孫淑生+劉丹
摘要:建筑行業(yè)的數(shù)據(jù)信息呈爆炸式增長(zhǎng)的同時(shí),承包商在工程項(xiàng)目投標(biāo)決策中要考慮的風(fēng)險(xiǎn)因素也不斷增加,但施工企業(yè)的信息管理水平?jīng)]有跟上時(shí)代的腳步,對(duì)洶涌而來(lái)的海量數(shù)據(jù)無(wú)從下手,導(dǎo)致資源浪費(fèi)、風(fēng)險(xiǎn)控制不當(dāng)、投標(biāo)失敗等嚴(yán)重問(wèn)題。大數(shù)據(jù)時(shí)代的到來(lái),為施工企業(yè)在工程項(xiàng)目投標(biāo)決策過(guò)程中的風(fēng)險(xiǎn)控制提供了可靠支持。在現(xiàn)有的工程項(xiàng)目投標(biāo)風(fēng)險(xiǎn)管理模型基礎(chǔ)上,從承包商角度出發(fā),利用大數(shù)據(jù)技術(shù)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,結(jié)合數(shù)據(jù)挖掘決策樹算法篩選出了有效的風(fēng)險(xiǎn)信息,創(chuàng)建了工程項(xiàng)目投標(biāo)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系,以實(shí)際工程項(xiàng)目為案例,論證結(jié)果表明,能夠有效幫助承包商量化風(fēng)險(xiǎn),提高風(fēng)險(xiǎn)識(shí)別的準(zhǔn)確度。
關(guān)鍵詞:大數(shù)據(jù);投標(biāo)決策;評(píng)價(jià)指標(biāo)體系;風(fēng)險(xiǎn)管理
中圖分類號(hào):C931文獻(xiàn)標(biāo)識(shí)碼:A DOI:10.3963/j.issn.1671-6477.2017.02.0002
建筑業(yè)作為目前企業(yè)規(guī)模最大、過(guò)程最為復(fù)雜、數(shù)據(jù)量最多的行業(yè),但由于其特殊性,相比于其他同等規(guī)模的行業(yè),也是“最沒(méi)有”數(shù)據(jù)的行業(yè)。建筑行業(yè)管理創(chuàng)新能力較弱,行業(yè)轉(zhuǎn)型升級(jí)困難重重,在信息化、互聯(lián)網(wǎng)、大數(shù)據(jù)的運(yùn)用方面都有待革新,這與行業(yè)的性質(zhì)也有一定關(guān)系。建筑行業(yè)的產(chǎn)品生產(chǎn)過(guò)程復(fù)雜性大、周期長(zhǎng)、涉及的物質(zhì)資源廣泛,導(dǎo)致互聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù)等轉(zhuǎn)化為生產(chǎn)力的難度巨大。這也大大降低了技術(shù)對(duì)行業(yè)變革的沖擊,使保守勢(shì)力得以長(zhǎng)期掌控行業(yè)。因此,從承包商的角度出發(fā),探討如何將海量數(shù)據(jù)轉(zhuǎn)換為有效的決策依據(jù)是非常有意義的。
一、大數(shù)據(jù)處理技術(shù)在工程項(xiàng)目投標(biāo)決策中的應(yīng)用優(yōu)勢(shì)
IBM公司出版的《理解大數(shù)據(jù)》一書中,按照大數(shù)據(jù)的三個(gè)特征即數(shù)量、類別和速度來(lái)解釋大數(shù)據(jù)。麥肯錫全球研究所指出,大數(shù)據(jù)應(yīng)該是“通過(guò)傳統(tǒng)的軟件工具無(wú)法實(shí)現(xiàn)對(duì)實(shí)時(shí)篩選、管理和分析的數(shù)據(jù)集合”。本文將大數(shù)據(jù)定義為:以信息技術(shù)為基礎(chǔ),在人類學(xué)習(xí)、工作、生產(chǎn)生活等行為中產(chǎn)生且被記錄的海量、多樣、快速、真實(shí)的數(shù)據(jù),構(gòu)成的一個(gè)完整的數(shù)據(jù)系統(tǒng)。大數(shù)據(jù)的核心是從數(shù)量巨多、類別多樣、增長(zhǎng)迅速、真實(shí)準(zhǔn)確的數(shù)據(jù)中挖掘有用的信息,實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)科學(xué)決策。
投標(biāo)決策的主體是施工單位,指承包商在對(duì)工程承包市場(chǎng)、招標(biāo)項(xiàng)目信息、招標(biāo)公司等方面通過(guò)調(diào)查分析后有了充分了解的前提下,進(jìn)行系統(tǒng)分析后作出選擇,最終找出最適合本公司的投標(biāo)項(xiàng)目或者最佳投標(biāo)方案。投標(biāo)決策是施工企業(yè)運(yùn)營(yíng)的重要組成部分,投標(biāo)工作對(duì)施工單位有著十分重要的意義,它是公司實(shí)現(xiàn)經(jīng)營(yíng)目標(biāo)的保證,是公司獲取經(jīng)營(yíng)利潤(rùn)的前提,也是公司在競(jìng)爭(zhēng)中獲勝的關(guān)鍵。管理者作出決策的主要依據(jù)就是對(duì)積累的歷史經(jīng)驗(yàn)數(shù)據(jù)進(jìn)行整理、分析,而大數(shù)據(jù)處理技術(shù)正是服務(wù)于此類海量數(shù)據(jù)的分析過(guò)程。收集數(shù)據(jù)只是大數(shù)據(jù)處理的前提,但是如果只是數(shù)據(jù)堆積,則不能體現(xiàn)數(shù)據(jù)的價(jià)值。大數(shù)據(jù)的核心是將對(duì)生產(chǎn)管理活動(dòng)有用的知識(shí)信息從規(guī)模龐大、種類多樣、高速增長(zhǎng)的數(shù)據(jù)中提取出來(lái),輔助管理者們進(jìn)行分析決策,滿足不同的工作需求[1]。大數(shù)據(jù)強(qiáng)大的數(shù)據(jù)集成管理、分析處理和可視化處理技術(shù)為管理者提取有用信息提供了有力的技術(shù)支持。長(zhǎng)久以來(lái),諸多學(xué)者針對(duì)大數(shù)據(jù)處理技術(shù)的運(yùn)用和投標(biāo)決策過(guò)程中的影響因素作出了許多研究。Fatos Xhafa[2]分析了大數(shù)據(jù)時(shí)代的到來(lái)對(duì)人們生活的影響,指出知識(shí)隱藏在數(shù)據(jù)中,通過(guò)專家評(píng)審并給出意見書,認(rèn)為從大數(shù)據(jù)的生成到維護(hù),大數(shù)據(jù)的知識(shí)可以建立在一個(gè)系統(tǒng)中,使管理數(shù)據(jù)的壽命周期等相關(guān)問(wèn)題得以解決。Ming Lu[3]針對(duì)工程問(wèn)題數(shù)據(jù)計(jì)算量大的問(wèn)題,利用PERT網(wǎng)絡(luò)技術(shù),重新測(cè)算建設(shè)工程工期風(fēng)險(xiǎn),在計(jì)算量和評(píng)價(jià)準(zhǔn)確性等方面都均有顯著改進(jìn)。學(xué)者S.H Han[4]、Bakker[5]在綜合運(yùn)用信息網(wǎng)絡(luò)技術(shù)和風(fēng)險(xiǎn)管理方法這一領(lǐng)域也進(jìn)行了相關(guān)研究。郭鵬等[6]將灰色評(píng)價(jià)與模糊數(shù)學(xué)相結(jié)合,形成風(fēng)險(xiǎn)綜合評(píng)價(jià)方法,這種方法的特點(diǎn)是針對(duì)專家評(píng)判信息的模糊性與灰性,運(yùn)用聚類理論得出指標(biāo)灰色統(tǒng)計(jì)量,通過(guò)創(chuàng)建項(xiàng)目風(fēng)險(xiǎn)模糊隸屬矩陣運(yùn)算得出相關(guān)項(xiàng)目的風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)。胡艷妮[7]以獨(dú)特的角度考慮問(wèn)題,采用AHP方法和改進(jìn)的兩兩比較判斷方法,從內(nèi)、外部風(fēng)險(xiǎn)對(duì)投標(biāo)活動(dòng)進(jìn)行考察,并對(duì)之前的方法進(jìn)行了改進(jìn),建立一種定量的投標(biāo)風(fēng)險(xiǎn)評(píng)價(jià)方法。
二、大數(shù)據(jù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系在項(xiàng)目投標(biāo)風(fēng)險(xiǎn)管理中的運(yùn)用
工程項(xiàng)目日趨復(fù)雜化,其全過(guò)程中出現(xiàn)的風(fēng)險(xiǎn)因素越來(lái)越多,在預(yù)測(cè)其多變性、不確定性等方面的難度也越來(lái)越大,且工程項(xiàng)目各個(gè)階段所出現(xiàn)的風(fēng)險(xiǎn)又是相互影響的,工程項(xiàng)目投標(biāo)決策階段作為項(xiàng)目的啟動(dòng)階段,必須做好風(fēng)險(xiǎn)管理工作[8]。大數(shù)據(jù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的建立與風(fēng)險(xiǎn)管理的第一階段風(fēng)險(xiǎn)識(shí)別有著密切的聯(lián)系。指標(biāo)體系是在大數(shù)據(jù)處理后的結(jié)果,風(fēng)險(xiǎn)識(shí)別是對(duì)大數(shù)據(jù)處理的結(jié)果進(jìn)行初步判斷。
信息技術(shù)在建筑行業(yè)的應(yīng)用不斷深入,結(jié)合自身運(yùn)營(yíng)的業(yè)務(wù)范疇和發(fā)展需求,企業(yè)會(huì)建立不同的辦公自動(dòng)化平臺(tái)和業(yè)務(wù)處理系統(tǒng)來(lái)存儲(chǔ)業(yè)務(wù)數(shù)據(jù)資料。在激烈的市場(chǎng)競(jìng)爭(zhēng)中,管理者需要從這些不同的系統(tǒng)平臺(tái)中篩選出有效的數(shù)據(jù)信息進(jìn)行分析,大數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)可以把這些歷史數(shù)據(jù)進(jìn)行歸納、總結(jié)和補(bǔ)充,結(jié)合計(jì)算機(jī)技術(shù),建立操作方便的風(fēng)險(xiǎn)決策系統(tǒng),如圖1所示。
(一)數(shù)據(jù)倉(cāng)庫(kù)的建立
數(shù)據(jù)倉(cāng)庫(kù)是面向主題的、集成的、具有時(shí)間特征的、穩(wěn)定的數(shù)據(jù)集合,用于支持經(jīng)營(yíng)管理中的決策支持過(guò)程[9]。數(shù)據(jù)倉(cāng)庫(kù)是許多不同數(shù)據(jù)源的信息集成,這些數(shù)據(jù)源本身有可能就是一個(gè)完整的數(shù)據(jù)庫(kù),因此數(shù)據(jù)倉(cāng)庫(kù)對(duì)數(shù)據(jù)挖掘技術(shù)的要求更高。以企業(yè)的立場(chǎng)出發(fā),數(shù)據(jù)倉(cāng)庫(kù)涵蓋了多個(gè)部門的數(shù)據(jù)信息。數(shù)據(jù)挖掘的任務(wù)是在現(xiàn)有的數(shù)據(jù)基礎(chǔ)上發(fā)掘新知識(shí),建立數(shù)據(jù)倉(cāng)庫(kù)能夠?qū)p少數(shù)據(jù)挖掘過(guò)程中的阻礙[10]。
投標(biāo)項(xiàng)目數(shù)據(jù)庫(kù)的建立以大數(shù)據(jù)的收集為基礎(chǔ)。投標(biāo)工作涉及到多個(gè)方面,積累和現(xiàn)有的數(shù)據(jù)大多雜亂無(wú)章,且承包商對(duì)日常工作中的數(shù)據(jù)積累不夠重視,導(dǎo)致這些大量數(shù)據(jù)的浪費(fèi)。要建立穩(wěn)定、有效的數(shù)據(jù)庫(kù)系統(tǒng),必須先將這些數(shù)據(jù)信息進(jìn)行整理。橫向劃分為組(包括企業(yè)自身、競(jìng)爭(zhēng)對(duì)手等),縱向列出項(xiàng)目屬性(包括項(xiàng)目名稱、項(xiàng)目合同信息、招標(biāo)業(yè)主、類型、規(guī)模、工期等),將數(shù)據(jù)以表的形式存儲(chǔ)起來(lái),如表1所示。企業(yè)內(nèi)部數(shù)據(jù)源主要是企業(yè)自身多年工作的數(shù)據(jù)累積,一般來(lái)自各部門的業(yè)務(wù)處理系統(tǒng)、信息處理系統(tǒng)、資源規(guī)劃系統(tǒng)和客戶管理系統(tǒng)。企業(yè)外部數(shù)據(jù)包括競(jìng)爭(zhēng)對(duì)手信息、行業(yè)市場(chǎng)信息等。行業(yè)市場(chǎng)信息可以從相關(guān)部門或網(wǎng)絡(luò)平臺(tái)獲取,競(jìng)爭(zhēng)對(duì)手信息較難獲取,可以向第三方咨詢公司購(gòu)買或組織調(diào)研小組進(jìn)行專項(xiàng)調(diào)查。各項(xiàng)目的風(fēng)險(xiǎn)影響因素又構(gòu)成子數(shù)據(jù)庫(kù),對(duì)于企業(yè)積累的歷史數(shù)據(jù),可根據(jù)項(xiàng)目投標(biāo)決策階段的風(fēng)險(xiǎn)研究,結(jié)合項(xiàng)目在施工過(guò)程中的風(fēng)險(xiǎn)變化,進(jìn)行風(fēng)險(xiǎn)重要性分析,總結(jié)針對(duì)各項(xiàng)風(fēng)險(xiǎn)因素的有效應(yīng)對(duì)措施。
(二)數(shù)據(jù)的劃分及篩選
大數(shù)據(jù)的分析分為兩個(gè)階段:一是對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的信息進(jìn)行初步提取篩選,縮小分析范圍;二是運(yùn)用數(shù)據(jù)挖掘算法進(jìn)行準(zhǔn)確處理。投標(biāo)項(xiàng)目的基本信息數(shù)據(jù)屬于結(jié)構(gòu)化數(shù)據(jù),對(duì)于結(jié)構(gòu)化數(shù)據(jù)的挖掘,必須以一個(gè)專業(yè)領(lǐng)域的、滿足關(guān)聯(lián)規(guī)則的數(shù)據(jù)倉(cāng)庫(kù)為前提,結(jié)構(gòu)化數(shù)據(jù)應(yīng)符合的關(guān)聯(lián)規(guī)則如圖2所示。而投標(biāo)項(xiàng)目的風(fēng)險(xiǎn)影響因素屬于非結(jié)構(gòu)化數(shù)據(jù),對(duì)于非結(jié)構(gòu)化數(shù)據(jù)的挖掘,可采用類似文獻(xiàn)關(guān)鍵詞檢索技術(shù)進(jìn)行分類管理。
數(shù)據(jù)預(yù)處理階段,通常包括三個(gè)重要的數(shù)據(jù)操作:抽取、轉(zhuǎn)換和裝載。數(shù)據(jù)的抽取要明確數(shù)據(jù)倉(cāng)庫(kù)需要什么樣的數(shù)據(jù);數(shù)據(jù)轉(zhuǎn)換是為了消除數(shù)據(jù)在類型、格式、質(zhì)量等方面的差距,將數(shù)據(jù)進(jìn)行歸一化;數(shù)據(jù)裝載的過(guò)程中應(yīng)注意數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)同業(yè)務(wù)不能在同一個(gè)數(shù)據(jù)庫(kù)系統(tǒng)中,以免影響系統(tǒng)的額性能。數(shù)據(jù)預(yù)處理的最終目的是結(jié)合企業(yè)擬投標(biāo)項(xiàng)目的基本信息,排除關(guān)聯(lián)性不大的項(xiàng),初步篩選出類似工程項(xiàng)目,基本篩選條件為:工程類型相同;本次競(jìng)標(biāo)活動(dòng)中的參與者。按照企業(yè)內(nèi)部、企業(yè)與競(jìng)爭(zhēng)對(duì)手之間的關(guān)聯(lián)進(jìn)行劃分,以縮小數(shù)據(jù)挖掘范圍,能夠更準(zhǔn)確地找出有效的信息。
數(shù)據(jù)挖掘分析階段,主要是對(duì)非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析,常用的數(shù)據(jù)挖掘方法包括關(guān)聯(lián)性分析、聚類分析、異常發(fā)現(xiàn)和分類發(fā)現(xiàn)等,工程項(xiàng)目投標(biāo)風(fēng)險(xiǎn)因素的篩選首要工作就是對(duì)風(fēng)險(xiǎn)進(jìn)行歸類,運(yùn)用分類發(fā)現(xiàn)法進(jìn)行數(shù)據(jù)挖掘。分類模型常用的算法有統(tǒng)計(jì)分析、決策樹法、BP神經(jīng)網(wǎng)絡(luò)等[11]。決策樹算法是數(shù)據(jù)分類器中應(yīng)用最為廣泛的一種算法,在處理數(shù)據(jù)的過(guò)程中,結(jié)合樹狀結(jié)構(gòu),將數(shù)據(jù)按照類別劃分為不同的樹干和枝葉,生成決策樹。數(shù)據(jù)元組的類別歸屬屬性通過(guò)決策樹的每個(gè)分枝來(lái)體現(xiàn),繼而從每個(gè)分枝中提取屬性,建立數(shù)據(jù)關(guān)聯(lián)規(guī)則。樹根作為整個(gè)決策樹的根節(jié)點(diǎn),樹枝表示下一階段的決策節(jié)點(diǎn),每個(gè)決策節(jié)點(diǎn)對(duì)應(yīng)一個(gè)問(wèn)題或者決策,每個(gè)葉子節(jié)點(diǎn)表示一種可能的分類。
設(shè){決策屬性1=a,決策屬性2=b,決策屬性i=x}(i=1,2,…,n)為決策樹從根節(jié)點(diǎn)到當(dāng)前節(jié)點(diǎn)的決策屬性集合,若當(dāng)前節(jié)點(diǎn)對(duì)應(yīng)的元組集合X中,按照類別的屬性取值進(jìn)行分組,得到的若干個(gè)互不相交的子集中存在子集Y k(Y k滿足類別標(biāo) 識(shí)屬性=c k,k=1,2,…,m)中的元組占集合X元組總量的p%,則稱p%為子集Y k對(duì)集合X的支持度。
決策樹的創(chuàng)建過(guò)程:
(1)選取分類標(biāo)識(shí)明顯的屬性作為當(dāng)前決策節(jié)點(diǎn),確定決策對(duì)類別標(biāo)識(shí)屬性的最小支持度的閾值α(0≤α≤1)。
(2)計(jì)算當(dāng)前決策節(jié)點(diǎn)下每個(gè)決策屬性的信息增益,取最大項(xiàng)作為決策節(jié)點(diǎn),將訓(xùn)練樣本數(shù)據(jù)集分成若干個(gè)子集。
(3)計(jì)算每個(gè)子集中各類別的標(biāo)識(shí)屬性值在該子集中支持度,過(guò)濾掉低于最小支持度α的元組。
(4)針對(duì)每一個(gè)子集,重復(fù)循環(huán)步驟(2)(3),直至最終的子集滿足子集中所有元組類別相同、該子集是遍歷了所有的決策屬性得到的或者子集中剩余的決策屬性已經(jīng)無(wú)法進(jìn)行劃分等條件之一。
(5)確定葉子節(jié)點(diǎn),生成決策樹,將決策樹中規(guī)則可信度低于最小可信度β所對(duì)應(yīng)的分枝刪除。
在項(xiàng)目投標(biāo)風(fēng)險(xiǎn)因素分析的過(guò)程中,將數(shù)據(jù)預(yù)處理的結(jié)果進(jìn)行整理,以“項(xiàng)目所屬公司”作為決策樹根節(jié)點(diǎn),以風(fēng)險(xiǎn)損失度值作為標(biāo)識(shí)屬性。構(gòu)建的決策樹如圖3。
對(duì)于項(xiàng)目風(fēng)險(xiǎn)影響因素,由于建筑項(xiàng)目的相對(duì)獨(dú)立性,不同的項(xiàng)目即使在相同的情況下,面臨的風(fēng)險(xiǎn)因素也不盡相同,因此,在風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的建立過(guò)程中,要充分考慮對(duì)目標(biāo)項(xiàng)目的適用性。例如,對(duì)某工程項(xiàng)目的經(jīng)濟(jì)風(fēng)險(xiǎn)類別進(jìn)行挖掘,樣本訓(xùn)練集中共有500個(gè)元組,分為經(jīng)濟(jì)風(fēng)險(xiǎn)“很高”、“較高”、“一般”、“極低”,對(duì)應(yīng)的子集Y 1、Y 2、Y 3、Y 4中元組個(gè)數(shù)分別為130、260、70、40,設(shè)最小支持度閾值α為10%,則經(jīng)濟(jì)風(fēng)險(xiǎn)為“極低”的支持度為40/500=8%<10%,因此經(jīng)濟(jì)風(fēng)險(xiǎn)發(fā)生率“極低”的類別標(biāo)識(shí)屬性將被舍去。繼續(xù)分析經(jīng)濟(jì)風(fēng)險(xiǎn)類別下的影響因素,對(duì)各影響因素按照風(fēng)險(xiǎn)后果劃分等級(jí)并賦值,運(yùn)用公式風(fēng)險(xiǎn)值=影響因素發(fā)生概率×事件后果,設(shè)置閾值,根據(jù)計(jì)算結(jié)果舍去低于閾值的影響因素,剩下的就是需要重點(diǎn)分析的風(fēng)險(xiǎn)因素。
(三)數(shù)據(jù)挖掘結(jié)果的解釋
數(shù)據(jù)挖掘中的決策樹算法,是根據(jù)歷史數(shù)據(jù),先由根部開始發(fā)散,構(gòu)建決策樹,再?gòu)牡讓酉蛏虾Y選計(jì)算,對(duì)風(fēng)險(xiǎn)因素進(jìn)行排序,這是一個(gè)定量分析的客觀過(guò)程。對(duì)項(xiàng)目投標(biāo)風(fēng)險(xiǎn)數(shù)據(jù)進(jìn)行挖掘篩選的最終目的,是要找出有用的風(fēng)險(xiǎn)決策信息,為了讓企業(yè)能夠了解最終的結(jié)果,要組織專業(yè)人員對(duì)結(jié)果進(jìn)行進(jìn)一步的處理,即結(jié)合定性分析,通常表格的形式來(lái)說(shuō)明。通過(guò)對(duì)工程項(xiàng)目投標(biāo)海量數(shù)據(jù)平臺(tái)處理分析后,得出項(xiàng)目投標(biāo)風(fēng)險(xiǎn)一級(jí)指標(biāo)有4個(gè):經(jīng)濟(jì)風(fēng)險(xiǎn)、行業(yè)風(fēng)險(xiǎn)、公司風(fēng)險(xiǎn)和項(xiàng)目風(fēng)險(xiǎn)。將這4個(gè)一級(jí)指標(biāo)作為重點(diǎn)挖掘的數(shù)據(jù),繼續(xù)篩選得到各一級(jí)指標(biāo)下的子集,如表2所示。
三、案例分析
桂林奧林匹克花園世紀(jì)華庭工程概況:該項(xiàng)目地處桂林西城新區(qū),毗鄰新市政府。周邊自然風(fēng)光較好,東臨魯湖,西接騎馬山。開發(fā)商為世紀(jì)家園房地產(chǎn)開發(fā)有限公司,項(xiàng)目投資金額約50億,規(guī)劃占地面積約為7.28萬(wàn)平方米,建筑總面積達(dá)180萬(wàn)平方米,計(jì)劃入住人口4萬(wàn)左右。項(xiàng)目?jī)?nèi)配套建設(shè)多種公共設(shè)施,如酒店、商圈、幼兒園等。
(一)項(xiàng)目投標(biāo)決策風(fēng)險(xiǎn)確立
根據(jù)桂林奧林匹克花園世紀(jì)華庭工程的項(xiàng)目概況和市場(chǎng)調(diào)研結(jié)果,利用大數(shù)據(jù)構(gòu)建項(xiàng)目投標(biāo)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系,結(jié)合風(fēng)險(xiǎn)識(shí)別的科學(xué)方法,并參考專家們給出的意見,識(shí)別出該項(xiàng)目存在的主要風(fēng)險(xiǎn)。
1.建立數(shù)據(jù)庫(kù)。湖北中進(jìn)建設(shè)工程有限公司擬參與投標(biāo),投標(biāo)工作小組整理公司內(nèi)部、行業(yè)內(nèi)以及競(jìng)爭(zhēng)對(duì)手的數(shù)據(jù)信息,通過(guò)第三方數(shù)據(jù)軟件,建立投標(biāo)項(xiàng)目數(shù)據(jù)倉(cāng)庫(kù)。
2.對(duì)數(shù)據(jù)進(jìn)行篩選分析。
數(shù)據(jù)預(yù)處理:目的是要找出類似工程的數(shù)據(jù)以供參考。該項(xiàng)目為住宅小區(qū)建設(shè),輸入項(xiàng)目類型為“住宅”,初步篩選出符合條件的元組,建立新的數(shù)據(jù)存儲(chǔ)集合。
數(shù)據(jù)挖掘分析:根據(jù)表2列出的風(fēng)險(xiǎn)指標(biāo)評(píng)價(jià)體系,建立優(yōu)化后的決策樹,從右向左進(jìn)行推算,15分為閾值,即低于15分以下的分枝進(jìn)行修剪。風(fēng)險(xiǎn)值=風(fēng)險(xiǎn)發(fā)生概率×事件后果嚴(yán)重程度,這里的事件后果嚴(yán)重程度是根據(jù)歷史數(shù)據(jù)中,風(fēng)險(xiǎn)發(fā)生后對(duì)工程項(xiàng)目的影響,以費(fèi)用的形式體現(xiàn),按照費(fèi)用高低來(lái)進(jìn)行嚴(yán)重度劃分,如表3。
通貨膨脹的風(fēng)險(xiǎn)值:0.5×50=25
項(xiàng)目融資途徑的風(fēng)險(xiǎn)值:0.3×90=27
供應(yīng)商價(jià)格波動(dòng)的風(fēng)險(xiǎn)值:0.2×70=14
利率浮動(dòng)的風(fēng)險(xiǎn)值:0.2×50=10
地方保護(hù)主義的風(fēng)險(xiǎn)值:0.6×30=18
將各項(xiàng)風(fēng)險(xiǎn)影響因素的風(fēng)險(xiǎn)值與閾值15進(jìn)行比較,可得供應(yīng)商價(jià)格波動(dòng)和利率浮動(dòng)兩項(xiàng)較低,在該項(xiàng)目的風(fēng)險(xiǎn)分析工作中可以少關(guān)注,不作為主要的經(jīng)濟(jì)風(fēng)險(xiǎn)因素。以此類推,行業(yè)風(fēng)險(xiǎn)、公司風(fēng)險(xiǎn)和項(xiàng)目本身風(fēng)險(xiǎn)的二級(jí)影響因素都可以生成相似的決策樹。最終得到該項(xiàng)目需要重點(diǎn)分析的風(fēng)險(xiǎn)影響因素有:通貨膨脹風(fēng)險(xiǎn)、資金來(lái)源風(fēng)險(xiǎn)、地域保護(hù)風(fēng)險(xiǎn)、投標(biāo)競(jìng)爭(zhēng)風(fēng)險(xiǎn)、政策變化風(fēng)險(xiǎn)、氣候地址條件風(fēng)險(xiǎn)、公司信譽(yù)風(fēng)險(xiǎn)、管理水平風(fēng)險(xiǎn)、信息取舍失誤風(fēng)險(xiǎn)、施工技術(shù)風(fēng)險(xiǎn)、工期風(fēng)險(xiǎn)、質(zhì)量風(fēng)險(xiǎn)、安全風(fēng)險(xiǎn)等。
(二)項(xiàng)目投標(biāo)風(fēng)險(xiǎn)分析
1.投標(biāo)風(fēng)險(xiǎn)初步分析。根據(jù)識(shí)別出的風(fēng)險(xiǎn)因素,設(shè)計(jì)工程項(xiàng)目投標(biāo)風(fēng)險(xiǎn)調(diào)查表。在企業(yè)內(nèi)部選出5位專家,請(qǐng)各專家對(duì)桂林奧林匹克花園世紀(jì)華庭工程項(xiàng)目投標(biāo)風(fēng)險(xiǎn)因素的可能發(fā)生率P、影響嚴(yán)重程度S、監(jiān)測(cè)能力D進(jìn)行排序打分,同時(shí)確定各風(fēng)險(xiǎn)因素的概率等級(jí)P 0,如表4為某位專家的投標(biāo)風(fēng)險(xiǎn)評(píng)價(jià)表。風(fēng)險(xiǎn)管理者收回并整理調(diào)查表,計(jì)算各專家的評(píng)分。
根據(jù)每位專家對(duì)相關(guān)項(xiàng)目工作經(jīng)驗(yàn)、招標(biāo)項(xiàng)目的了解程度以及自身知識(shí)的掌握程度等,賦予每位專家權(quán)威性權(quán)重值T,計(jì)算該項(xiàng)目投標(biāo)風(fēng)險(xiǎn)初步評(píng)價(jià)匯總情況,見表5。
將每位專家評(píng)定的風(fēng)險(xiǎn)度加權(quán)平均得到本項(xiàng)目的投標(biāo)風(fēng)險(xiǎn)度為0.5303,在區(qū)間(0.4,0.6]內(nèi),屬于風(fēng)險(xiǎn)中等范圍,可以正常參與投標(biāo),但接近上限值,因此要密切關(guān)注各投標(biāo)風(fēng)險(xiǎn)因素的發(fā)展。
2.投標(biāo)風(fēng)險(xiǎn)詳細(xì)分析。資格審查環(huán)節(jié)結(jié)束后,承包商仔細(xì)研究招標(biāo)文件,結(jié)合現(xiàn)場(chǎng)考察情況,作進(jìn)一步的調(diào)查研究,在更加詳盡的信息基礎(chǔ)上進(jìn)行項(xiàng)目風(fēng)險(xiǎn)分析,分析結(jié)果通過(guò)層次結(jié)構(gòu)圖來(lái)展現(xiàn)。
在行業(yè)內(nèi)選擇8位專家組成風(fēng)險(xiǎn)評(píng)價(jià)小組,其中5位是參加過(guò)風(fēng)險(xiǎn)初步評(píng)價(jià)的專家,另外3位是非本單位的行業(yè)內(nèi)專家。專家小組分別對(duì)一級(jí)、二級(jí)評(píng)價(jià)指標(biāo)進(jìn)行比較打分,根據(jù)專家討論分析的結(jié)果得到兩兩判斷矩陣。
B 1、B 2、B 3 、B 4對(duì)A:
將工程項(xiàng)目投標(biāo)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)列出,形成風(fēng)險(xiǎn)評(píng)價(jià)表,請(qǐng)8位專家按照“風(fēng)險(xiǎn)很大、風(fēng)險(xiǎn)較大、風(fēng)險(xiǎn)中等、風(fēng)險(xiǎn)較小、風(fēng)險(xiǎn)很小”的評(píng)價(jià)標(biāo)準(zhǔn)對(duì)各評(píng)價(jià)指標(biāo)進(jìn)行模糊評(píng)判。然后加入專家意見的權(quán)重,對(duì)各專家的評(píng)判結(jié)果進(jìn)行統(tǒng)計(jì)整理。企業(yè)內(nèi)部的5位專家的權(quán)重集為(1.0,0.9,0.9,0.8, 0.7);企業(yè)外部3位專家的權(quán)重集為(0.9,0.8, 0.8),則本案例中∑ B j=1 Y ij=6.8。
整理評(píng)價(jià)結(jié)果,計(jì)算評(píng)價(jià)指標(biāo)對(duì)評(píng)價(jià)集的隸屬度,得到各隸屬度矩陣為:
3.桂林奧林匹克花園世紀(jì)華庭工程項(xiàng)目投標(biāo)風(fēng)險(xiǎn)應(yīng)對(duì)。通過(guò)風(fēng)險(xiǎn)評(píng)價(jià)模型分析得到的風(fēng)險(xiǎn)度值,對(duì)比各層次風(fēng)險(xiǎn)評(píng)估等級(jí)標(biāo)準(zhǔn),我們可以得出該投標(biāo)項(xiàng)目的風(fēng)險(xiǎn)水平,運(yùn)用工程項(xiàng)目投標(biāo)風(fēng)險(xiǎn)應(yīng)對(duì)的方法,從而針對(duì)不同的風(fēng)險(xiǎn)水平采取風(fēng)險(xiǎn)應(yīng)對(duì)措施。對(duì)于風(fēng)險(xiǎn)度很大的項(xiàng)目,承包商應(yīng)持謹(jǐn)慎態(tài)度,以回避風(fēng)險(xiǎn)為主;對(duì)于風(fēng)險(xiǎn)度較大或一般的項(xiàng)目,承包商應(yīng)重點(diǎn)關(guān)注,尋求幫助或分散風(fēng)險(xiǎn)來(lái)減小損失;對(duì)于風(fēng)險(xiǎn)度很小的項(xiàng)目,承包商可以選擇風(fēng)險(xiǎn)自留或轉(zhuǎn)移,例如以分包的方式將風(fēng)險(xiǎn)轉(zhuǎn)移給下級(jí)分包商,通過(guò)購(gòu)買工程保險(xiǎn)的方式獲得可能的損失補(bǔ)償?shù)?。本?xiàng)目編制的項(xiàng)目投標(biāo)風(fēng)險(xiǎn)應(yīng)對(duì)詳細(xì)方案,見表7。
四、結(jié) 語(yǔ)
當(dāng)前,大數(shù)據(jù)技術(shù)的不斷發(fā)展,在不同領(lǐng)域的成功運(yùn)用為建筑行業(yè)提供了有效的經(jīng)驗(yàn)支持。正是由于學(xué)者們對(duì)大數(shù)據(jù)技術(shù)的探索和研究,推動(dòng)著建筑行業(yè)走向信息化管理時(shí)代。本研究基于大數(shù)據(jù)的工程項(xiàng)目投標(biāo)風(fēng)險(xiǎn)管理對(duì)于幫助項(xiàng)目決策者作出最合適的風(fēng)險(xiǎn)管理決策有著積極可靠的現(xiàn)實(shí)作用,同時(shí)建立大數(shù)據(jù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系也有助于企業(yè)進(jìn)一步實(shí)現(xiàn)信息化管理,可降低風(fēng)險(xiǎn)帶來(lái)的損失。雖然大數(shù)據(jù)工程項(xiàng)目投標(biāo)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系能夠?yàn)槌邪田L(fēng)險(xiǎn)管理提供基礎(chǔ),但實(shí)際操作中工程項(xiàng)目可能面臨的風(fēng)險(xiǎn)因素?cái)?shù)以萬(wàn)計(jì),且類別多變,通過(guò)數(shù)據(jù)挖掘算法得到的評(píng)價(jià)指標(biāo)僅能代表小部分,尤其是對(duì)于工程技術(shù)復(fù)雜、規(guī)模大、投資巨額的項(xiàng)目,其風(fēng)險(xiǎn)控制工作更加困難,就需要更完善、更全面的風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系,有待進(jìn)一步研究。
[參考文獻(xiàn)]
[1]梁吉業(yè),馮晨嬌,宋 鵬.大數(shù)據(jù)相關(guān)分析綜述[J].計(jì)算機(jī)學(xué)報(bào),2016(1):1-18.
[2]Fatos Xhafa. Big Data knowledge discovery[J]. Knowledge-Based Systems, 2015(1):79.
[3]Ming LU. About Risk Simplified CPM/PERT Simulation Model[J]. Journal of Construction Engineering and Management, 2013(3):219-226.
[4]S.H Han, J E Diekmann. Making A Risk-based Decision for Overseas Construction Projects[J]. Construction Management and Economics, 200l,21(9):765-776.
[5]Bakker K.D, Boonstra, A., Wortmann, H. Does Risk Management Contribute to IT Project Success? A Meta-analysis of Empirical Evidence[J]. International Journal of Project Management, 2010,28(5):493-503.
[6]郭 鵬,施品貴.項(xiàng)目風(fēng)險(xiǎn)模糊灰色綜合評(píng)價(jià)方法研究[J].西安理工大學(xué)報(bào),2005(1):106-109.
[7]胡艷妮.工程項(xiàng)目風(fēng)險(xiǎn)識(shí)別與分析方法探討[J].現(xiàn)代商貿(mào)工業(yè),2010(21):46-47.
[8]崔 陽(yáng),陳勇強(qiáng),徐冰冰.工程項(xiàng)目風(fēng)險(xiǎn)管理研究現(xiàn)狀與前景展望[J].工程管理學(xué)報(bào),2015(02):76-80.
[9]李海強(qiáng).依托大數(shù)據(jù)解決供應(yīng)鏈企業(yè)信用貸款問(wèn)題的研究[D].上海:華東師范大學(xué),2014:33.
[10]崔小委,吳新年.大數(shù)據(jù)應(yīng)用促進(jìn)大數(shù)據(jù)產(chǎn)業(yè)落地[J].科技管理研究,2016(2):203-207.
[11]金澈清,錢衛(wèi)寧,周敏奇,等.數(shù)據(jù)管理系統(tǒng)評(píng)測(cè)基準(zhǔn):從傳統(tǒng)數(shù)據(jù)庫(kù)到新興大數(shù)據(jù)[J].計(jì)算機(jī)學(xué)報(bào),2015(1):18-34.
(責(zé)任編輯 王婷婷)
Risk Management of Project Bidding Decision-making Based on Big Data
SUN Shu-sheng, LIU Dan
(School of Management, Wuhan University of Science and Technology, Wuhan 430081,Hubei,China)
Abstract:While the data of the construction industry shows an explosive growth, contractors should consider more factors when they make decisions about project bidding. However, the outdated information management of construction enterprises leads to amounts of data cant be disposed, and even more serious problems, such as a waste of resources, improper risk control, bidding failure, etc. The big data provides support for construction enterprises to control risks in the process of project bidding. Based on the existing project bidding risk management model, the thesis utilizes the big data technology to preprocess information. Decision tree algorithm of data mining is used to select effective risk information. And then, the project bidding risk evaluation index system is created. With the example of practical engineering project, this paper proves the evaluation index system can help the contractors quantify risks effectively, and improve the accuracy of risk identification.
Key words:big data; project bidding decision-making; evaluation index system; risk management
武漢理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)2017年2期