造价师/评估师培训：010-82146681
联盟会员/机构评定：010-82146682
业务合作咨询：010-82586972
E-mail：bscea@bscea.org
优秀实践案例（2023）丨人工智能辅助信息化建设项目预算编审-北京中基数联科技有限公司
点击：时间：2024-10-17
一、案例概况
（一）案例背景
2013年，原集团结合当时信息化建设项目造价管理现状，提出《信息化建设项目计价与取费办法》（以下简称《计价办法》）的研究编制，用以指导集团及所属子（分）公司信息化建设过程中进行合理计价和取费，并于2014年11月27日开始发布使用。该《计价办法》应用以来，集团信息化建设项目的执行情况和实际应用效果良好，不仅为集团信息化项目立项阶段的投资决策提供了依据，也为项目实施阶段的投资管控提供了有力的手段，《计价办法》的应用有效提高了信息化建设项目投资成本的利用率。于2021 年完成了一期项目，主要工作就是修订了《信息化建设项目计价与取费办法》，调整了人月费率等影响因素。
随着信息化技术的快速发展，信息技术已广泛应用到集团各个产业领域，集团及子（分）公司信息化投资规模在不断加大，信息化建设广度和深度也在逐步扩大。为响应“精益管理”要求，破解IT系统应用软件开发工作量评估难题，在国家标准功能点评估基础上，创新性地借助智能软件度量系统，提出“需求导向”的工作量评估理念，借助大数据、机器学习相关领域知识，通过系统从制度、流程等不同层面对工作量评估方法体系进行了创新性研究，提高工作效率。
（二）面临问题
2021年一期项目修订了《计价办法》，用以指导集团及所属子（分）公司信息化建设过程中进行合理计价和取费，但是在实际信息化项目报审工作过程中面临一些亟待解决的问题：
1、信息化建设项目预算审核缺乏配套辅助工具，人工审核花费时间较多且可能存在不同人员规则掌握尺度不一的问题，故需要辅助工具用以提高审核效率。
2、集团信息化建设项目预算申报、审核等明细数据分散在各信息系统中。进行数据分析时，需人工收集数据，很难实时监控信息化项目预算情况，数据量大时还容易出错，对集团信息化项目管理持续改进不利。
3、为保持信息化建设项目预算审核工作在行业内的先进性，更加客观、科学、高效地编制信息化建设项目的预算，亟需配套管理工具、费用自动化计算工具和算量模型以使信息化建设项目预算报审和审核工作更为顺利。
（三）项目目标
1、开发配套管理工具、费用自动化计算工具和算量模型，以提高审核效率，保持一致的审核尺度，使信息化建设项目预算报审和审核工作更为顺利。
2、建立集团信息化项目数据库，对项目成本的要素进行实时监测与定量分析，达成实时发现项目隐患、周期性进行数据分析的目标。
二、实施方案
（一）集团现状调研
梳理集团从概算、预算到结算各个阶段费用申报、评审现有流程、制度；
梳理集团项目管理各阶段各部门职责与工作流程；
访谈集团项目和费用管理相关部门各职级人员，了解目前流程、制度执行过程中的情况，了解各方的管理诉求。
（二）编制项目实施方案
进行前期项目情况调研，编制本项目实施方案，确定人工智能辅助编审工具功能。实施方案如下：
1、项目准备及调研阶段
a)建立清晰的项目目标，明确项目范围与实施内容；
b)建立项目组织结构，明确人员分工；
c)结合项目目标和内容，开展内外部调研工作。
2、编审规则，审核规则建立阶段
a)对历史问题以及使用人员反馈的问题进行分析，研究问题分类；
b)建立审核规范从而形成审核规则。
3、编审模型构建以及工具研发阶段
a)历史数据收集及分析管理
b)审核规则实现以及编审审核模型构建
c)建立模型优化以及评估过程
d)建立预算编审工具
4、项目总结验收
（三）智能辅助编审工具主要功能
智能辅助编审工具主要功能包含在线流程管理、智能识别及辅助审核、预算综合管理、功能项问题管理、自定义规则管理、专业词库管理、功能智能识别/审核、预测模型管理和统计分析。
（四）历史数据采集分析
历史数据采集与分析主要包含数据采集、数据清洗、数据分析与模型制定、模型回归等步骤
数据采集：根据集团现有项目现状，编制数据采集模板，收集各系统历史项目数据。收集数据包括各项目基本情况、实施周期、工作量数据等。最后对收集来的数据进行规格化处理。
数据清洗：收集的项目信息数量并不大，故使用Excel存储数据，数据清洗也是通过人工进行。对项目信息进行初步分析，去除异常项目数据、纠正错误数据、去除重复数据等。
数据分析与模型制定：项目历史数据分析主要采用分位数、散点图、相关性、偏离度等方法制定工作量模型。
基于收集到的项目历史数据数量考虑，使用分位数确定项目生产率，计算各系统生产率数据后，暂取生产率数据P50值作为估算模型生产率。绘制散点图观察各项目实际数据在模型中的分布，计算数据相关性和偏离度以确定模型是否可用。
模型回归与调整：使用暂定模型重新测算各项目工作量，与原始数据进行对比分析，结合集团管理要求对模型进行微调。经对比性分析后最终确定工作量评估模型。
（五）建立功能点审核规则
对历史数据研究中的优秀案例，以及存在的问题进行整理，作为审核规则建立的基础资料；
调研申报人员以及审核人员在申报以及审核中遇到的问题，优化建议等，建立审核规则的参考资料；
对这些历史问题以及使用人员反馈问题进行分析，研究问题分类，建立审核规范从而形成审核规则。
（六）构建智能辅助编审模型
通过需求自动识别功能点五要素，提升需求质量。借助机器学习，人工语言处理相关计数辅助审核功能点清单合理性，帮助审核人员初步判断功能点识别合理性，有效地提高了审核效率。
建立估算模型：对不同类型的项目建立各自的生产率基线，利用不断优化的生产率因子数据确保工作量估算结果更加准确。必要时，可针对不同类型项目进行回归分析，以建立更为准确的估算方程；
模型持续优化与改进：按照既定策略，结合统计过程控制方法，对相关数据进行试算分析，必要时再次进行异点排除并重新计算，从而获得可信的分析结果，并根据分析结果对估算模型持续改进是非常必要的。
（七）开发智能辅助编审平台工具
建立历史语料管理：机器学习模型、深度学习模型以及其它模型训练以及验证的数据来源。针对不同行业功能点术语也会有一定的差异，工具针对模型训练样本集建立独立的训练样本集，用于模型训练；建立独立验证样本集，用户训练模型结果的评估，用户可以根据不同的验证样本集验证训练结果；
对于中文语义的多样性，行业内术语可能会分词错误从而导致模型训练效果有所不同。因此，对于不同的行业建立各自的自定义词库是模型训练的基础，这样可以消除分词在行业之间的差异进而提升模型准确率；
系统内置机器学习方法（比如SVC支持向量、逻辑回归、朴素贝叶斯、梯度提升树）以及基础神经网络模型。模型训练完成后，对模型进行评估分析，通过数据切片用户可以方便地了解模型训练的效率与样本数量的关系。通过模型筛选，当准确率达到要求后，可以用于辅助功能点识别/审核任务。
模型结构如图所示，主要包括语料处理，分词处理、特征变换、分类模型选择与参数检索层以及模型评估。其中，每个层的作用简要介绍如下：
语料处理层，用于对原始语料数据去重，消除语义歧义，去除停用词，对标点符号比如句号、逗号以及括号等进行处理分词处理层，该层用于对经处理后的语料句子进行短语分词，拆分成词素单元，用于下一步特征向量化处理；
特征向量化处理层，该层通过 NLP 技术对分词后的词素列表进行向量化转换，以便计算机识别与计算处理；
分类模型选择层，该层包括普通机器学习方法和神经网络分类器的选择，不同的模型训练准确率以及训练速度有一定差异，需要根据实际语料大小以及准确率要求进行选择；
模型参数检索层，该层通过网格搜索以及交叉验证等方法进行模型最优化的参数选择；
模型的评估层，该层是对模型优劣的评估验证层，测试模型对新数据的泛化能力。
三、实施成效
（一）项目亮点
项目结合集团信息化建设项目业务领域多、跨区域广、实施方式不同等特点，通过征集集团各部门、各子（分）公司意见，规定了集团信息化建设项目各科目费用的计价依据、计价原则和计价标准并配合完成了相关工具的开发，整体上具有如下亮点：
1．结合大数据以及人工智能技术，从历史语料中提取审核规则，对数据进行沉淀，从而对数据进行资产化，达到对历史数据的价值挖掘；
2．对历史数据进行分析，提炼出编审审核规则，并通过这些规则辅助进行项目的审核，可以提高审核人员的审核效率；
3．结合机器学习，建立模型，自动创建审核报告，提高项目审核效率；
4．建立企业的信息化项目数据库，针对项目成本的要素进行定量分析；
5．同时可以借助工具建立数据反馈机制，建立过程改进体系。
（二）项目应用成效及价值
通过智能辅助编审工具的部署应用，集团及子（分）公司借助工具完成工作量初步审核，有效的提高了审核工作效率、统一了审核标准，同时促进需求编写更清晰、开发实施更高效、开发质量更可控。
1、工具审核
借助工具完成功能点清单的初步审核工作、提高审核效率，降低审核出错率。
2、统一标准
统一审核过程及标准，明确需求及其明细文档质量，确保沟通顺畅，同时带动软件开发和管理过程中的设计、工程、测试验收文档质量提升，使开发全过程有统一的标准。
3、积累数据
通过问题规则、识别规则的管理，积累审核数据，对高质量数据进行后续训练，提高模型识别准确率。保证总成本最优、效率最高、质量有保障；对供应商来说，明确需求范围及边界，回归软件开发本质，开发质量更高。
四、客户评价
通过软件规模度量体系建设项目实施，在我司内部建立起了一套可推广使用的软件规模度量定制化模型和方法，并已普遍应用到IT新项目立项的工作量评估中，为IT精细化管理奠定科学基础，解决了绩效考核、内部核算、需求定价、项目变更、项目外包、项目估算等方面的实际问题。
