提到BIM中的「Information」，也就是信息，也许你马上能想到，点击模型中一个构件，就能看到它的尺寸大小、属性、成本等等，但信息的范畴还远远不止于此。
咱们今天就来说说信息的本质。
首先需要注意的是，信息不等于数据。
无论你需不需要，数据都存在，只不过存在形式可能是离散的。而信息，是为了特定的目的，回答特定的问题，把数据以特定的方式组织到一起。
最重要的是，首先得提出问题，才能得到信息。
软件把数据组合成有用的信息，有三个重要的手段，它们是结构化、可视化、和关联性。
有点儿晕是吧？举个身边的例子给你说清楚。
假设你绝大多数的消费都用支付宝，那你点开账单，会看到一长串的消费记录，这些消费记录平躺在那里，你什么信息也得不到。
下面我们开始提问题。
如果你问自己，10月份我花了多少钱？这个问题的答案很容易得到，点击一下按月份筛选就知道了。
软件在这背后做的工作，用的就是数据处理的第一个手段，结构化。说白了，就是把数据编成一张表格，回答这个问题需要两列的表格，第一列是时间，第二列是金额。
有这么一张表，你就能提取任意一个时间段的总消费金额。当然，这张表格你是看不见的，编表格这个工作支付宝帮你做了。这张表格只有从上到下一个方向，它是一维的。
如果你想进一步追问，10月份我花了多少手机费？
要回答这个问题，一维的表格就不够用了。你得在表格上加一个横向维度，变成二维的表格。这样你就能分别按时间和按类别来筛选出金额，再求和得到答案。
当然这个工作也由支付宝代劳，你需要点击按类别筛选，就会看到答案。
你要是再想从10月份的手机费里找到更精确的分类，支付宝就没再提供这样的功能了，但你能想象一下，还需要再加一个维度，让它成为一个三维的表格才行。
表格上每加一维度，你能得到的信息就越精确。这些互相垂直的维度，也就是BIM里经常说的5D、6D等等。
支付宝提供给你的，就只有上边说的这几个维度。但作为产品背后的公司，却可以收集非常多维度的数据，比如年龄、地区、性别等等，它可以把海量的数据加工，得到更高维度的信息答案，比如「北京中年男性更喜欢在秋天购买什么东西」？这就是大数据挖掘了。
说完了结构化，咱们说说数据的可视化。
下面，你想进一步问个问题：「我今年是花钱越来越多，还是越来越少？」
当然，你可以把每个月的消费记录都看一遍，但这样很花时间。换一种方式，点击一下消费趋势按钮，一条曲线就直接呈现在你面前了。
这是软件帮助你进行统计计算后得到的走向图，它的背后还是表格。但你不需要看见这张表，甚至不需要看任何数字，是不是一目了然得到答案了？
同样，你可以用饼状图来直观的回答「我是线上消费多还是线下多」这样的问题。
不需要人脑计算数据，直接通过图形得到答案，这就是可视化带来的效率提升。
最后说说关联性。
首先，关联性能提供便利，减少输入工作。
你使用支付宝，实际上没有单独花时间记账，却能免费得到一个账单。随着你每次消费，软件会自动把时间、金额、消费类别等数据记录下来，供你随时调用。
关联性的另一个作用，就是信息可追溯。
比如老婆问老公，你这一年怎么攒不下来钱？
这老公要是是把账目写在本子上，今天支出500，明天支出800，那这一年下来可就说不清楚了。
在支付宝里，两口子可以点开每一笔支出，每一笔消费数据都关联在购买记录——甚至是物流信息、收货信息上，老公不能随便编出一项开支，老婆也没法否认开支，对于总支出的金额也就不会扯皮了。
你想改动信息背后的某一项数据，会有其他的数据跟着改动，甚至有的数据根本不能单独改动，这可以让人通过一个明显的信息错误来发现另一个隐藏的信息错误，这也是关联性的作用。
咱们来总结一下从数据到信息的特征：
➤数据一直都在，软件不会凭空创造数据，即便你不用支付宝而使用现金，你每次的消费数据也存在不同的商家那里，只不过你想重新组织它们会花更大的成本。
➤信息不是天然存在的，要把数据组织起来，才能「挖出」信息。特定的软件只会提供特定的组织方式和维度，没有软件是万能的。
➤生成信息不一定靠软件，你可以用纸笔记账，但你想组织数据挖掘出信息，会花大量的时间，软件的作用是用关联性、结构化和可视化的方式，提高获得信息的效率和准确性。
➤在得到信息之前，你一定要先问一个问题。如果你提不出问题，除了得到看起来比较炫的图形，数据对你来说就没有意义。
到这儿，你对信息是不是有些新的认识了？
咱们继续聊回到BIM中的信息，它同样符合上面说的特点。咱们来举几个例子说明。
比如在规划阶段，你用概念体量创建了这么一个异形的楼，按照标高来分割楼层。除了出几张炫酷的渲染图，体量在模型层面的作用就结束了。
但你可以问这样一个问题：如果我想让这栋楼的商用面积和居住面积大体相等，该怎么划分楼层？
这时候你可以通过明细表统计一下体量楼层的面积，这一步是数据结构化。
不过还是没得到你想要的答案，下一步，你可以把结果导出，通过简单的公式计算，在Excel里获得这样的图表：
答案是不是马上就得到了？这一步是数据可视化。
后来方案变更，这个体量的形体发生变化，每一层的面积也变化了。传统的设计方式，你还需要把每一层的面积单独算一次，重新做表格；而在BIM里，这一步的工作由软件代劳了，随着形体的变化，你可以直接无缝得到这张新的图表，楼层划分方案就需要重新调整了，这就是关联性。
再举个例子，比如你做好一栋建筑，画好了门窗之后，不提出问题的话，就没有什么信息能给你了，最多可以加上日光路径出一张比较炫的分析图，但也没什么用处：
但如果你问一句：这窗户开这么大合理吗？这样排布采光会不会有问题呢？需不需要加设室内灯光呢？
你可以通过一套算法来对室内各个角落的光照度进行计算，但想要更高的效率，就可以把可视化手段派出来——你可以设置好项目位置、时间、天空模型等信息，利用云渲染的功能得到这样的图：
图片左侧是照度分析，右侧是真实渲染，左下角则是照度从暗到明的图例。这张图片背后是一个长长的结构化数据表格，有四列数据，分别是每个点的XYZ坐标值，以及这个点的照度计算值。
但你不需要看到那张表格，甚至不需要知道照度的计算方式，从可视化处理后的图上就能直观的看到什么地方该加窗户，什么地方该加灯。
再举个例子。
Revit会自动给由墙和板封闭起来的区域加上一个叫空间的属性，你可以通过分析板块中的「热负荷和冷负荷」模块，来设置每个空间的功能、人员密度、照明需求、加热和制冷的温度控制等等信息。
通过这些数据的设置，软件会帮你算出建筑性能分析表，给你一份能耗分析报告，进而帮你优化空间的区分，指导照明和暖通设备的设计。
这种分析、计算、模拟、优化的工作，在传统的工作方式中叫做CAE，它的历史比BIM悠久得多，只不过原先因为CAD软件无法提供它所需要的数据，无法跟设计同步进行，一般都是在整个设计完成后，再用单独的软件来做，达不到指导设计的效果。
而BIM则是把CAE工作整合到设计流程中，把它需要的底层数据直接整合到构件属性里，用关联性来提升了分析模拟的效率。
像Revit这样的软件，有大量把数据加工成信息的功能。这些数据全部都藏在每一个族的族参数里。
比如一个简单的风管族，就有尺寸、风压、摩擦、流量、损耗系数等等几十个参数。
只要是参数，就都可以像之前咱们说的楼层面积一样，进入明细表进行计算，也有一些参数是在加入了风系统之后，和其他构件的参数互相关联进行更高级的计算。
比如你可以查看某一套风系统的压力损失报告，看看自己的风管尺寸是不是合理？是不是拐弯太多了？
可能你觉得这个太复杂了，那咱们换个简单的例子。
你想问这样一个问题：我画的风管净空是不是都满足要求呢？
想解决这个问题，一个办法就是统计一下风管的高程表，排查有没有净空不满足的情况，不过还有更简单的办法，就是用可视化的手段，给风管加入一个颜色图例，设置好关键高程的数值和颜色：
你看，哪里的风管净高出了问题，是不是一眼就看出来了？
上面这些说到的是设计阶段和深化阶段提出的问题和获得的信息。到了施工阶段，人们提出的问题不一样了，所需要的数据和加工数据的方式自然也就不一样。
比如经常说的5D动画，单独一个动画，实在是没什么用，但动画背后实际上是一个结构化的数据表格，有三维是构件的XYZ坐标，一维是时间信息，一维是成本信息，还有一维是构件的类别信息。
如果你提出这样一个问题：「10轴到12轴的土建部分，在下个月10号之前，需要准备多少资金来买水泥？」
这实际上就和一开始咱们说的支付宝的例子里，「我这个月充了多少手机费？」那个问题一样，只不过需要的数据维度多了几个。这些数据被储存在软件里，可以按照任意的维度进行切割，调出你要的那一部分，变成对你有用的信息。
关于信息该怎么应用的例子还有很多，咱们就不展开一个个说了，它们背后的道理是相通的，来给你总结一下：
➤在BIM模型里，数据以参数的形式存放在最基础的单位——族里面。
➤参数是彼此关联的，你改变了风管的尺寸和走向，那对应风系统的一系列分析结果都会自动跟着变化，这既能提高分析效率，也能帮助你发现错误。
➤结构化是数据成为信息的基础，你看到一切炫酷的应用，背后都只不过是一系列的表格。即使像照明分析功能呈现的是可视化的结果，但背后还是数据表格。
➤不同的人对信息的需求是不一样的，设计师关注分析和计算信息，翻模人员关注空间和形体信息，施工单位关注成本和进度信息，运维单位关注更新和维护信息。不同人的关注点没有高低之分，区别只是需要的数据不同，加工数据的方式不同。
➤无论在哪个环节，数据都躺在模型里，没有任何意义，只有特定的人寻找特定答案的时候，数据才会被整合成信息。比挖掘数据技能更重要的，是提出问题。
目前，国内的现状是模型用的多，信息用的少，原因主要是下面这几点：
1. 创造数据的人，和需要信息的人，往往不是同一批人。
想要得到一张正确的分析表格，至少需要在建模时把相应的族参数设置好，但建模的人不需要这张表格，在没人额外付费的情况下，就不愿意花费更多的成本。
2. 提出问题和找出答案，要付出更多的学习成本。
在上边的例子里你能看到，每一个专业想要得到信息都不是软件自动完成的，需要相关的专业知识match背景才能提出问题，更需要深入的软件学习才能掌握加工数据的方法，这两者都需要花大量的时间。
3. 很多时候人们根本不需要答案。
除非业主或者项目有更高的要求，设计院设计成熟的项目直接套规范就够了，翻模人员照着图作出样子就够了，施工单位凭经验估算就够了。
对于这三点现状，对于行业未来该怎么发展、会怎么发展，BIMBOX今天不做评论，而是把问题留给你，每个人对未来的思考都是不同的，这也决定了每个人走的路各不相同。
今天的话题聊到这儿就结束了，最后是本月的福利送书时间，如果你有兴趣，可以往下看看书里的这个小故事：
英国量子物理学家戴维·多伊奇在读研究生的时候，参观天文系同学的工作。他们研究的是一组1800多张的玻璃负片，恒星和星系在上面呈现为一系列的暗影。
星系在上面的投影实在是太小了，必须拿显微镜才能看清。戴维在显微镜下不停的移动十字叉丝，眼前划过了一个又一个遥远的星系。
在观察某一个星系的时候，戴维突然想到，「我会不会是第一个也是最后一个注意到这个星系的人？」
自己正在看的小黑点，里面有数以十亿计的行星，每颗行星都有自己的季节变换，日升日落。有没有一颗上面有生命呢？会不会也有天文学家，此刻正在观察着我们银河系呢？
戴维对自己的宏大想法有点感动，就抬头问旁边的朋友，这个星系有没有名字？那位朋友看了一眼说，「哦，这个是感光剂上的一个缺陷。」
思维的急剧转换把戴维逗乐了，突然之间，他看到的图像里没有了天文学家，没有了山川河流，没有了亿万个世界，他以为是看到过的最大的物体，却只不过是一臂距离之内的一个微小污点。
戴维又不禁追问自己，等等，我到底有没有看到星系？所有照片上的其他星系，不也都是一个个黑色斑点吗？真正的星系，不是在头顶上方吗？
人眼的能力太有限了，如果抬头仰望星空，尽管你和那些星系之间只隔着几克的空气，你却什么也找不到；而在实验室里，你和真实的星空隔着的，是一台望远镜、一台显微镜、一部相机、一间照片处理室，所有这些人造设备隔在中间，反倒让人把星系团看清楚了。
现在的天文学家从不仰望星空，人造的仪器去观测人眼看不见的信号，然后把它们数字化，用计算机处理和分析，拿到科学家眼前的，早已不是星星本来的样子，而是一大堆数字和表格。
每多一层的物理隔离，就需要更高层的知识才能得到信息。每多一层隔离，对于普通人来说，就离星星本来的样子越远；而对研究人员来说，反倒离事物的本质更接近——他们能看出星系的距离、温度和其他性质。
技术已经深深的改变了我们观察世界的方式——显示屏上的像素，表格里的数字，这些东西在物理上与星系相差甚远，它们不由核动力支配，不曾存在了数十亿年，不能孕育生命，但当天文学家看着这些东西的时候，它们就是恒星。
我们的建筑信息模型，不也正是如此吗？
这本书名字叫做《无穷的开始——世界进步的本源》，它是一本能改变你看待世界方式的好书，我们把它连同另外一份礼物作为本月的粉丝卡福利发放，明天给大家公布获奖人。
这一期就聊到这儿，有态度，有深度，BIMBOX，咱们下次再见！
暂无评论
要发表评论，您必须先 登录