了工程造价数据库相关模块内容的分类。
1.2.1工程造价数据库概念研究
英国学者Martin[19](1988)最早指出信息管理就是对信息进行设计、组织和控制，即工程造价数据库的研究起源于信息管理。
Abraham[20](1996)提出工程造价数据库的概念，他认为工程造价数据库中主要储存已完工程造价信息，并且利用这些数据信息进行新建项目的成本预测，这样的工程造价数据库应该在房地产估价行业建设应用。
Dediukhina[21](2021)指出俄罗斯的建筑工程价格体系改革存在较多问题，改革的重点工作任务应该是工程造价数据库的建设。
张卓然[22](2019)、房光玉[23](2020)在以往研究中也都提到了已完工程数据库的建立的必要性。
赵彬、胡晓丽、倪知之[24](2016)指出“互联网+”时代国家工程造价数据库建设的必要性，工程造价数据库的建设必须进行数字化转型。
黄徐斌[25](2021)对我国当前已有工程造价数据库进行研究，发现我国目前的工程造价数据库的内容主要是新闻、通知、信息发布、价格指数信息、政务信息、工作动态等，也存在一些数据库提供造价信息，但是数量较少，而且数据量有限，普遍现象是存在信息孤岛，内容不够全面，而且信息的利用率非常低。
孙泽龙[6](2022)对完善工程造价市场化建设进行研究，发现大数据技术在工程造价市场化的应用中存在四个问题：工程造价数据没有统一标准，工程造价数据缺乏统计分析，工程造价数据难以互联互通，工程造价数据更新不及时。
第三章建筑施工企业工程造价数据库设计
3.1建筑施工企业工程造价数据库分类标准构建
要想发挥建筑施工企业工程造价数据库的作用，首先应该构建一套分类标准，将各项数据进行归类处理，方能方便数据库当中数据的储存和数据的应用，本文首先使用专家评分法、熵权法对工程造价数据库的分类进行科学化测算，确定数据库的工程分类标准。
3.1.1工程造价影响因素初选
数据库的分类标准服务于建筑施工企业的工程造价管理，所以要考虑的首要因素是对工程造价影响的程度，工程造价的组成包括分部分项工程费、措施项目费、其他项目费、规费和税金，其中最主要的部分就是分部分项工程费，而确定此项费用的重点内容是工程量和工料机价格，所以在因素选取的时候重点选择对此两项内容影响较大的因素，而一项建筑工程的工程量受到多方面因素的影响，如建筑结构中的基础类型，对于同一项目采用满堂基础和采用独立基础所涉及到的基础工程量一定是前者更大，所以费用相应增加，除此之外地基类型、结构类型等因素也都直接影响工程造价，另外建筑设计当中的面积、檐高、形状，建筑装饰中的内外墙装饰门窗类别等都直接影响造价，通过文献研究和实地走访现场调查，本文初选了影响建筑工程土建项目工程造价的30个工程特征因素，见表3-1。
第五章建筑施工企业工程造价数据库数据处理
5.1工程造价指标数据补齐
5.1.1插补法补全工程造价指标数据
采取本文第四章的方法分析和对工程造价指标数据的收集，对于收集到的完整准确已完工程信息直接上传数据库，但是在收集数据过程中常常会出现数据缺失的现象，若将缺失数据的样本数据直接录入数据库系统，对后续的预测等工作会产生测算精度低、增加工作量等负面影响，针对此类问题，可采用直接删除具有缺失数据的工程案例，但是针对建筑施工企业而言，所完成的已完工程数量较小，每一个已完工程的数据都需要录入数据库，所以本文采取插补法对缺失的数据进行补齐，获得完整的已完工程数据。
插补法是数据预处理的一种方法，可以在一定程度上减少偏差。使用本文的方法收集到的已完工程数据，不能保证所有已完工程所需指标数据都是齐全的，针对不完整的数据，本文对缺失值的补齐，采用的是同类项目的众数进行补齐，即对于某一已完工程在采集过程中缺少某一指标数据，那么选用同期大多数工程的这一指标值最多的数据进行补齐，如在采集2018年某已完多层办公楼工程时抗震设防烈度空缺时，则选取本单位2017-2019三年内的多层办公楼工程的抗震设防烈度出现最多次数的数值作为本工程的插补值进行数据补全。
5.2工料机消耗量标准值确定
通过智慧工地所收集到的工料机消耗量数据信息，为了确保其准确性，往往需要多次采集，但是在多次采集过程中避免不了存在一些误差数据，所以需要计算出唯一数据，作为工料机消耗量的标准值，采用传统的求取平均数的方法获得最终数据会使结果存在一定的误差，那么，对样本数据的统计与分析，应该采取更加科学的手段进行处理，本文对工料机消耗量数据的处理采取SPSS软件统计分析，数据处理，获得最终数据。
5.2.1基于SPSS的工料机消耗量数据筛选和分析
SPSS(Statistical Product and Service Solutions)，“统计产品与服务解决方案”软件。在SPSS软件中可以直接输入数据，软件可以智能化的对数据进行管理。在本文的应用过程中，将采集到的多个某一工序的消耗量数据以EXCEL表格的形式进行统计记录，然后导入到SPSS软件当中，对样本进行合理描述，进而统计分析，结合软件自身功能可视化、智能化等，将样本数据中存在明显偏差的数据进行剔除，即所收集到的数据当中有各别数值明显和其他数值存在较大差距，不符合本工序的消耗量标准，将其剔除，然后对于筛选留下的数据使用软件自动分析，以可视化图形体现数据的集中趋势和离散趋势，用“中位数”结合“众数”等量化结果，确定的消耗量测定值更加科学合理符合施工过程当中的消耗量标准实际情况。
第六章结论与展望
6.2展望
本文基于建筑施工企业工程造价数据库的建设提出了一套成体系的建设思路和建设方法，希望能在建筑施工企业工程造价管理过程中发挥效用。在建设过程中企业首先应根据自身情况利用定量和定性相结合的方式确定企业对工程造价数据库的内容和功能需求，其次针对数据库的指标内容要采取科学合理的方式完成数据采集，对于采集到的数据要进行深入处理和挖掘，将工程造价信息应用在日常的工程造价管理过程中，必将提高工作效率和效益。
虽然本文的研究建立了建筑施工企业工程造价数据库内容指标以及相应指标的建设方案，具有一定的理论价值和应用指导意义，但是建筑施工企业工程造价数据库的建设是一个涉及多学科的工作内容，仍然存在很多需要进一步研究的问题，今后的研究可以从以下几方面开展：
（1）本文对已完工程数据的研究仅局限于数据的采集和处理，并没有进一步展开工程造价指标测算的研究，这将是一项非常复杂且专业性很强的工作，需要运用自然语言处理、机器学习、预训练模型等方法完成分析，因此，后续可开展本项内容的研究。
（2）本文各章各小节在进行案例分析时选取的是某县级市甚至是某企业自身的案例，首先工程项目数量有限，数据分析结果具有局限性，其次分析的工程类别是办公楼类工程，对其他类别工程的参考价值有所降低。因此，建筑施工企业通用的工程造价数据库需要进一步研究。
参考文献（略）
