В статье рассматривается проблема низкой сопоставимости отчетности в информационных системах строительного контроля, возникающая вследствие семантической неоднородности и структурной разобщенности справочников объектов, видов работ, материалов и дефектов при эксплуатации гетерогенных цифровых платформ. Показано, что накопление записей без жесткой валидации на этапе ввода формирует высокую энтропию данных: дубли, опечатки, вариативные сокращения, транслитерация и профессиональный сленг превращают массивы исполнительной документации в труднопригодный для автоматизированного анализа ресурс и создают семантический разрыв при интеграции с информационным моделированием. На основе системного анализа больших выгрузок из облачных платформ за 2019-2023 годы с применением статистических подходов и методов теории множеств предложен и апробирован инструментарий нормализации, сочетающий нечеткое сопоставление строк (редакционное расстояние, мера Жаккара) с токенизацией и лемматизацией, адаптированными к строительной морфологии; результаты автоматической кластеризации подтверждены экспертной верификацией. Количественные показатели демонстрируют критическую избыточность номенклатуры материалов: для арматурного проката среднее число вариаций написания на одну реальную позицию превышает сотню, что делает агрегирование прямыми запросами методологически некорректным без предварительной дедупликации. Для дефектов выявлена высокая доля нечеткой семантики и значимые значения индекса семантической энтропии, особенно в отделочных работах, что приводит к недопустимо высокой вероятности ошибок автоматической классификации. Нормализация справочников и переход к мастер-данным обеспечивают существенный прирост производительности аналитических сценариев за счет замены строковых сравнений на операции по идентификаторам и индексам, радикально снижая время отклика, нагрузку на вычислительные ресурсы и объем передаваемого трафика. Обоснована управленческая и правовая значимость унификации данных: сокращаются итерации согласования актов, уменьшается доля отклонений по формальным признакам, повышается юридическая определенность электронных документов и формируются предпосылки для внедрения предиктивной аналитики и отраслевых онтологий, необходимых для доказательного управления качеством строительства.
The article addresses the problem of low reporting comparability in construction control information systems, arising from semantic heterogeneity and structural fragmentation of reference directories of objects, types of work, materials, and defects when operating heterogeneous digital platforms. It is shown that the accumulation of records without strict validation at the input stage generates high data entropy: duplicates, typos, variable abbreviations, transliteration, and professional slang transform arrays of as-built documentation into a resource that is difficult to use for automated analysis and create a semantic gap during integration with information modeling. Based on a systems analysis of large-scale exports from cloud platforms for 2019-2023 using statistical approaches and set theory methods, a normalization toolkit is proposed and tested, combining fuzzy string matching (edit distance, Jaccard measure) with tokenization and lemmatization adapted to construction morphology; the results of automatic clustering are confirmed by expert verification. Quantitative indicators demonstrate critical redundancy in material nomenclature: for rebar products, the average number of spelling variations per actual item exceeds a hundred, making aggregation by direct queries methodologically incorrect without prior deduplication. For defects, a high proportion of fuzzy semantics and significant values of the semantic entropy index are identified, especially in finishing works, leading to unacceptably high probabilities of errors in automatic classification. Normalization of reference directories and transition to master data provide a substantial increase in the performance of analytical scenarios by replacing string comparisons with operations on identifiers and indexes, drastically reducing response time, computational resource load, and transmitted traffic volume. The managerial and legal significance of data unification is substantiated: iterations of act approvals are reduced, the share of rejections on formal grounds decreases, legal certainty of electronic documents increases, and prerequisites are formed for implementing predictive analytics and industry ontologies necessary for evidence-based construction quality management.