Leveraging Big Data in AEC Decision-Making: A Governance Framework

Abstract

This study explored deficiencies in data governance frameworks within the architecture, engineering, and construction (AEC) sector, focusing on their alignment with the operational and technological requirements for managing big data. Semi-structured interviews were conducted with AEC professionals using a qualitative generic inquiry approach to examine the challenges of data integration, quality assurance, security, and alignment with task requirements. The thematic analysis of the interview data identified persistent issues, including fragmented data integration, inconsistent data quality, inadequate security measures, and a lack of task-specific governance tools. This study applied Task-Technology Fit (TTF) theory to evaluate the alignment between existing governance frameworks and the dynamic demands of AEC projects. The findings demonstrated that misalignments in governance practices impede decision-making processes, reduce operational efficiency, and increase project risks. This study extended the application of TTF theory by emphasizing its relevance in designing governance frameworks that better support big data management in the sector. This study contributes to the academic discourse by underscoring the critical role of tailored governance frameworks and proposing practical improvements for industry stakeholders. Recommendations include standardizing data formats, enhancing quality assurance practices, strengthening security protocols, and developing task-specific tools. The study also identified opportunities for future research, such as exploring the integration of emerging technologies, such as blockchain and artificial intelligence, expanding the geographic scope, and adopting mixed-methods approaches to validate findings. By addressing key deficiencies in data governance, this study provides actionable insights for improving project outcomes and operational efficiency within the AEC sector, while establishing a foundation for future investigations into innovative governance strategies.

Alternate abstract:

Cette étude explore les insuffisances des cadres de gouvernance des données dans le secteur de l’architecture, de l’ingénierie et de la construction (AEC), en mettant l’accent sur leur alignement avec les exigences opérationnelles et technologiques de la gestion des mégadonnées. Des entretiens semi-structurés ont été menés auprès de professionnels de l’AEC en utilisant une approche qualitative d’enquête générale pour examiner les défis liés à l’intégration des données, à l’assurance qualité, à la sécurité et à l’adéquation avec les exigences des taches. L’analyse thématique des données d’entretien a révélé des problèmes persistants, notamment une intégration fragmentée des données, une qualité de données incohérente, des mesures de sécurité insuffisantes et un manque d’outils de gouvernance adaptés aux tâches spécifiques. Cette étude applique la théorie de l’adéquation tâche-technologie (Task-Technology Fit - TTF) pour évaluer l’alignement entre les cadres de gouvernance existants et les exigences dynamiques des projets AEC. Les résultats montrent que les désalignements dans les pratiques de gouvernance entravent les processus de prise de décision, réduisent l’efficacité opérationnelle et augmentent les risques liés aux projets. Cette étude étend l’application de la théorie TTF en soulignant son importance dans la conception de cadres de gouvernance mieux adaptés à la gestion des mégadonnées dans le secteur. Elle contribue au débat académique en mettant en avant le rôle crucial des cadres de gouvernance sur mesure et en proposant des améliorations pratiques pour les parties prenantes de l’industrie. Les recommandations incluent la standardisation des formats de données, le renforcement des pratiques d’assurance qualité, le durcissement des protocoles de sécurité et le développement d’outils spécifiques aux tâches. L’étude identifie également des pistes pour de futures recherches, notamment l’intégration des technologies émergentes comme la blockchain et l’intelligence artificielle, l’élargissement du champ géographique et l’adoption d’approches mixtes pour valider les résultats. En abordant les principals insuffisances de la gouvernance des données, cette étude fournit des recommandations exploitables pour améliorer les résultats des projets et l’efficacité opérationnelle dans le secteur AEC, tout en établissant une base pour de futures recherches sur des stratégies de gouvernance innovantes.