智能招投標(biāo)資格預(yù)審技術(shù)的研究與應(yīng)用

候小虎，高晉凱，馮雷，高瑜，于嘉，趙雪松

(國(guó)網(wǎng)山西省電力公司物資分公司(國(guó)網(wǎng)山西招標(biāo)有限公司)，山西 太原 030001)

當(dāng)前，我國(guó)經(jīng)濟(jì)正處在轉(zhuǎn)變發(fā)展方式、優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)、轉(zhuǎn)換增長(zhǎng)動(dòng)能的攻堅(jiān)期。黨的十九大報(bào)告提出，“必須堅(jiān)持質(zhì)量第一、效益優(yōu)先”。作為關(guān)系國(guó)家能源安全和國(guó)民經(jīng)濟(jì)命脈的國(guó)有重點(diǎn)企業(yè)，建設(shè)堅(jiān)強(qiáng)智能電網(wǎng)、打造安全可控的新一代電力系統(tǒng)是國(guó)網(wǎng)公司發(fā)展的固本之要。設(shè)備質(zhì)量是電網(wǎng)安全穩(wěn)定運(yùn)行的物質(zhì)基礎(chǔ)，“選好選優(yōu)”設(shè)備是實(shí)現(xiàn)質(zhì)量強(qiáng)網(wǎng)、推動(dòng)發(fā)展質(zhì)量轉(zhuǎn)型的關(guān)鍵。

為進(jìn)一步提升物資采購(gòu)質(zhì)量關(guān)的把控，提高采購(gòu)效率效益，壓減供應(yīng)商數(shù)量、優(yōu)化供應(yīng)商群體結(jié)構(gòu)，持續(xù)推動(dòng)電網(wǎng)設(shè)備邁向中高端。國(guó)網(wǎng)公司組織開展聯(lián)合資格預(yù)審工作，此項(xiàng)工作為全國(guó)網(wǎng)系統(tǒng)首例，沒有實(shí)施模式及經(jīng)驗(yàn)可尋，且資格預(yù)審工作涉及標(biāo)段、廠家眾多、供應(yīng)商應(yīng)答水平參差不齊，同時(shí)評(píng)審過程需要生成大量的工作表格，所有環(huán)節(jié)主要依靠人工操作，存在工作量大、工作效率低、追溯效率低、數(shù)據(jù)利用率低等問題，而且極易出錯(cuò)，資格預(yù)審工作期待信息技術(shù)來輔助人工作業(yè)，從而尋求一種更快捷、準(zhǔn)確、高效、有跡可循的方法完成繁重而重要的資格預(yù)審工作。

圖1 目前難點(diǎn)Fig.1 Current dilemma

國(guó)家電網(wǎng)公司已在各個(gè)領(lǐng)域均采用信息化工具和手段來輔助工作，并且取得了突破性的進(jìn)步和改善。為了進(jìn)一步深化計(jì)算機(jī)輔助工具應(yīng)用，充分發(fā)揮信息技術(shù)在資格預(yù)審工作中的支撐作用，提出了基于大數(shù)據(jù)智能分析技術(shù)[1]的全流程資格預(yù)審智能評(píng)審平臺(tái)，以提高招標(biāo)采購(gòu)工作效率，提升公司物力標(biāo)準(zhǔn)化、集約化管理水平。

1 資格預(yù)審評(píng)審中存在的問題及解決思路

1.1 資格預(yù)審評(píng)審工作中目前存在的困難

挑戰(zhàn)一：招(投)標(biāo)數(shù)據(jù)海量，物資信息高效甄別困難。

2017年配網(wǎng)設(shè)備協(xié)議庫(kù)存資格預(yù)審變壓器類共有24家省公司參加，資格預(yù)審申請(qǐng)人有500余家，共接收資格預(yù)審文件正本、副本、U盤文件各1200余份(按標(biāo)段)，資格預(yù)審文件光盤10087份(按網(wǎng)省)，評(píng)審過程中，共形成2989條資格預(yù)審文件否決單，閱標(biāo)記錄表一總體信息匯總表有69列5065行數(shù)據(jù)，閱標(biāo)記錄表二型式試驗(yàn)報(bào)告統(tǒng)計(jì)表21列11471行數(shù)據(jù)，96份合格名單，顯然以傳統(tǒng)方式，對(duì)海量的招(投)標(biāo)數(shù)據(jù)進(jìn)行收集、分類、編碼、挖掘，難以在一個(gè)相對(duì)較短的時(shí)間內(nèi)有效完成。

挑戰(zhàn)二：評(píng)審標(biāo)準(zhǔn)規(guī)則復(fù)雜，評(píng)標(biāo)專家精準(zhǔn)畫像困難。

為保證評(píng)標(biāo)過程的公正、公平、公開，資格預(yù)審評(píng)審中制定了詳細(xì)的評(píng)審規(guī)則，將國(guó)網(wǎng)標(biāo)準(zhǔn)化成果、反措要求、行標(biāo)、國(guó)標(biāo)等要求均細(xì)化應(yīng)用具體工作中，并且將配網(wǎng)設(shè)備分級(jí)分類技術(shù)規(guī)范固化至系統(tǒng)中，評(píng)審標(biāo)準(zhǔn)涉及各類設(shè)備關(guān)鍵技術(shù)參數(shù)，這就要求專家有較高的業(yè)務(wù)水平和實(shí)際能力，如果評(píng)審標(biāo)準(zhǔn)評(píng)判尺度不一，就會(huì)導(dǎo)致評(píng)審結(jié)果有失公允。

挑戰(zhàn)三：參考準(zhǔn)則多樣，供應(yīng)商優(yōu)選科學(xué)決策困難。

借助數(shù)理統(tǒng)計(jì)分析模型實(shí)現(xiàn)評(píng)標(biāo)定標(biāo)過程的輔助決策是物資采購(gòu)科學(xué)決策的主要方向。但電力物資采購(gòu)招標(biāo)，涉及技術(shù)、商務(wù)和價(jià)格，在物資供應(yīng)商的選擇時(shí)，既包含一定的定量因素，同時(shí)還包括諸多定性因素。定性指標(biāo)難以量化造成傳統(tǒng)基于優(yōu)化的決策方法不再適用，包含定性和定量指標(biāo)的混合決策定標(biāo)方法卻難以保證評(píng)標(biāo)結(jié)果的一致性。

綜上可知，資格預(yù)審中招(投)標(biāo)數(shù)據(jù)海量、評(píng)審標(biāo)準(zhǔn)規(guī)則復(fù)雜、定標(biāo)準(zhǔn)則多樣等問題給評(píng)審工作帶來了多方面、多層面的挑戰(zhàn)。衍生出的問題具有領(lǐng)域相關(guān)性，又有多學(xué)科交叉性。為此，需立足電力行業(yè)特點(diǎn)，借助智能數(shù)據(jù)處理領(lǐng)域最新研究成果，以全視的視角探索資格預(yù)審科學(xué)決策的新理論與新方法，推動(dòng)資格預(yù)審工作的科學(xué)發(fā)展與應(yīng)用。

1.2 大數(shù)據(jù)智能分析技術(shù)的優(yōu)勢(shì)

大數(shù)據(jù)智能分析技術(shù)是預(yù)測(cè)分析、數(shù)據(jù)挖掘、統(tǒng)計(jì)分析、人工智能并行計(jì)算、數(shù)據(jù)存儲(chǔ)等技術(shù)的綜合運(yùn)用，其能夠準(zhǔn)確快速地處理海量數(shù)據(jù)信息，并能夠?qū)⒋髷?shù)據(jù)中隱藏的信息和知識(shí)挖掘出來[2]，支持商業(yè)決策和事務(wù)決斷，是當(dāng)前智能信息處理領(lǐng)域研究和工程應(yīng)用的熱點(diǎn)。

1.2.1 利用大數(shù)據(jù)智能分析技術(shù)是電力物資采購(gòu)
決策中的客觀需求

電力物資采購(gòu)中，涉及計(jì)劃申報(bào)、計(jì)劃審批、招標(biāo)采購(gòu)、評(píng)標(biāo)管理、專家管理、供應(yīng)商評(píng)價(jià)等不同的業(yè)務(wù)環(huán)節(jié)，每項(xiàng)關(guān)鍵業(yè)務(wù)環(huán)節(jié)都產(chǎn)生大量復(fù)雜數(shù)據(jù)，且具有以下3個(gè)明顯特點(diǎn):(1)數(shù)據(jù)海量，數(shù)據(jù)處理時(shí)效性要求高，傳統(tǒng)的數(shù)據(jù)分析和處理技術(shù)難以滿足技術(shù)；(2)數(shù)據(jù)異構(gòu)，數(shù)據(jù)格式類型眾多，傳統(tǒng)的數(shù)據(jù)分析和處理技術(shù)難以同時(shí)處理電力物資采購(gòu)中產(chǎn)生的結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)；(3)電力物資采購(gòu)涉及資產(chǎn)巨大，通過數(shù)據(jù)分析可提高電力物資采購(gòu)效益，存在著較大的經(jīng)濟(jì)前景。上述特征使電力物資采購(gòu)中運(yùn)用大數(shù)據(jù)分析與處理技術(shù)成為迫切需求。

1.2.2 利用大數(shù)據(jù)智能分析技術(shù)是電力物資采購(gòu)
決策的必然選擇

大數(shù)據(jù)分析與處理技術(shù)為電力物資采購(gòu)智能決策提供了參考手段，如通過招標(biāo)分包策略分析和評(píng)標(biāo)方法分析，可確定最優(yōu)的分包策略和評(píng)標(biāo)方法；通過供應(yīng)商投標(biāo)行為分析，根據(jù)供應(yīng)商投標(biāo)歷史行為判斷疑似違規(guī)現(xiàn)象，可為圍標(biāo)、串標(biāo)行為提供預(yù)警判斷[3]；通過評(píng)標(biāo)專家綜合評(píng)價(jià)，可為評(píng)標(biāo)專家的抽取提供依據(jù)，等等。通過對(duì)電力物資采購(gòu)各階段數(shù)據(jù)的挖掘、利用，可為電力物資采購(gòu)科學(xué)決策提供輔助，進(jìn)而提高物資招標(biāo)采購(gòu)質(zhì)量和效益。

大數(shù)據(jù)分析與處理技術(shù)實(shí)現(xiàn)了對(duì)數(shù)據(jù)的高效處理和智能分析[4]，鑒于資格預(yù)審評(píng)審工作面臨的海量數(shù)據(jù)處理、大量報(bào)表分析、規(guī)則設(shè)置復(fù)雜等問題，提出了以大數(shù)據(jù)智能分析技術(shù)為手段，輔助資格預(yù)審評(píng)審工作，對(duì)于提高資格預(yù)審工作質(zhì)效，確保“選優(yōu)選好供應(yīng)商”具有十分重要的意義。

2 基于大數(shù)據(jù)的智能招投標(biāo)資格預(yù)審技術(shù)

2.1 業(yè)務(wù)功能架構(gòu)

圖2 業(yè)務(wù)功能架構(gòu)Fig.2 Business function architecture

(1)平臺(tái)遵循JavaEE技術(shù)規(guī)范，采用組件化、動(dòng)態(tài)化的軟件技術(shù)，利用一致的可共享的數(shù)據(jù)模型，以提高平臺(tái)的靈活性、可擴(kuò)展性、安全性及并發(fā)處理能努力。

(2)平臺(tái)按照多層架構(gòu)體系，將界面控制、業(yè)務(wù)邏輯和數(shù)據(jù)映射分離，實(shí)現(xiàn)平臺(tái)內(nèi)部的松耦合，以快速、靈活地適應(yīng)業(yè)務(wù)變化對(duì)平臺(tái)的需求。

(3)平臺(tái)層次結(jié)構(gòu)總體上劃分為基礎(chǔ)支撐層、應(yīng)用支撐層、數(shù)據(jù)層、業(yè)務(wù)層及服務(wù)層。通過各層次系統(tǒng)組件間服務(wù)的承載關(guān)系，實(shí)現(xiàn)平臺(tái)功能。

2.2 大數(shù)據(jù)分析平臺(tái)

在物資采購(gòu)招投標(biāo)過程中勢(shì)必產(chǎn)生大量的過程數(shù)據(jù)，面對(duì)海量的各種來源的數(shù)據(jù)，如何對(duì)這些零散的數(shù)據(jù)進(jìn)行有效的分析，是業(yè)務(wù)開展價(jià)值提升的關(guān)鍵。

大數(shù)據(jù)分析處理平臺(tái)就是整合當(dāng)前主流的各種具有不同側(cè)重點(diǎn)的大數(shù)據(jù)處理分析框架和工具，實(shí)現(xiàn)對(duì)數(shù)據(jù)的挖掘和分析，一個(gè)大數(shù)據(jù)分析平臺(tái)涉及的組件眾多，如何將其有機(jī)地結(jié)合起來，完成海量數(shù)據(jù)的挖掘是一項(xiàng)復(fù)雜的工作。

本文采用的主流的Hadoop混搭架構(gòu)。

圖3 Hadoop混搭架構(gòu)Fig.3 Hadoop mixture architecture

通過Kafka開源流處理平臺(tái)作為統(tǒng)一采集平臺(tái)的消息管理層，靈活的對(duì)接、適配各種數(shù)據(jù)源采集(如數(shù)據(jù)庫(kù)表、合同資質(zhì)等電子文檔、Excel表單、Word投標(biāo)文件、html網(wǎng)站頁(yè)面)，提供靈活、可配置的數(shù)據(jù)采集能力。

利用Spark和Hadoop技術(shù)，構(gòu)建大數(shù)據(jù)平臺(tái)最為核心的基礎(chǔ)數(shù)據(jù)的存儲(chǔ)、處理能力中心，提供強(qiáng)大的數(shù)據(jù)處理能力，滿足數(shù)據(jù)的交互需求。同時(shí)通過Sparkstreaming，可以有效滿足項(xiàng)目實(shí)時(shí)數(shù)據(jù)的要求，構(gòu)建企業(yè)發(fā)展的實(shí)時(shí)指標(biāo)體系。

同時(shí)為了更好地滿足數(shù)據(jù)獲取需求，通過RDBMS，提供項(xiàng)目高度匯總的統(tǒng)計(jì)數(shù)據(jù)，滿足項(xiàng)目常規(guī)的統(tǒng)計(jì)報(bào)表需求，降低使用門檻。對(duì)大數(shù)據(jù)明細(xì)查詢需求，則通過構(gòu)建HBase集群，提供大數(shù)據(jù)快速查詢能力，滿足對(duì)大數(shù)據(jù)的查詢獲取需求。

ETHINK數(shù)據(jù)智能分析平臺(tái)，包含大數(shù)據(jù)存儲(chǔ)與集成、大數(shù)據(jù)可視化、大數(shù)據(jù)自助分析、大數(shù)據(jù)挖掘、人工智能等核心技術(shù)，采用了分布式內(nèi)存計(jì)算技術(shù)以及精心優(yōu)化的分布式數(shù)據(jù)挖掘算法。高性能計(jì)算引擎，是列存儲(chǔ)、分布式計(jì)算、內(nèi)存計(jì)算引擎，具備處理TB級(jí)數(shù)據(jù)的快速查詢與計(jì)算能力[5]。

2.3 基于粗糙集理論的數(shù)據(jù)建模與決策分析方法

本文采用基于粗糙集理論的數(shù)據(jù)建模與決策分析方法解決實(shí)際評(píng)標(biāo)定標(biāo)過程中，一些指標(biāo)不能在統(tǒng)一的框架下量化容易導(dǎo)致結(jié)果出現(xiàn)偏差的問題。

2.3.1 樂觀多粒度粗糙集

在多粒度決策過程中，本項(xiàng)目重點(diǎn)考慮兩種策略，一種是“求同存異”，一種是“求同排異”。求同存異的策略是指，每個(gè)決策者根據(jù)自己的?？臻g進(jìn)行決策，而不是反對(duì)其他決策者所給出的?？臻g決策，是一種樂觀的決策策略?！扒笸女悺辈呗灾傅氖牵核袥Q策者使用共同滿意的方案進(jìn)行決策，而存在分歧的方案則不能用于決策，是一種悲觀或者保守的決策策略?；凇扒笸娈悺辈呗越⒁环N相應(yīng)的多粒度數(shù)據(jù)建模方法，稱為樂觀多粒度粗糙集，并且假設(shè)論域U是一個(gè)有限非空集合[6]。

2.3.2 Pawlak粗糙集理論

在信息系統(tǒng)中，假設(shè)U/A是一個(gè)由屬性集合A誘導(dǎo)的U的劃分，[x]p是包含x∈U的等價(jià)類。

在Pawlak粗糙集理論中，若x?U，則X的下近似分別定義為：

(1)

(2)

(3)

為了度量粗糙集的近似進(jìn)度，Pawlak定義了一個(gè)比值：

(4)

稱該比值為由U/A近似表示X的精度。近似精度不僅依賴于X的下近似，而且依賴于X的下近似。

給定兩個(gè)屬性子集P和Q，Q關(guān)于P的近似質(zhì)量(也稱為依賴度)定義為：

(5)

在粗糙數(shù)據(jù)分析中，關(guān)于條件屬性B?AT在決策屬性D的重要性度量定義為γ(AD,T)-γ(AT,D)。特別的，當(dāng)B={a},γ(AT,D)-γ(ATD)表示α∈AT關(guān)于D的屬性重要度[7]。

設(shè)S=(U,AT,f)是一個(gè)完備信息系統(tǒng)，A,B?AT是兩個(gè)屬性子集，若X?U，則有

(A+B)0(X)?(A∪B)(X)

(A+B)0(X)?(A∪B)(X)

(6)

圖4給出了Pawlak粗糙集模型與多粒度粗糙集模型之間的不同之處示意圖。其中，斜線部分表示目標(biāo)概念X由P∪Q構(gòu)成的單個(gè)空間表示的下近似，這表示在商集U/P∪Q中包含在X的那些部分，陰影部分表示目標(biāo)概念X在兩個(gè)?？臻gP+Q下的樂觀近似，即由?？臻gU/P和?？臻gU/Q一起刻畫下的近似[8]。

圖4 單粒度粗糙集與多粒度粗糙集的對(duì)比示意圖Fig.4 Lower approximation under a granulation compared with Lower approximation under multi granulations

根據(jù)以上分析，我們推廣Pawlak粗糙集模型到多粒度粗糙集模型，其中目標(biāo)概念的樂觀多粒度上，下近似通過多個(gè)等價(jià)的?？臻g來表示[9]。

設(shè)S=(U,AT,f)是一個(gè)完備信息系統(tǒng)，X?U和A1,A2,L,Am,?AT。X關(guān)于A1,A2,L,Am的下、上近似定義如下：

(7)

為了能夠運(yùn)用上述結(jié)論應(yīng)用于資格預(yù)審問題中，這里給出了如何用多個(gè)等價(jià)?？臻g計(jì)算集合X的下近似的算法[10-13]。

算法：

設(shè)S=(U,AT,f)是一個(gè)完備信息系統(tǒng)，X?U和P?2AT，其中P={A1,A2,L,Am}

該算法給出了由P表示X的下近似：

(8)

應(yīng)用下面的指針：

i=1,2,…,m指向|U/Ai|

用P表示X下的近似計(jì)算過程，輸出集合L

由此可知，傳統(tǒng)的基于粗糙集的數(shù)據(jù)建模與基于多粒度粗糙集的數(shù)據(jù)建?？梢曰檠a(bǔ)充，當(dāng)信息系統(tǒng)中屬性之間不存在協(xié)調(diào)關(guān)系，?？臻g之間相互獨(dú)立、或者需要高效計(jì)算時(shí)，多粒度粗糙集將顯示出它的優(yōu)越性，當(dāng)?？臻g之間可以進(jìn)行相交運(yùn)算時(shí)，傳統(tǒng)的粗糙集將占有主導(dǎo)地位。事實(shí)上，在一些實(shí)際醫(yī)用中以上兩種情形會(huì)同時(shí)發(fā)生，單粒度粗糙集分為分布式信息系統(tǒng)和多智能Agent環(huán)境下的數(shù)據(jù)分析提供了新方法。尤其是上述理論在電力物資采購(gòu)評(píng)標(biāo)過程中可有效地將不同類型的評(píng)價(jià)指標(biāo)進(jìn)行量化并約簡(jiǎn)，進(jìn)而實(shí)現(xiàn)評(píng)標(biāo)過程中不同專家對(duì)定標(biāo)結(jié)果形成的一致性結(jié)論。

2.4 基于多準(zhǔn)則約束下的模型構(gòu)建及評(píng)估

利用智能招投標(biāo)資格預(yù)審技術(shù)建立基于多準(zhǔn)則約束下的預(yù)審決策模型，模型旨在為搭建標(biāo)準(zhǔn)化資格預(yù)審大數(shù)據(jù)管理體系，利用大數(shù)據(jù)研判分析技術(shù)為資格預(yù)審業(yè)務(wù)場(chǎng)景應(yīng)用提供支持，同時(shí)通過可視化呈現(xiàn)手段，甄選大數(shù)據(jù)應(yīng)用點(diǎn)，為物資決策提供輔助參考信息。

2.4.1 結(jié)合數(shù)據(jù)特征優(yōu)選算法構(gòu)建模型

收集2017年資格預(yù)審形成的閱標(biāo)記錄型式試驗(yàn)報(bào)告數(shù)據(jù)，對(duì)其進(jìn)行數(shù)據(jù)分析，探索各類技術(shù)參數(shù)與報(bào)告合格性及申請(qǐng)人合格性的內(nèi)在關(guān)系，確立不同約束準(zhǔn)則下的預(yù)審決策結(jié)果及模型。

綜合考慮關(guān)聯(lián)分析、回歸分析、分類分析等多種方法的內(nèi)在屬性，找出其內(nèi)在聯(lián)系，建立變量間適當(dāng)?shù)囊蕾囮P(guān)系，分析數(shù)據(jù)的內(nèi)在規(guī)律，幫助管理者完成各種異常信息的發(fā)現(xiàn)、分析、識(shí)別、評(píng)價(jià)和預(yù)警等，從而得到更為合理準(zhǔn)確的合格性結(jié)論[14]。

2.4.2 模型構(gòu)建及訓(xùn)練測(cè)試

選取2017年資格預(yù)審申請(qǐng)人試驗(yàn)報(bào)告閱標(biāo)記錄及資質(zhì)能力核實(shí)證明函件中的相關(guān)數(shù)據(jù)，如某一型號(hào)變壓器的空載損耗、負(fù)載損耗、溫升試驗(yàn)(高壓繞組)、溫升試驗(yàn)(低壓繞組)、損耗水平等技術(shù)參數(shù)，對(duì)建立的基于多準(zhǔn)則約束下的預(yù)審決策模型進(jìn)行準(zhǔn)確性測(cè)試[15]，校驗(yàn)是否可得出正確的合格性結(jié)論。

圖5 技術(shù)參數(shù)自動(dòng)對(duì)比Fig.5 Technical parameters auto comparison

2.4.3 模型精準(zhǔn)度評(píng)估

采用大數(shù)據(jù)智能分析技術(shù)研發(fā)的全流程資格預(yù)審智能評(píng)審平臺(tái)，全面應(yīng)用于國(guó)家電網(wǎng)有限公司2018年度第一次及第二次配網(wǎng)變壓器協(xié)議庫(kù)存招標(biāo)聯(lián)合資格預(yù)審中，從各省公司對(duì)預(yù)審結(jié)果的應(yīng)用來看，智能招投標(biāo)資格預(yù)審技術(shù)的模型精準(zhǔn)度可達(dá)到98%以上。

3 全流程資格預(yù)審智能評(píng)審平臺(tái)的應(yīng)用成效

開發(fā)全流程資格預(yù)審智能評(píng)審平臺(tái)，統(tǒng)一供應(yīng)商申請(qǐng)文件結(jié)構(gòu)格式，固化評(píng)審專家工作流程和過程記錄，有效避免了專家人工評(píng)審的差錯(cuò)，主動(dòng)幫助供應(yīng)商提升申請(qǐng)文件編制質(zhì)量，實(shí)現(xiàn)配變供應(yīng)商資格預(yù)審集中評(píng)審標(biāo)準(zhǔn)統(tǒng)一，前置選優(yōu)，深度評(píng)審，過程高效、結(jié)果可靠。

圖6 資格預(yù)審智能評(píng)審客戶端Fig.6 Pre-qulification intelligentaccreditation client

3.1 平臺(tái)創(chuàng)新性

(1)供應(yīng)商上報(bào)數(shù)據(jù)結(jié)構(gòu)化，信息填寫標(biāo)準(zhǔn)化；

圖7 供應(yīng)商投標(biāo)文件結(jié)構(gòu)化Fig.7 Structualization of bidders' tender documents

(2)項(xiàng)目經(jīng)理工作方式信息化，評(píng)審專家評(píng)審過程智慧化；

圖8 專家、項(xiàng)目經(jīng)理智慧評(píng)審Fig.8 Intelligentaccreditation for experts and project managers

(3)痕跡記錄：實(shí)現(xiàn)全流程行為痕跡記錄，確保風(fēng)險(xiǎn)、責(zé)任、數(shù)據(jù)的可追溯性，提高采購(gòu)過程質(zhì)量評(píng)價(jià)的信息共享和聯(lián)動(dòng)應(yīng)用；

(4)建設(shè)標(biāo)準(zhǔn)化數(shù)據(jù)管理體系，構(gòu)建資格預(yù)審大數(shù)據(jù)管理體系[16]，利用大數(shù)據(jù)研判分析技術(shù)為資格預(yù)審業(yè)務(wù)場(chǎng)景應(yīng)用提供支持，同時(shí)通過可視化呈現(xiàn)手段，甄選大數(shù)據(jù)應(yīng)用點(diǎn)，為物資決策提供輔助參考信息。

圖9 構(gòu)建評(píng)標(biāo)前后數(shù)據(jù)分析Fig.9 Data analysis before and after the bid evaluation

(5)資格預(yù)審結(jié)果動(dòng)態(tài)追溯機(jī)制。

3.2 平臺(tái)安全性

(1)全流程分階段模塊化設(shè)計(jì)，實(shí)現(xiàn)了不同階段數(shù)據(jù)的可靠性和可控性；

(2)基于系統(tǒng)內(nèi)網(wǎng)的評(píng)審環(huán)境，保證評(píng)審過程資料不外泄，實(shí)現(xiàn)了評(píng)審過程的保密性。

3.3 平臺(tái)應(yīng)用經(jīng)濟(jì)性

3.3.1 經(jīng)濟(jì)

與資格預(yù)審?fù)谂蜗啾?，?xiàng)目經(jīng)理工作量減少(5日×35人)-(2日×11人)=153個(gè)工作日·人，按照500元/日/人成本計(jì)算，減少投入7.65萬(wàn)元；評(píng)標(biāo)專家工作量減少(5日×87人)-(2日×71人)=293個(gè)工作日·人，按照1000元/日/人成本計(jì)算，減少投入29.3萬(wàn)元；投標(biāo)商減少了大量的紙質(zhì)化文件，單個(gè)項(xiàng)目投標(biāo)約減少成本約5000元，按照500家計(jì)算，供應(yīng)商減少投入250萬(wàn)元。項(xiàng)目經(jīng)理工作量減少153個(gè)工作日·人，減少投入約7.65萬(wàn)元，評(píng)標(biāo)專家工作量減少293個(gè)工作日·人，減少投入約29.3萬(wàn)元，申請(qǐng)人減少了大量的紙質(zhì)化文件，單次申請(qǐng)人可減少投入250萬(wàn)元。

3.3.2 時(shí)間

與資格預(yù)審?fù)谂蜗啾龋暾?qǐng)人等待時(shí)間從平均180分鐘下降到40分鐘，項(xiàng)目經(jīng)理工作時(shí)間從55小時(shí)下降為15小時(shí)，評(píng)標(biāo)專家評(píng)標(biāo)時(shí)間從50小時(shí)下降為10小時(shí)。

3.3.3 人力

與資格預(yù)審?fù)谂蜗啾?，評(píng)標(biāo)專家人數(shù)從87人下降到71人，項(xiàng)目經(jīng)理人員從35人下降到11人。

圖10 平臺(tái)經(jīng)濟(jì)性分析Fig.10 Economic analysis for the platform

4 結(jié)論

針對(duì)資格預(yù)審評(píng)審過程中出現(xiàn)的工作量大、工作效率低、追溯效率低、數(shù)據(jù)利用率低等問題難點(diǎn)，本文提出了基于大數(shù)據(jù)智能分析技術(shù)的全流程資格預(yù)審智能評(píng)審平臺(tái)，平臺(tái)自開發(fā)以來，創(chuàng)造了配變資格預(yù)審數(shù)據(jù)、流程、表單及規(guī)格的標(biāo)準(zhǔn)化、格式化[17-20]；增強(qiáng)了評(píng)審工作的科學(xué)性和準(zhǔn)確性，開發(fā)了適應(yīng)總部新要求的供應(yīng)商《資格預(yù)審申請(qǐng)文件》格式化客戶端，搭建出標(biāo)準(zhǔn)統(tǒng)一、傳輸準(zhǔn)確、判斷智能的智慧管理平臺(tái)，匯集和保存全過程各項(xiàng)數(shù)據(jù)，構(gòu)建多種維度的數(shù)據(jù)庫(kù)，為企業(yè)招標(biāo)采購(gòu)分析決策提供充分依據(jù)，不斷提升公信力和服務(wù)質(zhì)量，樹立良好的公司形象。