隨著經濟社會的不斷發展，信息技術應用程度加深，信息化越來越發達，各種形式的數據越來越多，人類邁入了大數據時代，大數據分析也應運而生。在招投標活動中，電子化所產生的海量數據，形成了“大數據礦山”，若能深入挖掘并加以利用，將產生巨大的商業價值。科學利用大數據分析，有助于在招投標領域構建數字治理新模式，貫徹新發展理念，為進一步規范和完善招投標管理帶來新契機。

　　一、應用范圍

　　在電子招投標中應用大數據分析技術可實現輔助決策、數字鐵籠、增效提速、市場研判等功能，其應用范圍概括起來主要有三點。

　　1.拓寬科學化服務渠道

　　比如，通過對項目投標人參與項目情況來看，通過大數據分析可以定向推送招標采購的綜合項目信息，匯聚區域范圍內招標所需的文件數據，為招標人編制招標需求、招標文件提供重要數據支持。

　　2.確定投標價格合理性

　　比如，在抽取預算標本和材料價格時，綜合招標采購成本、市場因素、政府指導價格，可以形成一段時間范圍內工程材料變化曲線，評價政府指導價格和市場競爭價格的關聯性，以及分析在這一過程中中標價格的分布情況，能夠還原并監測市場主體的行為。

　　3.構建交易行為數據庫

　　研究參與方的行為關聯度，分析整個交易過程中存在的違規信息，拓寬監管部門的監管渠道。比如，可以利用格蘭杰因果檢測技術，深入探討交易金額和宏觀經濟要素的關系，通過交易數據判斷未來經濟發展趨勢;通過模型優化和數據跟蹤，發現行業固定資產投資額與交易金額的關聯性，把握布局規劃，為政策制定者提供重要的決策依據。

　　二、應用策略

　　大數據已被譽為21世紀發展創造的新動力。隨著大數據分析處理技術可靠性、高效性等特征的逐漸凸顯，在招投標領域的應用也會愈發頻繁。

　　1.應用場景

　　①交易數據分類匯聚。實時匯聚本地區進場交易的招投標數據，如投標企業數量、不同年份月份對比增減、占比等。

　　②行業走勢動態掌握。實時掌握本地區不同行業金額區間的招投標統計數據，如工程領域交通行業年度招標總金額、中標總金額、不同年份比對增減等。

　　③圖表展示形象生動。數據可繪制成關注的走勢、占比、排序，圖表瞬間生成，形象生動，定期更新或時時更新。

　　④多樣檢索鏈接源頭。對挖掘的數據可按關鍵詞檢索，找到關注的招投標記錄，并與原始網站鏈接，方便使用者查看源頭數據。

　　⑤聚焦分析支持決策。工作人員集中精力分析數據、支持決策，為精準投標和調整投標策略提供數據支撐。

　　2.應用措施

　　①檢查分析招標文件。招標文件中是否設置了歧視待遇或差別待遇等不合理條款?這是監管部門、投標人高度關注的問題。對此，可借助大數據分析，根據招標文件設置的技術指標、資質條件和商務條款等，對所有投標企業的產品性能、施工情況、業績、信用信息等海量數據進行搜集整理分析，查找是否存在滿足特殊條件的特定企業，由此判定招標文件編制是否科學、合理。

　　②分析圍標串標行為。傳統交易時，圍標串標事實認定所需證據不易收集，查處難度較大。電子化招投標項目應用大數據分析技術，可在線進行相關度分析、相似度分析、緊密度分析、資金流和信息流分析，判斷不同投標人的聯系方式是否一樣、投標文件是否來源于同一計算機、電子保函是否來自同一電子簽名、項目經理和委托代理人是否出自同一家企業等事實，作為查處圍標串標行為的有力證據。

　　③鑒定認定投標業績。在傳統評審模式中，專家對投標人提供的業績證明紙質材料是難辨真偽的，特別是跨省跨區的業績證明，在封閉的評標區內直接無法判斷，基本上默認為真。基于云平臺的電子化交易，能將投標人的資質、人員、設備、經營、履約等情況全部匯總起來，積聚成大數據，其在何時何地的業績信息，評審時都可在云上方便查詢和核對，并通過大數據分析技術進行鑒定認定。

　　④構建投標人信用綜合評價體系。應用大數據分析技術可創建投標人金融信貸評級情況、市場監管“守合同重信用”情況、住建部門建設工程項目履約情況、稅務部門納稅情況、司法機關遵紀守法情況等基本信息以及涵蓋項目質量、進度、業主考核和安全管理的動態信息數據庫，從而構建投標人信用綜合評價指標體系。如有的地方已經把征信平臺接入評標系統，并采用商務誠信評標法，有力詮釋了誠信交易。

　　⑤助力評審專家監管。利用大數據分析技術，在電子招投標中搭建跨區域、跨行業的綜合評標專家庫管理系統，對專家的個人基本情況、參與評審情況、參加培訓學習情況、評標工作紀律遵守情況以及沒有攜帶CA鎖而辦理臨時鎖次數等進行整理分析，根據分析結果自動淘汰不合格或不能勝任評審工作的專家，予以公告不良行為，以保持專家隊伍的穩定健康，確保交易活動有序開展。

　　3.應用對策

　　大數據是招投標領域數字化轉型的必要思維模式和技術手段，只有以“互聯網+”賦能智慧交易、以數據資源驅動政務創新，才能實現全類別、全領域、全流程電子化招投標的全面監管。

　　①建立指數平滑模型。通過匯聚的交易數據，建立宏觀調控數據體系，發布權威指標。比如，以建設周期為水平項，以鋼筋、水泥、砂石等大宗材料用量為誤差項，創建單指數模型Yt=Lt+Et，預測分析招標文件中工程量清單數據。又如，以各類工程造價的歷史態勢為趨勢因子，建立雙指數模型Yt=Lt+β×t+Et，預測下步走勢，幫助政府在投資項目估算中提供決策參考。另外，分別以企業競爭力、勞務用工量、企業基尼系數等各類數據為季節性因子，建立三指數模型Yt=Lt+β×t+St+Et，為政府提供相關領域的運行動態監測和產業安全預測預警等信息支持，有助于提升政府決策能力。

　　②深化誠信體系建設。實時匯集分析交易數據，記錄投標人和代理機構在招標采購活動中的行為，形成信用記錄并上傳到云端，為其進行信用“畫像”，其所有行為都將成為信用評判的關鍵變量。由于大數據征信數據覆蓋面廣，能較好解決傳統征信方式數據封閉、不夠完善、容易失真、人力資源成本大、實時性差等困難。借助大數據對信用信息進行深度挖掘，采用分布式或并行計算技術，從錄入數據到輸出結果完全由計算機算法完成，杜絕了人為的主觀判斷，能夠保證信用評價結果快速真實準確，有效防范潛在的信用風險。

　　③破解圍標串標難題。大數據分析技術可清晰顯現交易數據背后隱藏的規律，發掘交易活動中的一些隱性動機。運用數據清洗、數據離散化等技術，對歷史數據進行跨時間、跨業務、跨項目的深度分析，可挖掘交易市場內極具可能的潛在關系，揭示主客體之間的隱性特征。通過電子招投標平臺，全程跟蹤項目交易過程，共享利用政府數據，對圍標串標行為進行早期預警并介入，筑牢圍標串標行為的“防控鏈”。

　　④量化工程清單報價。利用大數據技術，縱向匯集歷史交易項目，橫向通過購買服務方式獲取外部行業市場數據，縱橫相連，利用聚類處理及語義識別形成同類清單的場外市場價格區間和場內適宜價格范圍，審核清單項描述，并對報價合理性進行判斷分析。根據審核價格計算規則，計算每個清單項的綜合單價平均值，挖掘分析出與平均值的差距和差額率，對比輸出的審核數據，參照事先設定的差額率，將過低和過高價格清單項挑選出來，為專家評審提供借鑒和參考。

　　⑤挖掘聚類關聯關系。聚類是將物理或抽象對象的集合分成由類似的對象組成的多個類的過程，是數據挖掘中的一個重要概念。聚類挖掘技術在招投標領域主要應用于專家回避機制，挖掘過程通過政府部門之間的數據共享進行。比如，利用民政部門的數據分析專家親屬關系、利用市場監管部門的數據分析專家所屬企業股權關系、利用司法機關的數據分析專家利害關系，勾畫出專家的社會網絡聚類關系圖譜，防范專家參與關聯企業評審，最大限度展現專家回避機制，降底違規行為風險，彌補了傳統回避機制短板。

　　三、應用建議

　　常見的大數據分析方法有可視化分析、數據挖掘、預測分析、語義引擎和數據質量管理等。

　　1.借助可視化分析提升招投標數據資源的可理解性

　　大數據的可視化分析，是在大數據自動分析的基礎上，利用可視化界面和人機交互技術提高人對數據的洞察力，通過數據降維、關聯關系、扁平交互等技術展示無法直接看到的東西，輔助決策。招投標數據資源的可視化分析，就是將招投標數據生成各種圖表、文本和視頻等，方便管理者理解運用。以文本數據可視化為例，標簽云是當前最常見的文本可視化技術，能夠將招投標文件中潛在的信息主題進行分類，把邏輯結構和關鍵詞直觀地展示出來，幫助招投標管理部門作出準確決策。與之相似的還有時間序列可視化、交易信息可視化、在線監督可視化等。

　　2.借助數據挖掘發現招投標數據資源的隱性價值

　　數據挖掘又叫做數據庫知識再發現，也就是分析數據之間的關聯性，主要的數據挖掘方法有神經網絡法和機器學習法等。在大數據分析中，數據挖掘是重心，對招投標管理部門來說，交易數據在發布公告、網上開標、專家抽取、遠程評標、定標、公示結果等環節產生，通過運用聚類、關聯等方式對這些數據進行挖掘，可構建交易行為數據分析模型，發現行業固定資產投資額與交易金額的關聯性等隱性價值，提升招標采購決策的科學化水平。

　　3.借助預測分析提高招投標數據資源價值判斷力

　　預測分析結合了多種高級分析功能，包括特設統計分析、預測建模、數據挖掘、文本分析、優化、實時評分、機器學習等。這些工具可以幫助招投標管理部門從大數據中發現交易信息的特點與聯系，然后建立科學的數據模型，通過模型導入新數據，使實時數據流得到快速處理，甚至超越當前交易情況，分析預測未來進展，有效規避風險，提高招投標數據資源價值的判斷力。

　　4.借助語義引擎實現招投標數據資源的智能提取

　　信息時代下全球信息儲存量暴漲，Google、百度等傳統的搜索引擎僅僅能夠滿足對關鍵詞的匹配搜索，檢索的準確率相對較低，檢索結果的關聯度也不強。實現高質量的搜索體驗和智能提取是語義搜索引擎的主要優勢。所謂語義引擎，即在語義網絡的發展下實現語義搜索引擎，通過分析搜索者的語義檢索請求去了解搜索者的真正目的，對語義分析通過語言處理進行概念匹配。招投標過程中，應用語義引擎能夠分析交易數據中的投標人信息、專家信息、項目信息、中介代理機構和招標人信息，提取出項目名稱、專家姓名、評審時間等關鍵信息，提高檢索命中率，為其內在聯系或外在因素判斷提供參考。

　　5.借助數據質量管理提升招投標數據的資源品質

　　電子招投標數據呈現Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值)、Veracity(真實)5V特點，傳統的管理形式已難以滿足數據的處理及分析需求。當前使用比較廣泛的是非關系型數據庫和數據并行處理系統，將ETL工具移入到云計算平臺系統，對于數據的清洗、重復檢測和缺失數據處理、邏輯錯誤檢測都有重要意義，有利于保證交易數據資源的數據質量。

　　實踐表明，大數據的精髓并不在于大，也不在于數據，而在于分析。對一些行業來說，利用數據是贏得市場競爭優勢的關鍵;而對政府部門和招投標管理者來說，大數據分析能將招投標信息有效地收集整合起來，實現部門間的數據信息共享，節約交易成本，提升工作效率，為招投標活動各方主體提供有價值的信息和決策參考，推動交易更加公平公正。