人家手裡的是BIM，你手裡的是BM

你好，這裡是BIMBOX。

提到BIM中的Information，也就是信息，也許你馬上能想到，點擊一個構件，就能看到它的尺寸大小、屬性、成本等等，但信息的範疇還遠遠不止於此。

首先需要注意的是，信息不等於數據。

無論你需不需要，數據都存在，只不過存在形式可能是離散的。而信息，是為了特定的目的，回答特定的問題，把數據以特定的方式組織到一起。

最重要的是，人首先得提出問題，才能得到信息。

軟體把數據組合成有用的信息，有三個重要的手段，它們是結構化、可視化、和關聯性。

有點兒暈是吧？舉個身邊的例子給你說清楚。

從支付寶說起

假設你絕大多數的消費都用支付寶，那你點開支付寶賬單，會看到一長串的消費記錄，這些消費記錄平躺在那裡，你什麼信息也得不到。

下面我們開始提問題。

如果你問自己，10月份我花了多少錢？這個問題的答案很容易得到，點擊一下按月份篩選就知道了。

軟體在這背後做的工作，用的就是數據處理的第一個手段，結構化。說白了，就是把數據編成一張表格，回答這個問題需要兩列的表格，第一列是時間，第二列是金額。

有這麼一張表，你就能提取任意一個時間段的總消費金額。當然，這張表格你是看不見的，編表格這個工作支付寶幫你做了。這張表格只有從上到下一個方向，它是一維的。

如果你想進一步追問，10月份我花了多少手機費？

要回答這個問題，一維的表格就不夠用了。你得在表格上加一個橫向維度，變成二維的表格。這樣你就能分別按時間和按類別來篩選出金額，再求和得到答案。

這個工作也由支付寶代勞，你需要點擊按類別篩選，就會看到答案。

你要是再想從10月份的手機費里找到更精確的分類，支付寶就沒再提供這樣的功能了，但你能想像一下，還需要再加一個維度，讓它成為一個三維的表格才行。

表格上每加一維度，你能得到的信息就越精確。這些互相垂直的維度，也就是BIM里經常說的5D、6D等等。

支付寶提供給你的，就只有上邊說的這幾個維度。但作為產品背後的公司，卻可以收集非常多維度的數據，比如年齡、地區、性別等等，它可以把海量的數據加工，得到更高維度的信息答案，比如「北京中年男性更喜歡在秋天購買什麼東西」？這就是大數據挖掘了。

說完了結構化，咱們說說數據的可視化。

下面，你想進一步問個問題：「我今年是花錢越來越多，還是越來越少？」

當然，你可以把每個月的消費記錄都看一遍，但這樣很花時間。換一種方式，點擊一下消費趨勢按鈕，一條曲線就直接呈現在你面前了。

這當然也是軟體幫助你進行統計計算後得到的走向圖，它的背後還是表格。但你不需要看見這張表，甚至不需要看任何數字，是不是一目了然得到答案了？

同樣，你可以用餅狀圖來直觀的知道自己是線上消費多還是線下多？

不需要人腦計算數據，直接通過圖形得到答案，這就是可視化帶來的效率提升。

最後說說關聯性。

首先是提供便利，減少輸入工作。

你使用支付寶，實際上沒有單獨花時間記賬，卻能免費得到一個賬單。隨著你每次消費，軟體會自動把時間、金額、消費類別等數據記錄下來，供你隨時調用。

關聯性的另一個作用，就是信息可追溯。

比如老婆問老公，你這一年怎麼攢不下來錢？

這老公要是是把賬目寫在本子上，今天支出500，明天支出800，那這一年下來可就說不清楚了。

在支付寶里，兩口子可以點開每一筆支出，每一筆消費數據都關聯在購買記錄——甚至是物流信息、收貨信息上，老公不能隨便編出一項開支，老婆也沒法否認開支，對於總支出的金額也就不會扯皮了。

你想改動信息背後的某一項數據，會有其他的數據跟著改動，甚至有的數據根本不能單獨改動，這可以讓人通過一個明顯的信息錯誤來發現另一個隱藏的信息錯誤，這也是關聯性的作用。

咱們來總結一下從數據到信息的特徵：

? 數據一直都在，軟體不會憑空創造數據，即便你不用支付寶而使用現金，你每次的消費數據也存在不同的商家那裡，只不過你想重新組織它們會花更大的成本。

? 信息不是天然存在的，要把數據組織起來，才能「挖出」信息。特定的軟體只會提供特定的組織方式和維度，沒有 軟體是萬能的。

? 生成信息不一定靠軟體，你可以用紙筆記賬，但你想組織數據挖掘出信息，會花大量的時間，軟體的作用是用關聯性、結構化和可視化的方式，提高獲得信息的效率和準確性。

? 在得到信息之前，你一定要先問一個問題。如果你提不出問題，除了得到看起來比較炫的圖形，數據對你來說就沒有意義。

到這兒，你對信息是不是有些新的認識了？

BIM中的Information

咱們繼續聊回到BIM中的信息，它同樣符合上面說的特點。咱們來舉幾個例子說明。

比如在規劃階段，你用概念體量創建了這麼一個異形的樓，按照標高來分割樓層。除了出幾張炫酷的渲染圖，體量在模型層面的作用就結束了。

但你可以問這樣一個問題：如果我想讓這棟樓的商用面積和居住面積大體相等，該怎麼劃分樓層？

這時候你可以通過明細表統計一下體量樓層的面積，這一步是把數據結構化了。

不過還是沒得到你想要的答案，你可以把結果導出，通過簡單的公式計算，在Excel里獲得這樣的圖表：

答案是不是馬上就得到了？這一步，是數據的可視化。

後來方案變更，這個體量的形體發生變化了，每一層的面積也變化了。傳統的設計方式，你還需要把每一層的面積單獨算一次，重新做表格；而在BIM里，這一步的工作由軟體代勞了，隨著形體的變化，你可以直接無縫得到這張新的圖表，樓層劃分方案就需要重新調整了，這就是關聯性。

再舉個例子，比如你做好一棟建築，畫好了門窗之後，沒有疑問的話，就沒有什麼信息能給你了，最多可以加上日光路徑出一張比較炫的分析圖，但也沒什麼用處：

但如果你問一句：這窗戶開這麼大合理嗎？這樣排布採光會不會有問題呢？需不需要加設室內燈光呢？

你可以通過一套演算法來對室內各個角落的光照度進行計算，但想要更高的效率，你可以設置好項目位置、時間、天空模型等信息，利用雲渲染的功能得到這樣的圖：

圖片左側是照度分析，右側是真實渲染，左下角則是照度從暗到明的圖例。這張圖片背後是一個長長的結構化數據表格，有四列數據，分別是每個點的XYZ坐標值，以及這個點的照度計算值。

但你不需要看到那張表格，甚至不需要知道照度的計算方式，從可視化處理後的圖上就能直觀的看到什麼地方該加窗戶，什麼地方該加燈。

再舉個例子。

Revit會自動給由牆和板封閉起來的區域加上一個叫空間的屬性，你可以通過分析板塊中的「熱負荷和冷負荷」模塊，來設置每個空間的功能、人員密度、照明需求、加熱和製冷的溫度控制等等信息。

通過這些數據的設置，軟體會幫你算出建築性能分析表，給你一份能耗分析報告，進而幫你優化空間的區分，指導照明和暖通設備的設計。

這種分析、計算、模擬、優化的工作，在傳統的工作方式中叫做CAE，它的歷史比BIM悠久得多，只不過原先因為CAD軟體無法提供它所需要的數據，無法跟設計同步進行，一般都是在整個設計完成後，再用單獨的軟體來做，達不到指導設計的效果。

而BIM則是把CAE工作整合到設計流程中，把它需要的底層數據直接整合到構件屬性里，用關聯性來提升了分析模擬的效率。

像Revit這樣的軟體，有大量把數據加工成信息的功能。這些數據全部都藏在每一個族的族參數里。

比如一個簡單的風管族，就有尺寸、風壓、摩擦、流量、損耗係數等等幾十個參數，只要是參數，就都可以像之前咱們說的樓層面積一樣，進入明細表進行計算，也有一些參數是在加入了風系統之後，和其他構件的參數互相關聯進行更高級的計算。

比如你可以查看某一套風系統的壓力損失報告，看看自己的風管尺寸是不是合理？是不是拐彎太多了？

可能你覺得這個太複雜了，那咱們換個簡單的例子。

你想問這樣一個問題：我畫的風管凈空是不是都滿足要求呢？

想解決這個問題，一個辦法就是統計一下風管的高程表，排查有沒有凈空不滿足的情況，不過還有更簡單的辦法，就是用可視化的手段，給風管加入一個顏色圖例，設置好關鍵高程的數值和顏色：

你看，哪裡的風管凈高出了問題，是不是一眼就看出來了？

上面這些說到的是設計階段和深化階段提出的問題和獲得的信息。到了施工階段，人們提出的問題不一樣了，所需要的數據和加工數據的方式自然也就不一樣。

比如經常說的5D動畫，單獨一個動畫，實在是沒什麼用，但動畫背後實際上是一個結構化的數據表格，有三維是構件的XYZ坐標，一維是時間信息，一維是成本信息，還有一維是構件的類別信息。

如果你提出這樣一個問題：「10軸到12軸的土建部分，在下個月10號之前，需要準備多少資金來買水泥？」

這實際上就和一開始咱們說的支付寶的例子里，「我這個月充了多少手機費？」那個問題一樣，只不過需要的數據維度多了幾個。這些數據被儲存在軟體里，可以按照任意的維度進行切割，調出你要的那一部分，變成對你有用的信息。

關於信息該怎麼應用的例子還有很多，咱們就不展開一個個說了，它們背後的道理是相通的，來給你總結一下：

? 在BIM模型里，數據以參數的形式存放在最基礎的單位——族裡面（以Revit為例）。

? 參數是彼此關聯的，你改變了風管的尺寸和走向，那對應風系統的一系列分析結果都會自動跟著變化，這既能提高分析效率，也能幫助你發現錯誤。

? 結構化是數據成為信息的基礎，你看到一切炫酷的應用，背後都只不過是一系列的表格。即使像照明分析功能呈現的是可視化的結果，但背後還是數據表格。

? 不同的人對信息的需求是不一樣的，設計師關注分析和計算信息，翻模人員關注空間和形體信息，施工單位關注成本和進度信息，運維單位關注更新和維護信息。不同人的關注點沒有高低之分，區別只是需要的數據不同，加工數據的方式不同。

? 無論在哪個環節，數據都躺在模型里，沒有任何意義，只有特定的人尋找特定答案的時候，數據才會被整合成信息。比挖掘數據技能更重要的，是提出問題。

國內的現狀是模型用的多，信息用的少，原因主要是下面這幾點：

第一，創造數據的人，和需要信息的人，往往不是同一批人。

想要得到一張正確的分析表格，至少需要在建模時把相應的族參數設置好，但建模的人不需要這張表格，在沒人額外付費的情況下，就不願意花費更多的成本。

第二，提出問題和找出答案，要付出更多的學習成本。

在上邊的例子里你能看到，每一個專業想要得到信息都不是軟體自動完成的，需要相關的專業知識背景才能提出問題，更需要深入的軟體學習才能掌握加工數據的方法，這兩者都需要花大量的時間。

第三，很多時候人們根本不需要答案。

除非業主或者項目有更高的要求，設計院設計成熟的項目直接套規範就夠了，翻模人員照著圖作出樣子就夠了，施工單位憑經驗估算就夠了。

對於這三點，對於行業未來該怎麼發展、會怎麼發展，BIMBOX今天不做評論，而是把問題留給你，每個人對未來的思考都是不同的，這也決定了每個人走的路各不相同。

今天的話題聊到這兒就結束了，最後是本月的福利送書時間，如果你有興趣，可以往下看看書里的這個小故事：

英國量子物理學家戴維·多伊奇在讀研究生的時候，參觀天文系同學的工作。他們研究的是一組玻璃負片，恆星和星系在上面呈現為一系列的暗影。

星系在上面的投影實在是太小了，必須拿顯微鏡才能看清。戴維在顯微鏡下不停的移動十字叉絲，眼前划過了一個又一個遙遠的星系。

在觀察某一個星系的時候，戴維突然想到，自己正在看的小黑點，裡面有數以十億計的行星，每顆行星都有自己的季節變換，日升日落。有沒有一顆上面有生命呢？會不會也有天文學家，此刻正在觀察著我們銀河系呢？

戴維對自己的宏大想法有點感動，就抬頭問旁邊的朋友，這個星系有沒有名字？那位朋友看了一眼說，「哦，這個是感光劑上的一個缺陷。」

思維的急劇轉換把戴維逗樂了，突然之間，他看到的圖像里沒有了天文學家，沒有了山川河流，沒有了億萬個世界，他以為是看到過的最大的物體，卻只不過是一臂距離之內的一個微小污點。

戴維又不禁追問自己，等等，我到底有沒有看到星系？所有照片上的其他星系，不也都是一個個黑色斑點嗎？真正的星系，不是在頭頂上方嗎？

人眼的能力太有限了，如果抬頭仰望星空，儘管你和那些星系之間只隔著幾克的空氣，你卻什麼也找不到；而在實驗室里，你和真實的星空隔著的，是一台望遠鏡、一台顯微鏡、一部相機、一間照片處理室，所有這些人造設備隔在中間，反倒讓人把星系團看清楚了。

現在的天文學家從不仰望星空，人造的儀器去觀測人眼看不見的信號，然後把它們數字化，用計算機處理和分析，拿到科學家眼前的，早已不是星星本來的樣子，而是一大堆數字和表格。

每多一層的物理隔離，就需要更高層的知識才能得到信息。每多一層隔離，對於普通人來說，就離星星本來的樣子越遠；而對研究人員來說，反倒離事物的本質更接近——他們能看出星系的距離、溫度和其他性質。

技術已經深深的改變了我們觀察世界的方式——顯示屏上的像素，表格里的數字，這些東西在物理上與星系相差甚遠，它們不由核動力支配，不曾存在了數十億年，但當天文學家看著這些東西的時候，它們就是恆星。

我們的建築信息模型，不也正是如此嗎？

這本書名字叫做《無窮的開始——世界進步的本源》，它是一本能改變你看待世界方式的好書，我們把它連同另外一份禮物作為本月的粉絲卡福利發放，明天給大家公布獲獎人。

這一期就聊到這兒，有態度，有深度，BIMBOX，咱們下次再見！