大數(shù)據(jù)分析模型及其在公共服務(wù)交易平臺中的應(yīng)用
公共資源交易平臺將業(yè)務(wù)情況結(jié)構(gòu)化、數(shù)據(jù)化，具有海量、多樣、異構(gòu)的特點(diǎn)，是工程咨詢、采購決策的數(shù)據(jù)“富礦”。本文分析總結(jié)了產(chǎn)業(yè)云平臺數(shù)據(jù)挖掘與分析統(tǒng)計情況，匯總分析典型的大數(shù)據(jù)分析方法，并借助工程大數(shù)據(jù)、產(chǎn)業(yè)大數(shù)據(jù)等將其推廣到公共服務(wù)交易數(shù)據(jù)的分析統(tǒng)計中，讓公共服務(wù)交易平臺上的數(shù)據(jù)得以盤活并發(fā)揮重要作用，為交易參與方創(chuàng)造更大價值。
一、基于平臺分析功能的在線決策咨詢系統(tǒng)
公共資源交易平臺集成沉淀了海量的業(yè)務(wù)數(shù)據(jù)，包括買賣關(guān)聯(lián)數(shù)據(jù)，工程、貨物標(biāo)的信息等。公共資源交易數(shù)據(jù)雖然依法公開，但因各交易平臺系統(tǒng)設(shè)計的差異及運(yùn)管標(biāo)準(zhǔn)不統(tǒng)一等因素，整體上數(shù)據(jù)字段不統(tǒng)一，信息不完備，交易數(shù)據(jù)只是做到了存儲，分析利用水平處于初級階段。
利用業(yè)務(wù)數(shù)據(jù)提升和改善業(yè)務(wù)模式，對于公共資源交易平臺這類電商平臺而言是水到渠成的事情。真實的業(yè)務(wù)在電商平臺上出現(xiàn)時，已是經(jīng)過驗證的結(jié)構(gòu)化數(shù)字化的數(shù)據(jù)，可以直接套用挖掘模型，開發(fā)利用。據(jù)此，筆者分析梳理公共資源交易中對數(shù)據(jù)分析的業(yè)務(wù)需求，以數(shù)據(jù)化采購決策為核心，盤點(diǎn)相關(guān)的模型構(gòu)建平臺+模型數(shù)據(jù)挖掘利用模式。
（一）招標(biāo)采購決策對數(shù)據(jù)分析的具體需求
招標(biāo)采購交易涉及投資期段規(guī)劃、預(yù)算評估、方案比選、工程技術(shù)選型等決策場景，領(lǐng)域廣，環(huán)節(jié)多，一般缺乏數(shù)據(jù)支撐，業(yè)務(wù)數(shù)據(jù)公開卻無法享受到公共數(shù)據(jù)的決策支持。招標(biāo)采購中對數(shù)據(jù)分析的具體需求可以概括為四個方面。
1.項目量價評估
工程定量、招標(biāo)采購定價是工程預(yù)算環(huán)節(jié)的核心，是最需要也是最可能實現(xiàn)數(shù)據(jù)化的。利用歷史資料，根據(jù)工程作業(yè)清單、采購單由系統(tǒng)估算工程造價是大數(shù)據(jù)模型的重要應(yīng)用。特別是土建項目中的原材料和信息化項目中基礎(chǔ)軟件模塊的定額費(fèi)率等活數(shù)據(jù)，作為招標(biāo)控制價、結(jié)算審核價的參考或默認(rèn)值，將大幅縮減造價咨詢周期，提高造價的速度和準(zhǔn)確度。
2.供應(yīng)商調(diào)查和風(fēng)險評估
不少買方單位建立了供應(yīng)商評價和準(zhǔn)入機(jī)制，但是如果可以在線確定供應(yīng)商信譽(yù)、資質(zhì)、績效等方面的情況，讓供應(yīng)商的背景信息、財務(wù)狀況、過往業(yè)績、合同違約等數(shù)據(jù)直接顯示，可以將調(diào)查評估工作做實做細(xì)。
3.材料、工藝市場調(diào)研和趨勢分析
在制定采購計劃和策略時，需要進(jìn)行市場調(diào)研和趨勢分析，了解當(dāng)前市場的供需情況及價格走勢。數(shù)據(jù)分析可以通過收集和分析相關(guān)市場數(shù)據(jù)，包括價格指數(shù)、競爭對手情況、行業(yè)報告等，幫助決策者做出合理的采購決策。
4.投資方案組合優(yōu)化分析
成本、效益是任何決策中必須權(quán)衡的兩個核心要素。在大數(shù)據(jù)和AI的加持下，投資方可以考慮顆粒度更細(xì)、規(guī)模更大、過程更復(fù)雜的采購方案。如根據(jù)業(yè)務(wù)領(lǐng)域和工作內(nèi)容來分拆項目，獨(dú)立招標(biāo)，并對分項標(biāo)根據(jù)歷史投標(biāo)情況得到供應(yīng)商推薦。再如大數(shù)據(jù)評標(biāo)，可以在平臺范圍內(nèi)對供應(yīng)商的價格、質(zhì)量、交付周期等數(shù)據(jù)綜合量化，在風(fēng)險可控的條件下尋求最高投入產(chǎn)出比，或者在風(fēng)險可控、達(dá)到績效目標(biāo)的限定下給出成本最優(yōu)的采購組合方案。
（二）常見的大數(shù)據(jù)模型及其在產(chǎn)業(yè)平臺上的應(yīng)用
抽取需求的共性，結(jié)合一些既有的應(yīng)用案例，可以探索得到大數(shù)據(jù)分析模型 + 公共資源交易平臺協(xié)同路徑和應(yīng)用模型：分為基于時間序列分析的數(shù)值預(yù)測、基于多變量線性回歸等參數(shù)擬合方法的分析評價以及運(yùn)用啟發(fā)式搜索實現(xiàn)投資方案組合優(yōu)化。
1.數(shù)值預(yù)報：運(yùn)用時間序列分析方法
時間序列分析是一種研究時間序列數(shù)據(jù)的統(tǒng)計方法，旨在揭示數(shù)據(jù)的內(nèi)在規(guī)律和趨勢。一些產(chǎn)銷數(shù)據(jù)平臺使用平滑法抽取時間序列中的趨勢成分，建立起運(yùn)用歷史數(shù)據(jù)推斷產(chǎn)銷走向的應(yīng)用。
應(yīng)用的核心是H-P濾波平滑法。用Y表示觀測得到指標(biāo)的時間序列。如果從Y中抽取出了趨勢序列yT，則Y是圍繞yT變動的序列，剩余的序列yR=Y-yT就是一個圍繞零上下波動的、在整個觀測時間段上均值為零的序列，呈現(xiàn)出“白噪聲”的特性。
Hodrick和Prescott指出，對于yT平滑程度的度量，可以采用其二階差分的平方和作為指標(biāo)。yR是在整個觀測周期上均值為零的、刻畫Y對yT的偏離的時間序列。最好的趨勢分解，就是趨勢線平滑(沒有“毛刺”)，而且剩余序列偏離總程度(平方和)最低，由此引出如下問題:
其中λ是反映平滑度要求的權(quán)重懲罰因子，是取值恒正的實數(shù)。λ越大，趨勢序列越平滑。
2.分析評價：不斷自我優(yōu)化的評價打分模型
參數(shù)模型是一種根據(jù)歷史數(shù)據(jù)進(jìn)行參數(shù)估計，并利用這些參數(shù)進(jìn)行預(yù)測的數(shù)學(xué)模型。常見的參數(shù)模型包括線性回歸模型、韋伯模型等。這些模型基于理論確定數(shù)據(jù)的模式關(guān)系式，再通過代入大量觀測數(shù)據(jù)擬合確定關(guān)系式中的待定參數(shù)，確定一個統(tǒng)計意義上“最逼近”實際情況的變量關(guān)系，輸入一些變量，求取新變量給定時的因變量。
Wareconn保修云平臺基于線性回歸模型、韋伯模型，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，用于分析產(chǎn)品損壞的原因，并對每一批次出貨產(chǎn)品進(jìn)行可靠度統(tǒng)計，有針對性地采取預(yù)防措施，提高了產(chǎn)品質(zhì)量，降低了保修服務(wù)成本?？煽啃匝芯空J(rèn)為，元件的在投用后t時間內(nèi)失效的概率服從Weibull分布。
保修云平臺將Weibull分布的公式進(jìn)行變形，得到2變量線性方程組，其中的失效概率（頻次）、失效時工作的時長均從保修業(yè)務(wù)資料中得到。
原式變?yōu)殛P(guān)于未知變量k和?klnλ線性關(guān)系A(chǔ)=Bk+（?klnλ）。
A、B通過業(yè)務(wù)實測數(shù)據(jù)計算得出，k、?klnλ為待定的模型參數(shù)?；诒Ｐ拊破脚_大量的保修退運(yùn)資料，可以得到許多的A、B值，代入線性回歸方程，解算得出最佳的k、?klnλ，進(jìn)而確定Weibull分布。根據(jù)分布，可以量化分析預(yù)測未來時間內(nèi)保修退運(yùn)量。
3.啟發(fā)式搜索：將多變量尋優(yōu)應(yīng)用到投資方案組合優(yōu)化
利用平臺上大量的投資數(shù)據(jù)，可以對大型采購業(yè)務(wù)的內(nèi)容進(jìn)行劃分，建立標(biāo)段劃分或組合項目，進(jìn)而可以有針對性地實施招標(biāo)采購。在大數(shù)據(jù)的輔助下，容易建立標(biāo)段比例對項目整體效益指標(biāo)的經(jīng)驗關(guān)系，將其存儲在數(shù)據(jù)庫中，形成效益指標(biāo)關(guān)于項目拆分的多元函數(shù)。運(yùn)用微粒群優(yōu)化(Particle Swarm Optimization, PSO)等啟發(fā)式搜索方法，在項目拆分組合的可行域中按照計算值與實際參考值之差綜合最小的原則，可以求解得到最優(yōu)投資組合。
PSO算法基于群體智能原理，通過模擬鳥群或魚群等群體的行為方式進(jìn)行搜索和優(yōu)化。在PSO中，解空間中的每個解稱為“粒子”，每個粒子根據(jù)自身的當(dāng)前位置和速度，以及整個群體的歷史最優(yōu)位置來更新自己的位置和速度。迭代計算中，粒子探索解空間全局，最終逼近最優(yōu)位置，也就是對應(yīng)最優(yōu)適應(yīng)度的解。
二、大數(shù)據(jù)模型在公共資源交易平臺上的應(yīng)用探索
大數(shù)據(jù)結(jié)合人工智能，完全“利舊”，即用成熟的經(jīng)典模型和在其他產(chǎn)業(yè)平臺得以驗證的數(shù)據(jù)服務(wù)產(chǎn)品，即可盤活用好公共資源交易平臺的海量資源，提供統(tǒng)計指標(biāo)、動態(tài)排名、投資咨詢等優(yōu)質(zhì)數(shù)據(jù)咨詢服務(wù)。
（一）工程成本數(shù)據(jù)庫
在信息化工程領(lǐng)域，軟件開發(fā)工作量測算與價格核算是招標(biāo)采購工作的難點(diǎn)。國際上，國際基準(zhǔn)比對標(biāo)準(zhǔn)組織從20世紀(jì)90年代就開始收集軟件歷史項目數(shù)據(jù)，軟件產(chǎn)業(yè)發(fā)展水平較高的國家（如美國、芬蘭、印度、荷蘭、日本、韓國等）已經(jīng)建立了行業(yè)級軟件過程基準(zhǔn)數(shù)據(jù)庫。北京軟件造價評估技術(shù)聯(lián)盟指出，基準(zhǔn)比對方法的應(yīng)用離不開大量的軟件項目過程數(shù)據(jù)（包括項目規(guī)模、項目領(lǐng)域、開發(fā)環(huán)境、工作量生產(chǎn)率、成本、缺陷率等），在獲得較多的真實有效數(shù)據(jù)后，形成有效的基準(zhǔn)數(shù)據(jù)庫，作為衡量軟件生產(chǎn)力的基準(zhǔn)。
隨著新基建和信創(chuàng)產(chǎn)業(yè)蓬勃發(fā)展，公共資源交易平臺中與軟件相關(guān)的服務(wù)和產(chǎn)品交易迅速增長，公開的合同、招標(biāo)文件、投標(biāo)文件中，包含了大量實際的經(jīng)過測算和權(quán)衡的量價對應(yīng)信息。特別是規(guī)模—生產(chǎn)率、工程類型—人月費(fèi)率這些指標(biāo)，實際上是在一定的趨勢下有所波動的。但由于傳統(tǒng)統(tǒng)計方式的滯后性，中國軟件行業(yè)基準(zhǔn)數(shù)據(jù)只能在次年三季度公布，存在嚴(yán)重的滯后性。如果公共資源交易平臺對業(yè)務(wù)資料進(jìn)行加工統(tǒng)計，完全有可能按照季度甚至是天來更新，實現(xiàn)期貨、證券、外匯牌價一樣的軟件工程造價實時指數(shù)。
密集更新的指數(shù)，為軟件相關(guān)交易創(chuàng)造了數(shù)據(jù)趨勢預(yù)測、波動分析等形態(tài)分析的便利，同時為軟件造價的成因追溯等動力學(xué)研究提供了基礎(chǔ)。
青矩成本管理平臺在匯集工程數(shù)據(jù)方面，有了更深入的探索。主要的成果體現(xiàn)在成本云和工程大數(shù)據(jù)平臺兩方面。成本云分析總結(jié)各類成本，提供以下3種服務(wù)：①目標(biāo)成本：科學(xué)制定目標(biāo)成本，實時監(jiān)控成本執(zhí)行情況，預(yù)警異常成本狀態(tài)；②合約規(guī)劃：目標(biāo)成本逐級分解，指導(dǎo)招標(biāo)管理工作；③動態(tài)成本：實時監(jiān)控實際發(fā)生成本與目標(biāo)成本對比，動態(tài)反映項目成本執(zhí)行情況。
工程大數(shù)據(jù)平臺則將工程數(shù)據(jù)標(biāo)準(zhǔn)化、結(jié)構(gòu)化，呈現(xiàn)不同工程的幾個關(guān)鍵指標(biāo)，諸如建筑規(guī)模、工程造價、工程類型等，記錄清單綜合單價構(gòu)成，導(dǎo)出單位規(guī)模造價。按照清單項目特征，在綜合單價指標(biāo)庫中自定義查詢特定材料、項目或工程的單價。
（二）供應(yīng)商動態(tài)排名與評價
招標(biāo)采購中，對于供應(yīng)商的評價是重要的基礎(chǔ)工作，同時又涉及大量數(shù)據(jù)。評價指標(biāo)完全來自供應(yīng)商的業(yè)務(wù)運(yùn)營狀況，可以采用以下交易平臺的數(shù)據(jù)進(jìn)行測算。
供應(yīng)商信譽(yù)：供應(yīng)商的商業(yè)信譽(yù)、聲譽(yù)和品牌知名度。
供應(yīng)商能力：供應(yīng)商的技術(shù)實力、生產(chǎn)能力、供貨穩(wěn)定性、質(zhì)控能力。
供應(yīng)商經(jīng)驗：類似項目或領(lǐng)域中的經(jīng)驗和成功案例。
交貨準(zhǔn)時性：供應(yīng)商的交貨能力和準(zhǔn)時交付的記錄。
成本效益：供應(yīng)商提供產(chǎn)品或服務(wù)的價格和性價比。
售后服務(wù)：供應(yīng)商的售后服務(wù)支持和問題解決能力。
利用大數(shù)據(jù)分析技術(shù)，可以根據(jù)歷史數(shù)據(jù)和實時數(shù)據(jù)，建立預(yù)測模型、關(guān)聯(lián)模型或分類模型等，以實現(xiàn)供應(yīng)商的綜合評價和排名。
動態(tài)排名評價中，基于線性回歸分析的層次分析法（AHP）應(yīng)用較多。該方法將評價指標(biāo)進(jìn)行層次化排序，通過對各指標(biāo)的權(quán)重確定，得出供應(yīng)商的綜合評價結(jié)果。先給定一個經(jīng)驗?zāi)Ｐ?，繼而通過大量實際數(shù)據(jù)對模型參數(shù)進(jìn)行擬合，動態(tài)地確定某些排名指標(biāo)占評價分?jǐn)?shù)的權(quán)重，訓(xùn)練優(yōu)化。其中訓(xùn)練方法可以使用應(yīng)用于多元函數(shù)求極值的啟發(fā)式搜索，如微粒群優(yōu)化(PSO)。
信息系統(tǒng)具備實時性和數(shù)據(jù)完備性，同時可以實現(xiàn)數(shù)據(jù)可視化與報告生成，大幅提升分析的效率與質(zhì)量。
三、總結(jié)與展望
以上簡述了經(jīng)典大數(shù)據(jù)分析模型滿足招標(biāo)采購業(yè)務(wù)數(shù)據(jù)分析需求的思路與技術(shù)路線。SaaS平臺集成大數(shù)據(jù)功能的成功實踐啟示我們，經(jīng)典方法、簡單模型與海量數(shù)據(jù)相得益彰，充分運(yùn)用真實海量結(jié)構(gòu)化的優(yōu)質(zhì)數(shù)據(jù)，得出的分析結(jié)果可以為平臺用戶帶來顯著的降本增效效果。
不妨大膽預(yù)測，未來的招標(biāo)采購，將追求以下目標(biāo)，在信息化、數(shù)據(jù)化、智能化方向上跨越式發(fā)展。
（一）數(shù)據(jù)就是實際
未來，經(jīng)審核收錄在交易平臺的數(shù)據(jù)將成為最為真實鮮活的業(yè)務(wù)寫照。數(shù)據(jù)表、字段構(gòu)成時變的多維數(shù)據(jù)空間中，業(yè)務(wù)群的即時狀態(tài)被充分?jǐn)?shù)字化，其在不同業(yè)務(wù)管理維度上的“投影”就是工程項目臺賬、項目建設(shè)全過程資料和特定專業(yè)供應(yīng)商名錄。平臺用戶掌握平臺數(shù)據(jù)，就掌握了招標(biāo)采購的全量信息，極大地拓展了管理的要素范圍與階段跨度。
（二）數(shù)據(jù)就是規(guī)則
新數(shù)據(jù)不斷修正模型，讓擬合參數(shù)在特定區(qū)間的擬合優(yōu)度逼近真實，海量數(shù)據(jù)的產(chǎn)生，使得分析預(yù)測模型持續(xù)得到有監(jiān)督的學(xué)習(xí)訓(xùn)練，提升關(guān)聯(lián)分析的“視野”和“格局”，得以應(yīng)對更多變化。未來的招標(biāo)采購指標(biāo)、比選原則都可以通過模型來表達(dá)，實現(xiàn)從拍腦袋、找專家向查數(shù)據(jù)、算指標(biāo)、問模型轉(zhuǎn)變。
（三）數(shù)據(jù)就是決策
從信息化走向數(shù)字化，人們用了大約20年的時間，而隨著大語言模型等人工智能產(chǎn)品的推廣應(yīng)用，人們正在加速邁向數(shù)據(jù)化。公共資源交易的場景中，每一條交易記錄都成為修正供應(yīng)商評價、行業(yè)統(tǒng)計指標(biāo)的微變量，影響著分析統(tǒng)計的結(jié)果，進(jìn)而影響到基于數(shù)據(jù)的決策。如果說“民主化”是避免個體關(guān)注指標(biāo)不當(dāng)、認(rèn)定失真的思路，那么“數(shù)據(jù)化”則是充分發(fā)揮人工智能優(yōu)勢，進(jìn)一步促進(jìn)公共交易公平、公正的技術(shù)保障。
本文首發(fā)于《招標(biāo)采購管理》2024年第3期。
作者：朱海嬌 王兆甲單位：青矩技術(shù)股份有限公司
