大数据技术在工程项目招投标中的应用研究

凌阳明月，赵　帆，凌阳明星

(1.河海大学 商学院，江苏 南京 211100； 2.江苏省邮电规划设计院有限责任公司，江苏 南京 210006)



大数据技术在工程项目招投标中的应用研究

凌阳明月1，赵帆2，凌阳明星1

(1.河海大学 商学院，江苏 南京 211100； 2.江苏省邮电规划设计院有限责任公司，江苏 南京 210006)

摘要：随着电子招投标技术的发展，招投标领域出现数据太多、信息太少的状况，难以交互分析、挖掘潜在的规则和追溯历史，导致数据孤岛等问题。为此，将大数据技术引入到工程项目招投标领域，在建立招投标交易价格数据库的基础上，提出大数据技术在造价指数的编制、不平衡报价的识别、投标报价低于成本的判定、串通投标的报价识别等问题中的应用。应用大数据技术进行数据分析是招投标领域发展的必然选择，有利于解决招投标领域中现存的一些问题。

关键词：大数据；招投标；交易价格；异常交易

我国建设工程招投标制度的进步和发展与相关法律制度息息相关。但是，由于立法内容的不完备、缺乏可操作性等原因，导致在招投标实践环节，尤其是评标阶段出现了一系列的问题，如投标报价低于成本价、报价串标等问题，而在评标过程中引入大数据技术则可以较好地改善上述问题[1]。

大数据分析在电子招投标中的应用逐渐成为行业热点，有利于为各主体提供更为客观、全面、精准的招投标信息和判断，也有利于招投标活动回归经济和市场属性，改进招标采购的监管模式，发现新的商业机会和重构新的商业模式[2]。

1招投标交易价格数据库

建立数据库是进行大数据分析的前提。工程项目在招投标过程中会产生很多信息，其中工程造价信息最为重要，其为一切有关工程造价的特征、状态及其变动信息的组合[3]，是当前政府主管部门实现价格监管、削弱招标人与投标人之间信息不对称以及最终形成建筑产品市场定价格局的必要条件。因此，有必要建立招投标交易价格数据库并对其进行维护和更新。

交易价格数据库是指将招投标过程中产生的大量工程造价信息和影响建筑产品价格的相关信息以数据形式存储在计算机中，可供用户随时选取、调用和查阅。通过全国各地造价信息网或其他信息网联网，得以扩大并丰富数据库的信息量。交易价格数据库基本内容如图1所示。

图1　交易价格数据库的基本内容

然而，数据库建完后还需不断地对其进行维护和更新，以保证能够准确、及时地反映建筑市场交易价格信息，实现造价信息动态管理的目标。

2造价指数的编制与发布

运用造价指数进行工程造价管理是国际通行的惯例，例如美国主要依据《工程新闻纪录》(engineering news record)公布的指数来估算和调整工程造价；英国则由建筑工程造价信息服务机构(building cost information service)发布的工程造价指数来确定和控制各类建设项目的工程造价。虽然我国造价信息管理平台已经搭建，但仍然存在造价信息内容不明确，信息管理重视程度不够，信息网站平台有待完善，材料价格采集渠道单一等问题[4]。

图2所示为我国工程造价信息栏目设置统计情况。由图2可以看出，各地方造价信息网中设置指标信息和指数信息的比例不到40%，且仅有42.9%的地方提供免费的造价信息，由此说明我国造价指数的编制与发布仍然不够成熟。政府对工程造价的动态管理不能沿袭传统做法，即仅针对人工费、材料费、机械费等生产要素价格进行管理，而应及时转向信息管理，充分利用大数据技术编制并发布各类工程造价指数，通过造价指数的形式实现政府对建筑市场进行后台监管的目的。

图2　我国工程造价信息网栏目设置统计情况

运用大数据技术编制工程造价指数，不仅可以避免抽样及交易时间不同带来的误差，还可以借助各类数学模型，如人工神经网络(ANN)，从交易价格数据库中提取特征类似的工程项目作为模型的训练样本，以实现对各类造价指数的精准预测。

3预警异常交易现象

3.1不平衡报价

在招投标过程中，不平衡报价策略最显著的特征是报价中存在一些子目单价偏高，而另一些子目单价偏低。采用电子招投标技术，便于在清标的过程中应用计算机程序计算各投标人单价与基准单价的差异比Dj。

(1)

式中：j为选取的清单项；Bj为投标人单价；Oj为评审基准单价。

计算的Dj值越大意味着Bj与Oj的差异越大，当Dj≤30%，则认为Bj是合理的，否则评委有理由相信该项报价存在不平衡报价的行为并要求投标人做出合理的解释[5]。但是，除非招标文件明确规定投标报价超过Dj值则不予以接受，否则评委很难根据投标人的解释判断出投标人属于不平衡报价而不予以接受。

运用大数据技术可以解决该问题，通过调取该投标人的历史投标报价数据，对相同或类似子目单价进行对比分析，可以反映出该投标人在过去的一段时间内、不同项目中对某特定子目报价所采取的策略，据此判断投标人是否存在不平衡报价。例如，混凝土清单子目单价在历史投标报价中忽高忽低，或者一直过低，这明显与市场价格趋势相违背，就表明该投标人可能采用了不平衡报价的策略。

3.2投标报价低于成本

《招标投标法》第三十三条规定：“投标人不得以低于成本的报价竞标”。通过整理各地方对招投标评标办法中合理低价评标法的规定，成本价判定的方法主要分为3类：基准价评审判定法、专家比较判定法、成本利润比较判定法。然而，这3种方法在实践中都不能有效地识别投标报价是否低于成本，这是因为：①基准价评审判定法虽然评审过程客观、公正，但其注重的是投标报价与基准价之间的偏差，并未体现成本的思想；②专家比较判定法是通过专家质询后做出投标报价是否低于成本的判断，相对于基准价评审判定法更符合成本价评审的思想，但在评标过程中却不能向评委提供有效的评审依据，使得评价结果流于形式；③成本利润比较判定法思路上基本可行，但其需要具体分析人工、材料、机械的单价及其消耗量，而专家评委很难对此做出准确的估计，因此也无法判断出企业的个别成本。

运用大数据技术识别投标报价是否低于成本可以分为两类：①统计型；②机器学习型。统计型是先通过确定各成本指标的分布函数，再求解工程总造价的概率分布函数F(t)来判断投标报价是否低于成本[6]。将投标报价低于成本视为小概率事件，以投标人报价为t0计算得到F(t0)即为该投标报价的概率，当其小于10%(或5%)时，评委有理由相信该投标人低于成本报价。机器学习型是通过建立模型并训练大量的样本，自主学习并直接计算得到企业个别成本。例如，基于BP神经网络判断投标报价是否低于成本[7]，企业投标项目的个别成本=社会平均成本×综合修正系数，通过建立两个BP神经网络分别预测出社会平均成本和个别成本综合修正系数，最终可判断出企业投标报价是否低于成本。

3.3投标人串通投标

投标人串通投标是指在招标时投标人之间达成协议，事先确定中标人及中标价，使招标活动完全变成一种形式行为。串通投标行为在实践中主要表现为两大规律[8]：①报价中存在掩护报价；②中标结果存在轮流坐庄。掩护报价是投标人串通投标最常采用的方法，一般以预定中标人的估价为基础，其价格结构与预定中标人的价格结构相似，但又与一般竞争性报价结构存在较大的差异，其特征如图3所示。轮流坐庄是指投标人之间相互约定，在不同的项目中轮流以高价位中标[9]，往往与掩护报价现象同时存在。轮流坐庄最显著的特征是某几个投标人在一段时间内或某一特殊领域相互交替中标，呈现出周期性中标的规律[10]。

图3　总报价相近情形下的掩护报价特征

运用大数据技术识别串通投标行为的两大规律时，首先需要借助数据挖掘工具对一段时间内所有投标记录进行关联模式挖掘，如图4所示，寻找出投标过于频繁且出现共同投标的施工单位；再分析其投标报价是否具有规律性的差异；最终判断是否存在串通投标行为。

图4　关联模式挖掘模型

4串通投标报价案例分析

以某市2012年建设工程交易中心积累的电子招投标数据为例，选取其中标的额较大(>500万)的项目作为分析对象，统计显示共有57家施工单位参加53个项目的投标，产生了352条投标记录，接着运用SPSS软件对上述352条投标记录进行关联分析，得到关联规则如表1所示。

表1　调整参数后关联规则

从表1可以得出该规则下，投标人A～F共同参与投标的项目有8例，占总项目数的15.094%，而在这8个招标项目中投标人G也100%参与投标，故得出结论：这7家施工单位在8个招标项目中出现共同投标的现象。

为进一步分析上述7个投标人是否存在串通投标的行为，需结合其在每个项目中的投标报价。通过绘制报价排名(Pnth)-报价与招标控制价的偏差率(Di′)坐标图，可以更加直观地观察投标报价的规律性。笔者同时采用苏建招[2010]333号文规定的投标报价评审方法一的前4个标段进行分析，投标人A～G的投标报价如表2所示。

表2　投标人A～G的投标报价

注：统计标段中投标报价高于最高限价的并未废标

(2)

(3)

(4)

式中：N为投标总人数；Bi为投标人i的投标报价。通过式(2)～式(4)分别计算Pnth与Di′值，并绘制Pnth-Di′坐标图，如图5所示。

图5　各标段Pnth-Di′坐标图

由图5可知，Pnth-Di′坐标图可以将投标人分为两类：投标报价过高和投标报价过低。例如标段1、2、4表现得较为明显。另外，中标人的位置都处于中间位置，且与下一家投标报价之间的斜率很小，说明投标总价突然发生变化。这种方式的报价策略与评标方法有关，串通投标可能会采取统一提高报价以排挤正常报价的投标人。根据评标办法的规定：低于最低招标控制价的投标报价将不予接收，而最低控制价又依据投标人报价的算术平均值下浮一定系数计算，通过串通报高价来提高最低控制价，导致正常报价因低于最低控制价而被拒绝。笔者进一步对各投标人投标报价排名位置进行分析，发现4个标段中报价高于中标价的投标人总会出现投标人A、B、D、E、F，且投标人A和E分别在标段1和标段4中中标，因此有理由怀疑这5个投标人之间有串通投标的现象。

5结论

大数据时代的到来给工程项目招投标带来新的发展机遇，通过建立招投标交易价格数据库，不仅可以完善造价信息管理制度，提供各类造价指数信息；还可以借助于强有力的分析工具，提取更多有价值的信息，从而解决“数据丰富、但信息贫乏”的困境。投标报价是否低于成本价的判定以及串通投标报价一直是招投标领域中的顽疾，大数据技术可以从不同的角度对这些异常交易情形进行预警，为解决该问题提供了新的思路。

参考文献：

[1]赵勇,徐轲.大数据在招投标领域大有可为[J].中国经济导报,2014(11):1-2.

[2]汪才华.基于电子招投标大数据分析在行业中运用问题思考[J].建筑市场与招标投标,2014(6):41-45.

[3]杜超.对工程造价信息管理的思考与建议[J].建筑经济,2011(12):45-47.

[4]张玉全.造价管理部门如何做好建设工程造价信息管理工作[J].建筑经济,2011(6):75-77.

[5]WANG W C.Electronic-based procedure for managing unbalanced bids[J].Journal of Construction Engineering and Management,2014(3):455-460.

[6]陆彦,唐世海.投标报价是否低于成本的概率统计诊断模型研究[J].基建优化,2005(1):68-70.

[7]申玲,唐安淮,孙剑.基于BP神经网络的建筑工程投标价格是否低于成本的评判[J].基建优化,2003(1):13-15.

[8]PABLO B P. Detecting abnormal and collusive bids in caped tendering[J]. Automation in Construction, 2013(3):215-229.

[9]张光飞,赵建华,肖玲.工程招投标串通行为研究及其建议[J].工程管理学报,2010(3):267-271.

[10]PADHI S S. Detection of collusion in government procurement auctions [J].Journal of Purchasing & Supply Management,2011(17):207-221.

LINGYANG Mingyue:Postgraduate;School of Business,Hohai University,Nanjing 211100,China.

文章编号：2095-3852(2016)02-0214-04

文献标志码:A

收稿日期：2015-10-19.

作者简介：凌阳明月(1993-)，女，江西上饶人，河海大学商学院硕士研究生.

中图分类号：TU723.2

DOI：10.3963/j.issn.2095-3852.2016.02.017

Application of Big Data Technologies in the Construction Project Bidding

LINGYANGMingyue,ZHAOFan,LINGYANGMingxing

Abstract：With the development of the technology of electronic bidding, bidding areas showing too much data, too little information; interactive analysis difficult; difficult to tap the potential rules; difficult to trace the history, form data islands and other issues. Therefore, to introduce big data technology into the field of project bidding, on the basis of the establishment of a database transaction price bidding, the paper applied big data technology in the field of creating Cost Index, identifying unbalanced quotes, bidding below cost determination and identifying collusive bidding problems. Application of Big Data technology for data analysis is the inevitable choice of bidding development, and also an effective way to solve the existing problems.

Key words：big data; bidding; transaction price; unusual transactions