本文是一篇工程管理论文，本文中提出的大数据下基于机器学习的分包商选择方案，使总承包企业基于数据仓库能够更加方便的了解分包商的数据情况，可以从多维度对分包商进行分析，可以更加详细的了解企业分包商整体情况；
1绪论
1.1选题背景及研究意义
相关数据显示，2021年全国房地产开发投资共147602亿元，相比于2020年增长4.4%，相比于2019年增长11.7%。2021年房地产开发企业土地购置面积共21590万平方米，相比上年下降15.5%。可以看出房地产发展增速变缓，逐步进入稳步发展阶段，房地产行业逐渐进入高质量发展阶段，会逐步显现出强者愈强，弱智愈若的分化情况，建筑行业也是如此，这也倒逼建筑企业进行内部革命，引入新技术促进企业内部降本增效，实现企业转型升级。
工程管理论文怎么写
传统工程分包商选择一般靠熟人介绍或者低价者中标，由于信息的不对称，在选择过程中很难公平、客观的评价一个分包商的真正实力。随着企业信息化的兴起和建设，部分大型企业已经具备一定的信息化处理能力，并且各自内部建立了分包商管理系统和数据库库，在此基础上选择分包商。然而信息化建设的同时又形成了一个个信息孤岛，不同的部门、不同的系统保存着各自的数据，相互之间保留着不同的结构，无法相互关联。随着大数据时代的来临，各大企业纷纷实施数智化转型战略，期待通过使用积累的数据，使用各种数据分析和挖掘方法找出数据的价值，进而帮助企业做决策。鉴于此，本文以分包商选择问题为研究对象，分析工程分包商选择的需求，运用大数据思维和技术建立面向分包商选择的数据仓库，并在此基础上应用机器学习技术，展开分包商选择的研究。
..........................
1.2国内外研究现状
1.2.1工程分包商选择相关研究
国外学者对工程分包商选择进行了丰富的研究，Carrie Sturts Dossick指出针对施工过程中总承包商与分包商之间出现关于工作进度的冲突问题，需要在选择分包商时针对分包商工作的进度安排多作考虑和沟通[1]；David Ardit指出分包商的选择是分包工作过程中重要的环节，在选择分包商时需要关注生产技术、费用、付款的方式、安全保障等因素[2]；Sergio Maturan指出，如果单纯以最低价原则选择分包商，这样会大大降低工程的质量和客户的满意度，在选择、评价分包商的时候应该考虑质量、安全、进度和环境等指标[3]；Creed S.J.Eom通过对建筑行业进行研究发现，从各自利益出发总承包商和分包商都乐于建立合作伙伴关系，然后从分包商财务能力、服务质量、管理水平、学习改进能力这几个方面来考虑评价分包商[4]；Andreas Hartmann研究了新加坡建筑行业的发展以及分包商的影响，指出在分包商选择时价格因素应该排第一位，其次再考虑质量、协作等其他因素[5]；S.Thomas Ngaz指出对分包商的考核应该从财务能力、履约守法能力、技术能力、员工工资支付情况、工程承揽能力、与其他分包商合作的能力、沟通能力、机械设备配置情况等方面来考虑[6]；Gokhan Arslan提出分包商选择可从四个方面考虑并进行细化，主要考虑质量、时间、成本、资源配置[7]；H.Randolph Thomas指出选择合适的分包商应该重点考虑如施工质量是否能保证、约定的工期时长是否能保证、是否配备具有相关能力的专业人员、人员安全是否能保证等这些能确保顺利完成项目施工作任务的能力指标[8]；D.J.Watta等对分包商选择指标的相关文献的关键字进行频率统计，结果表明出现频率较高的指标为公司管理水平、施工方案、过往历史业绩、管理人员的能力、报价、工作承受能力、技术能力[9]；Hemanta Doloia对承包商与工程项目能否成功的关系进行研究后指出，承包商的质量标准、技术能力、施工方案、工期把控能力是选择承包商最应该考虑的因素[10]。
...............................
2相关概念、理论和技术
2.1分包商和分包商选择概念
分包商，指承包商将承包的一个合同项目中的一个部分所给予的人或企业。每个分包商收取的费用金额低于总承包商收取的费用。一般来说分包商处于工程建设项目的供应链的下游，我们可以根据其对工程建设项目供应链的影响大小，将分包商分为核心分包商和非核心分包商。
分包商选择是指针对工程项目具体情况挑选最合适的承包商将项目的部分工作分包出去，目的是为了在规定的工期内以满足项目及规范要求的质量标准进行准时交付。一般在项目建设过程中有两种选择分包商的方式：第一种是由总承包商按照我国法律法规要求程序根据实际情况自主选取分包商，这种方式较为灵活，被称为一般分包商；第二种是由业主进行指派的分包商，即指定分包商。项目中的具体分包项目采取哪种方式来选择，通常都会在合同中进行说明。因为指定分包商的选择局限性较强不利于研究的开展，本文主要研究一般分包商的选择。下面文章中所指的分包商统一为一般分包商。
..............................
2.2大数据理论
2.2.1大数据概述
大数据，也称为巨量数据，指的是所涉及的数据无法通过主流软件工具，在较短时间内达到采集、管理、处理、并整理成为帮助企业经营决策目的的信息。大数据是泛指为决策问题提供服务的数据集、大数据处理技术及大数据应用的总称[56]。大数据技术是指从各种不同类型的数据中快速获得有价值信息的能力。数据分析是指收集数据、处理数据、获取信息的整个过程。具体地说，通过数据分析，我们可以将隐没在杂乱无章的数据中的信息集中、萃取和提炼，进而找出所研究对象的内在规律[57]。大数据技术就是通过数据采集、存储、处理、分析等技术，将大量的原始数据转化成有效和有价值的信息，从而实现信息价值增值的过程[58]。大数据技术的意义不在于拥有庞大的数据信息，而在于对这些数据进行专业化处理得到有价值的信息。也就是说，大数据产业实现盈利的关键在于提高对数据的加工处理能力，通过专业的加工挖掘数据的价值，实现数据的增值。
大数据具备4个基本特征：
(1)数据的体量大。据相关资料表明，搜索引擎百度网站每天提供的数据超过1.5PB，而到目前为止人类生产的所有纸质印刷材料的数据量仅为200PB。
(2)数据的类型丰富。数据类型主要有非结构化数据、结构化数据、半结构化数据，格式多为：文本、图片、视频、音频、地理位置信息等，个性化的数据占比较大。
(3)数据的处理速度快。大数据一般在分布式文件处理服务器上处理，目前拥有成熟的离线、实时数据处理技术，可以较快的从海量数据中获取到高价值的信息。
(4)数据的价值密度低。数据量大不代表数据价值高，在一小时的视频中有用价值的数据片段可能仅仅只有一两秒。
.......................
3 大数据下基于机器学习的分包商选择框架 .................... 20
3.1 工程分包商选择过程现状和问题分析 ........................... 20
3.1.1 工程分包商选择现状 ................................. 20
3.1.2 工程分包商选择存在的问题分析 ...................... 22
4 基于K-means算法的分包商评级研究 ................................. 34
4.1 分包商评级特征提取 ................................. 34
4.1.1 特征提取 ........................................ 34
4.1.2 评价等级划分 .................... 36
5 基于BP神经网络的分包商选择模型 ........................ 43
5.1 工程分包商选择指标体系构建 .............................. 44
5.1.1 指标体系 .................................. 44
5.1.2 指标描述与量化 ....................................... 46
6大数据下基于机器学习的分包商选择方法在某市政工程上的应用
6.1某市政工程分包商选择案例介绍
6.1.1某总承包公司介绍
工程管理论文参考
南京**集团公司成立于2002年，注册资金30000万元，公司位于江苏省南京市，主要经营项目：土石方工程、道路排水工程、桩基础工程及建筑、绿化工程施工、装璜、建筑物拆除。公司在2004年取得市政公用工程施工总承包叁级资质，2011年取得市政公用工程施工总承包贰级资质，2014年取得市政公用工程施工总承包壹级资质，并且通过了ISO9001质量管理体系认证、ISO14001环境管理体系认证以及GB/T28001职业健康安全管理体系认证。公司现有员工350人，其中高级职称10人，中级职称70人，一级建造师12人，二级建造师22人，小型项目管理师4人。工程机械有履带式挖机11台，轮胎式挖机2台，凿岩破碎机8台，140推土机4台，160推土机6台，三轮静压18-21T压路机及震动压路机各5台，20T自卸汽车20辆，洒水车3辆，5T加油车1辆等。
公司坚持诚信第一、安全第一、质量第一的理念，致力于建设诚信企业。秉承“优质、高效”的服务意识服务于社会，坚持发扬“艰苦创业，团结拼搏，争创一流”的创业精神，本着“互惠互利，携手发展”的原则，愿与各界朋友精诚合作，携手共进，共创精品工程。
............................
7总结与展望
7.1总结
大数据背景下基于机器去学习的分包商选择的主要内容是将大数据、数据仓库技术、机器学习技术应用到分包商选择业务场景，进行科学、客观的分包商选择方案设计，目的是为了帮助企业能够更加高效和科学地开展分包商选择工作，建立一套较为系统科学和客观有效的分包商选择机制，为分包商的选择过程提供决策支持。
本文从总承包商的角度出发选择典型的总承包商作为分析对象，首先，梳理了工程分包商选择、大数据应用和机器学习应用相关的国内外研究情况，并详细介绍了工程分包商、分包商选择、数据仓库技术、机器学习的相关概念和理论，通过访谈、实地调研梳理了某总承包企业工程分包商选择所面临的问题。其次，基于企实际情况提出大数据下基于机器学习的分包商选择方案，主要包含：构建面向分包商选择的数据仓库，主要从体系结构设计、数据源分析、ETL等方面进行了详细的阐述；使用K-means聚类算法从分包商的合作意愿度、交付能力、公司实力评价三方面对分包商进行分类，在已存在的历史分包商数据基础上进行评级分析；构建基于BP神经网络的工程分包商选择模型，主要从分包商选择指标体系构建、数据处理、确定神经网络结构、模型训练等方面进行了详细说明。最后，将大数据下基于机器学习的分包商选择方法应用在某市政工程分包商的选择实践中，阐述了方法的实施步骤，并对实施效果和以往的做法进行优劣对比，结果表明新的方法使得总承包商与分包商形成一种相互协作的合作方式，该方法一定程度上能够解决分包商选择面临的数据获取难、过程复杂、实施周期长等问题。
参考文献（略）