Hoe analytics ingenieurs en bouwprofessionals kunnen helpen betere beslissingen te nemen

De bouwsector staat voor een grote productiviteitsuitdaging. Terwijl de arbeidsproductiviteit wereldwijd de afgelopen twee decennia met gemiddeld 2,8 procent per jaar is gestegen en de productiviteit van de verwerkende industrie met maar liefst 3,6 procent, is die van de bouw slechts met 1 procent per jaar toegenomen. Engineering- en constructiebedrijven (E&C) bevinden zich in de ideale positie om verbeteringen te bevorderen die deze zorgwekkende kloof kunnen helpen overbruggen, als de kapitaalprojectpartners die verantwoordelijk zijn voor de uitvoering.

Om dit te doen, wenden sommigen zich tot datagestuurde oplossingen, die in veel andere industrieën al een revolutie hebben ontketend. Deze methoden worden steeds belangrijker voor het verbeteren van de resultaten van kapitaalprojecten en het verlagen van risico’s. Analytics kunnen belangrijke inzichten aan het licht brengen die de kwaliteit van managementbeslissingen versnellen en verbeteren door E&C-bedrijven in staat te stellen gebruik te maken van de enorme hoeveelheden gegevens die ze al verzamelen. Ze kunnen projectteams onder meer helpen bij de beoordeling van marktomstandigheden, portfoliomix en individuele projectprestaties.

Het invoeren van analysetechnologieën kan, toegegeven, moeilijk zijn voor projectgestuurde bedrijven in de bouwsector. In tegenstelling tot fabrikanten, die de neiging hebben voorspelbare en herhaalbare processen te volgen, kennen E&C-bedrijven een grote mate van variatie. Halverwege het project kunnen systemen voor het bijhouden van de voortgang veranderen, wat kan resulteren in incompatibele gegevens en discrepanties. Schaalgrootte, materialen en betrokken onderaannemers verschillen sterk van project tot project, waardoor het onmogelijk is om normen vast te stellen.

Extra hindernissen kunnen ontstaan als gevolg van de culturen en processen van E&C-organisaties. Individuele ervaring en kennis worden in de sector meer gewaardeerd dan empirisch bewijs, en maar weinig organisaties hebben data-analisten in dienst die geavanceerde analytische programma’s kunnen leiden.

Voorspellende analyses, machinaal leren en kunstmatige intelligentie-oplossingen zullen in de toekomst waarschijnlijk meer significante veranderingen teweegbrengen in de manier waarop engineering- en bouwbedrijven inschrijven op en projecten opleveren. Voorlopig laten drie toepassingen zien hoe bedrijven data-oplossingen beginnen te omarmen en tegelijkertijd de basis leggen voor ambitieuzere projecten in de toekomst.

1. ‘Moeten we een voorstel indienen voor dit project, en zo ja, hoeveel moeten we bieden?’

E&C-bedrijven worden vaak gedwongen beslissingen te nemen over het al dan niet inschrijven op een project op basis van onvoldoende informatie. Grote bouwprojecten nemen doorgaans vijf tot tien jaar in beslag, zo niet meer, waardoor het moeilijk is om de reikwijdte nauwkeurig te bepalen en van tevoren te anticiperen op mogelijke complexiteit of complicaties. Bovendien hebben inschrijvers geen idee hoe marktveranderingen hun kosten zullen beïnvloeden tussen het moment van de inschrijving en de start van het project. Bedrijven vertrouwen op de ervaring van hun werknemers om mogelijke risico’s en winsten in te schatten, maar deze inschattingen zijn kwetsbaar voor inherente vooroordelen en kunnen worden beïnvloed door agressieve groeiplannen of individuele stimulansen.

Het onderschatten van kosten en het verkeerd inschatten van risico’s kan rampzalig zijn. In een sector met normale marges van 5 tot 7% kan het onderschatten van een offerte met 10% zonder de capaciteit om de extra kosten terug te verdienen, resulteren in een kostbaar verlies voor het E&C-bedrijf. Een project te hoog inschatten door een te grote buffer voor onvoorziene kosten op te nemen, zal er daarentegen vrijwel zeker toe leiden dat het contract verloren gaat – iets wat een bedrijf zich niet kan veroorloven in een sector met winstpercentages van slechts 15 tot 25%.

Cognitieve vooringenomenheid en onjuiste aannames kunnen worden vervangen door op feiten gebaseerde inzichten in de statistische kansen op succes van een project via datamodellering. Analytics kunnen de waarschijnlijkheid van projectresultaten beoordelen door historische gegevens te evalueren, zoals soorten arbeid en contractafspraken, trends in gebiedsuitgaven en projectomvang. Als gevolg daarvan kunnen teams de wenselijkheid van een project beter beoordelen, het evenwicht in de portefeuille herstellen door slecht presterende taken te schrappen, en de juiste mate van onvoorziene uitgaven berekenen die in een offerte moet worden opgenomen.

Eén organisatie baseerde zich bijvoorbeeld op gegevens van meer dan 100 eerdere projecten. Interne gegevens over projectlocaties, activaklassen, contractafspraken en winstmarges werden geïntegreerd met externe gegevens over de totale uitgaven in een bepaalde bedrijfstak of regio, en met statistieken over het aantal plaatselijke werknemers en vakbondsvorming. Toen de organisatie al deze aspecten samen bekeek, ontdekte zij projectkenmerken die de winstmarges beïnvloedden op manieren die traditionele analyse niet aan het licht kon brengen. Hoewel bedrijven vaak kijken naar criteria zoals gebied of projecttype om de winstgevendheid te voorspellen, kunnen deze variabelen gewoon verband houden met krachtigere invloeden zoals contracttechnieken, vakbondsvorming, of regionale overheidsuitgaven.

Op basis van de bevindingen van dit onderzoek creëerde het bedrijf een dashboard van risicovariabelen die de projectmarges zouden kunnen beïnvloeden. Het algoritme genereert een scorekaart die potentiële risico’s markeert op basis van eerdere patronen, bijvoorbeeld als de onderneming zich bevindt op een locatie met een geschiedenis van ondernemingen met lage marges of als er moet worden samengewerkt met een eigenaar uit de publieke sector die andere criteria hanteert dan normale partners uit de particuliere sector.

De teams gebruiken deze informatie tijdens de besprekingen voorafgaand aan het bod om te bepalen of het project aantrekkelijk genoeg is om een bod te rechtvaardigen, de kosten te ramen en de omvang van de onvoorziene uitgaven te bepalen die in het bod moeten worden opgenomen.

2. Zijn de biedingen van de onderaannemers redelijk?

Wanneer E&C-bedrijven offertes van onderaannemers krijgen, roepen ze de hulp in van aanbestedingsexperts om de voorstellen te evalueren. Deze mensen maken vaak gebruik van parametrische ramingen om de opgegeven prijzen te evalueren en vertrouwen op de ervaring van projectmanagers, wat het proces vertraagt. Complexe ramingen worden door verschillende mensen beoordeeld, die elk op grond van hun eigen deskundigheid en beoordelingsvermogen (en mogelijke vooringenomenheid) aanpassingen aanbrengen.

Ondanks dit grondige overleg vinden ingenieursbureaus het moeilijk om de ramingen van een onderaannemer te betwisten zonder hun toevlucht te nemen tot algemene vuistregels, bij gebrek aan empirische ondersteuning. Bovendien, terwijl veel organisaties databases bijhouden (en zich abonneren) met parametrische kostencomponenten voor biedingen, vergelijken ze zelden de werkelijke prijzen aan het einde van projecten om er zeker van te zijn dat hun schattingen accuraat zijn.

Analytics kunnen bij deze problemen helpen. Dergelijke tools kunnen E&C-organisaties helpen om snel een realistische hoeveelheid werk en kosten voor een project te bepalen en die cijfers te vergelijken met offertes van onderaannemers door specifieke drijvers van historische projectkosten te evalueren.

Een grote Amerikaanse infrastructuureigenaar stelde een grondige database samen van alle uiteindelijke kosten per work breakdown structure, zowel in tijd als materialen, met behulp van de oorspronkelijke contracten van 17.000 eerdere projecten, inclusief wijzigingen en aanpassingen. Vervolgens werd een statistisch model met meerdere variabelen ontwikkeld om de factoren te identificeren die de uiteindelijke projectkosten het nauwkeurigst zouden voorspellen, zoals het aantal uren dat waarschijnlijk nodig zal zijn voor de constructie van een brugvervanging of de geschatte materiaalkosten voor een extra rijstrook langs een vier mijl lang traject van een landelijke verkeersader. Als gevolg daarvan is een aanbestedingsinstrument ontwikkeld waarmee de totale kosten van een project kunnen worden geraamd. Managers kunnen meteen zien of de offertes binnen de verwachte marge voor dat soort werk vallen wanneer zij die ontvangen. Leiders kunnen nu in slechts twee dagen een passende prijsstelling voor aanbestedingscontracten bepalen, in vergelijking met de 60 dagen die arbeidsintensieve onderhandelingen vroeger in beslag namen.

3. ‘Lijkt het project in gevaar te komen?’

Traditionele projectcontroles lopen soms dagen of weken achter op het ontstaan van uitgaven, waardoor ze een nuttig instrument zijn voor retrospectieve rapportage, maar niet voor het beheer van lopende projecten. De controles houden ook geen rekening met de onderlinge samenhang van veel maatregelen, en met de unieke combinaties die een onevenredig groot effect op de prestaties kunnen hebben. Zo kan de achterblijvende productiviteit van het personeel doorgaans worden verbeterd door speciale planningsactiviteiten; te late leveringen van materiaal of talrijke dagen slecht weer kunnen het productiviteitsverlies van de bemanning echter verergeren, waardoor een andere managementinterventie nodig is.