专家画像在评标专家管理中的应用研究

陈文俊 徐旸 马菁泽 董超 杨宗亮

摘  要：目前专家画像技术研究已成为学术热点，文章以专家画像在评标专家管理中的应用为背景，对专家画像评价维度和各个维度的评价标准量化进行了研究。在此基础上，对专家画像数据指标体系和展现方式进行了设计，并加以实践应用。应用成效表明该研究的评价维度和指标体系具有广泛性和代表性，基本可以反映评标专家的特性，在评标专家管理工作中具有较好的实用性。

关键词：专家画像;评标专家管理;专家评价

中图分类号：TP39   文献标识码：A 文章编号：2096-4706（2021）12-0131-05

Abstract： At present， the research on expert portrait technology has become an academic hotspot. Based on the application of expert portraits in the management of bid evaluation experts， this paper studies the evaluation dimensions of expert portraits and the quantification of the evaluation standards of each dimension. On this basis， the index system and display method of expert portrait data are designed and applied in practice. The application effects show that the evaluation dimensions and index system of this study are extensive and representative， and can basically reflect the characteristics of bid evaluation experts， and have good practicability in the management of bid evaluation experts.

Keywords： expert portrait; the management of bid evaluation experts; expert evaluation

0  引  言

招投標活动是公司重要的基础性工作，是保障采购质量的重要环节，评标专家作为招投标活动的主要参与者，承担着为公司择优选型、选商的重要责任。在整个评招投标环节中，评标专家都是其中的核心主体之一，主要涉及职业道德、法律素养以及专业能力等一系列的个人综合素质，会对招投标评价质量产生决定性的影响，与招投标活动是否更具公平性、公开性以及公正性具有极为紧密的关联[1]。评标专家能否按照招标文件规定的评标原则和办法，客观、公正、独立地进行评审，会直接影响评标结果。在招标采购活动中，对评标专家的科学管理和正确使用，是规范评标流程、提高评标活动质量的重要途径。

目前，评标专家分散在各单位、各部门，难以有效的组织管理，对专家履职尽责的要求难以有效的传递到每一个专家，导致专家管理中普遍存在“专业履历难匹配”“专家缺乏责任心”“专家考核流于形式”等问题。且由于对专家的考核管理多采用“事后管理”机制，难以有效将评标专家的履职风险和廉洁风险前置处理。此外，专家个人信息、出勤履职数据分散在多个系统中，缺乏数据的有效整合，不利于对人员的有效分析和管理。

为强化评标专家管理，精准施策，有必要对在库专家历史典型性数据进行整理分析，建立数据分析模型，进行评标专家画像研究。

1  专家画像在评标专家管理中的应用

从概念上说，专家画像起源于早期的用户画像（Personas）。用户画像的概念最早由Alan Cooper提出（Personas are a concrete representation of target users）[2]。随后，姜晓庆从科研管理系统建设角度，对专家画像系统的建立进行了技术分析，设计了一种面向PDF文件的混合元数据提取模型，提出了标签抽取与专家聚合模型[3]。两者都是真实用户的虚拟代表，都是基于数据-用户标签的映射方式，也有共性技术，但两者之间也存在不同[4]。专家画像针对的是某个特定专家的标签化描述，多采用经过验证的数据，价值密度高、可信度较高，多用于科技管理流程如专家及人才团队评价、学术发展动态展示等方面表现形式如研究领域标签、科研合作关系、学术能力评价报告等。

2  专家画像评价维度规则研究

根据对评标专家管理的需要，依据设计原则，从3个维度对专家评价进行规则量化，包括“专业”“敬业”“廉洁”。

2.1  专业维度

该维度拟量化测算专家历史工作履历及成果对所选专业的支撑程度，因一个专家可以选择多个专业，所以从综合专业性、分项专业性两个角度呈现评价结果。

2.1.1  分项专业性评价

分项专业性评价方面，主要是对专家的各个专业从基础项和加分项两个方面进行评价。测算内容及测算依据有：

（1）基础项，依据专家工作岗位与该专业的相关性和从事该专业相关工作年限两项进行测算。工作岗位与该专业相关计2分，不相关计0分;从事该专业相关工作5年及以下计1分，5～10年计2分，10年及以上计3分。

（2）加分项以5分为上限，依据参与该专业相关事项进行测算。详细测算内容和计分依据如表1所示。

（3）分项专业性评分计算，分项专业性评分=基础项得分+加分项得分。

2.1.2  综合专业性评价

综合专业性评价方面，主要是对专家的总体专业进行评价。测算内容及测算依据有：

（1）扣分項，专家选择专业过多、过杂都会影响其专业性。因此，当专家选择专业数超过10个，或所选专业的一类专业类别数超过3个时，将按以下公式计算扣分值进行扣分：

（2）综合专业性评价分计算，综合专业性评价分=分项专业性评分的平均分-扣减分。

2.2  敬业维度

该维度拟测算作为评标专家履职情况，综合考虑了专家出勤、响应、临时请假、一标一评、评审完成度及专家本职岗位能力胜任评价几方面的情况对专家进行评价。

2.2.1  响应评价

响应评分主要从专家的响应率进行测算，响应率30%及以上计5分;10%～30%之间计3分;10%及以下计1分。

2.2.2  出勤评价

出勤评分主要从出勤率、临时请假次数和迟到早退次数进行测算，详细测算内容和计分依据如表2所示。出勤评分=出勤率得分+临时请假得分+迟到早退得分。

2.2.3  评标评价

评标主要从一标一评、参评项目流标率、评标次数和岗位能力评价进行测算，详细测算内容和计分依据如表3所示。评标评分=一标一评评价得分+参评项目流标率得分+评标次数得分+岗位能力胜任评价得分。

2.2.4  敬业评价

敬业评价将以响应评分、出勤评分、评标评分作为测算依据，进行敬业评价分计算。计算公式为：

敬业评价分=响应评分得分+出勤评分得分+评标评价得分

2.3  廉洁维度

该维度拟测算评标专家廉洁情况，从廉洁意识和廉洁风险两个方面进行评价。

2.3.1  廉洁意识评价

廉洁意识的评价主要是从参加廉洁教育和出现不良行两个方面进行测算，详细测算内容和计分依据如表4所示。廉洁意识评价分=初始评分+不良行为得分+廉洁教育得分。

2.3.2  廉洁风险评价

廉洁风险的评价目前从选择专业的和参与评标项目方面来进行测算，详细测算内容和计分依据如表5所示。

2.3.3  廉洁评价

廉洁评价将采用廉洁意识减去廉洁风险的方式进行评价，计算公式为：

廉洁评价评分=廉洁意识评价得分-廉洁风险评价得分

3  专家画像数据指标体系设计

数据指标体系是建立用户画像的关键环节，也是在标签开发前要进行的工作，具体来说就是需要结合企业的业务情况设定相关的指标[5]。专家画像的数据指标体系将按照标签类型从统计类、规则类和机器学习挖掘类进行设计，并依据不同标签的特性设计最佳的展现方式。

3.1  统计类

统计类主要以专家的基本信息为主，包括性别、职称、政治面貌、岗位、评标专家级别、专业技术资格等信息，依据信息的实际值或统计值设置标签。

3.2  规则类

规则类主要以评价维度规则的评价量化得分进行设计。按照专业、敬业、廉洁的评价维度得分划定标签范围给出对应的评价标签。

3.2.1  专业评价标签设计

因综合专业性评价是综合分项专业性评价得出的评价，因此专业评价标签采用综合专业性评价分进行设计，标签对应关系如表6所示。

3.2.2  敬业评价标签设计

敬业评价标签依据计算得到的敬业评价分进行设计，标签对应关系如表7所示。

3.2.3  廉洁评价标签设计

廉洁评价标签依据计算得到的廉洁评价分进行设计，标签对应关系如表8所示。

3.2.4  关键数据标签设计

评价过程中的数据三维度总体情况、每个维度的各项得分情况因文字标签不能直观展现，将采用指标的形式进行展现。

3.3  机器学习挖掘类

机器学习挖掘类主要是依据评标专家参与评标的相关数据，通过系统对数据进行挖掘分析获得，如专家打分偏好、评标地点喜好、评标时长偏好、评标项目偏好等，依据占比范围设置标签。

4  画像展现

依据数据指标体系的设计，通过系统对指标进行实现。为更好地实现画像的功能，将采用印象标签和指标图表相结合的方式进行专家画像的展现。

4.1  印象标签展现

印象标签主要是以文字标签的形式进行展现。通过对指标体系设计的关键字标签进行展示，便于对专家的突出点有个整体印象，如图1所示。

4.2  指标标签展现

指标标签主要是以指标图的形式进行展现。用于展现文字表示不直观的需分析对比的信息，通过指标图的展示，能够更直观地看出这些信息的占比、分布情况，以便详细了解专家的具体情况，及时发现专家的偏好、不足和问题，如图2至图6所示。

5  应用成效

专家画像的应用对评标专家管理提供了很大的帮助。通过专家画像结果，能够针对专家倾向评标时长、月份，结合历年项目分布情况，给出一份各专业项目评标时长、月份建议;结合专家画像结果，给专家发送一份“体检报告”，定制化推送对专家的培训、教育内容以及信息规范化修改建议;运用专家画像结果，作为定标小组对于项目评标质量辅助预判依据;依据画像结果，给出专家异常行为监控指导建议。

6  结  论

专家画像在评标专家管理中的应用，能够直观快速了解评标专家的情况，解决了专家考核流于形式等问题。通过专家画像能够对专家进行体检及时发现评标专家可能存在的履职风险和廉洁风险，给出意见，做到提前预防。目前的评标专家画像还会在今后的使用中不断优化改进，使之更加科学完善。

参考文献：

[1] 严春苗.关于加强评标专家管理的实践与探讨 [J].市场周刊（理论版），2019（27）：195.

[2] COOPER A. The ORIGIN of PERSONAS [J].Innovation，2004（1）：26-28.

[3] 姜晓庆.科研文献系统中专家画像技术研究与应用 [D].杭州：浙江大学，2016.

[4] 王翔，侯威，陈洁.专家画像技术在科技管理中的应用分析 [J].安徽科技，2018（9）：37-39.

[5] 赵宏田.用户画像：方法论与工程化解决方案 [M].北京：机械工业出版社，2019.

作者简介：陈文俊（1988.05—），男，汉族，云南曲靖人，经济师，硕士，研究方向：企业信息化、供应链管理。