尹家明 費清

摘 ?要：建設(shè)工程招投標(biāo)是維護(hù)市場經(jīng)濟(jì)公平競爭和經(jīng)濟(jì)建設(shè)健康發(fā)展的一個重要舉措。因投標(biāo)過程中涉及大量交易活動而受各界關(guān)注。為提高建設(shè)工程招投標(biāo)環(huán)節(jié)風(fēng)險預(yù)警能力，避免違法違紀(jì)問題出現(xiàn)，文章采用聚類算法構(gòu)建風(fēng)險預(yù)警模型，探究工程招投標(biāo)交易活動中風(fēng)險預(yù)警方法，并進(jìn)行實證分析。結(jié)果表明該方法對工程招投標(biāo)過程中涉嫌的圍標(biāo)、串標(biāo)行為風(fēng)險預(yù)警效果顯著，對行業(yè)監(jiān)管部門和協(xié)會凈化市場生態(tài)具有較高的借鑒性和推廣性。

關(guān)鍵詞：招投標(biāo);行為自律;風(fēng)險預(yù)警;聚類算法

中圖分類號：TP311 ? ?文獻(xiàn)標(biāo)識碼：A文章編號：2096-4706（2021）14-0133-04

Abstract： Construction project bidding is an important measure to maintain fair competition of market economy and healthy development of economic construction. Due to a large number of transaction activities involved in the bidding process， it has attracted attention from all walks of life. In order to improve the risk early warning ability in construction project bidding link and avoid the problems of violation of law and discipline， this paper uses clustering algorithm to build a risk early warning model， explores the risk early warning methods in project bidding and trading activities， and makes an empirical analysis. The results show that this method has a significant effect on the risk early warning of suspected bid encirclement and collusion in the process of project bidding， and has high reference and popularization for the industry supervision departments and associations to purify the market ecology.

Keywords： bidding; behavior self-discipline; risk early warning; clustering algorithm

0 ?引 ?言

西方國家歷經(jīng)200余年建立了相關(guān)招投標(biāo)制度，我國從西方國家引進(jìn)只有短短30余載，雖已成效顯著，但目前實際招投標(biāo)交易活動中仍存在一些涉嫌招投標(biāo)當(dāng)事人相互串通圍標(biāo)、掛靠投標(biāo)，有的甚至與設(shè)計院、招標(biāo)公司勾結(jié)，操縱招標(biāo)結(jié)果，用合法的招標(biāo)程序套取國家資金。近年來隨著大數(shù)據(jù)技術(shù)在政府治理中的深入應(yīng)用，如何更好運用大數(shù)據(jù)融合分析風(fēng)險預(yù)警工具遏制建設(shè)工程項目招投標(biāo)中可能存在的圍標(biāo)、串標(biāo)行為，避免在工程項目后續(xù)實施階段發(fā)生掛靠、轉(zhuǎn)包、非法分包等違法違規(guī)行為，創(chuàng)建以行業(yè)自律風(fēng)險預(yù)警機(jī)制，維護(hù)凈化市場健康生態(tài)的創(chuàng)新管理模式。

本文通過貴陽市2016—2018年實施建設(shè)工程招投標(biāo)自律風(fēng)險預(yù)警平臺案例采集近三年的數(shù)據(jù)，基于大數(shù)據(jù)機(jī)器學(xué)習(xí)技術(shù)的聚類算法（clustering algorithm）提出了具有高實用性、可操作性的自律風(fēng)險預(yù)警方法，并采用“數(shù)據(jù)風(fēng)險預(yù)警+行業(yè)自律約談+承諾公示”的多措并舉創(chuàng)新模式，對行業(yè)監(jiān)管部門和協(xié)會凈化市場生態(tài)具有較高的借鑒性和推廣性。

1 ?問題提出

建設(shè)工程招投標(biāo)因其涉及公共資源分配和市場主體環(huán)境“三公”（即公平、公正、公開）原則，對遏制建筑工程招投標(biāo)中存在的圍標(biāo)、串標(biāo)等違法違規(guī)問題進(jìn)行研究，就招標(biāo)人與代理機(jī)構(gòu)、招標(biāo)人與投標(biāo)人、招標(biāo)人與評標(biāo)專家、代理機(jī)構(gòu)與投標(biāo)人、代理機(jī)構(gòu)與評標(biāo)專家、投標(biāo)人與評標(biāo)專家等共同參與招投標(biāo)活動的7種關(guān)系人之間的利益鏈進(jìn)行剖析研究，通過采集公共資源交易中心對近3年來房建和市政工程中的招投標(biāo)樣本數(shù)據(jù)，與住建監(jiān)管部門近3年來房建和市政工程項目質(zhì)量安全驗收數(shù)據(jù)進(jìn)行匯聚融合，按結(jié)果問題導(dǎo)向分類提取出工程招投標(biāo)四方主體風(fēng)險指標(biāo)，就疑似招投標(biāo)人圍標(biāo)、疑似招投標(biāo)人串標(biāo)、四方主體親密度和項目后跟蹤評價等風(fēng)險作為本文研究重點。

2 ?研究現(xiàn)狀

當(dāng)前該領(lǐng)域研究現(xiàn)狀有以下幾點：

（1）缺少“陽光政務(wù)”服務(wù)的強(qiáng)力抓手。按照十九大強(qiáng)調(diào)“抓早抓小、防微杜漸是反腐防腐的戰(zhàn)術(shù)和策略”。從建設(shè)工程項目的招投標(biāo)環(huán)節(jié)入手，運用大數(shù)據(jù)的手段，對招投標(biāo)全過程進(jìn)行記錄、追溯，確保建筑工程招投標(biāo)權(quán)力運行全程數(shù)據(jù)化監(jiān)測預(yù)警，即可快速部署，又對行業(yè)自律有震懾作用。

（2）舊規(guī)默俗亟待有效工具破除。一些市場主體通過“借公司幫個忙”等方式常年在招投標(biāo)行業(yè)邊緣尋求灰色利益，即破壞了建設(shè)工程招投標(biāo)制度的初衷，也造成了該行業(yè)市場生態(tài)的進(jìn)一步惡劣，雖近年來通過各種行政手段有所好轉(zhuǎn)，但依然存在，亟待破除這些潛規(guī)則以改變現(xiàn)狀。具體痛點表現(xiàn)在：

1）串標(biāo)、圍標(biāo)為工程建設(shè)質(zhì)量安全埋下隱患。一些投標(biāo)企業(yè)相互串通，彼此達(dá)成協(xié)議，輪流坐莊中標(biāo)或借用資質(zhì)進(jìn)行圍標(biāo)。往往這類投標(biāo)企業(yè)中標(biāo)后，違法分包、轉(zhuǎn)包現(xiàn)象也較為突出。還有的投標(biāo)企業(yè)惡意低價中標(biāo)后，找各種理由拖延工期，手段、性質(zhì)都非常惡劣，以達(dá)到變更工程追加投資增大利潤空間的目的。

2）招標(biāo)人、招標(biāo)代理機(jī)構(gòu)為特定企業(yè)量身定做招標(biāo)文件。即為何總是有一些市場主體投標(biāo)總是中標(biāo)這個招標(biāo)人項目，為何有些市場主體投標(biāo)總是不中標(biāo)。

（3）梳理判定陪標(biāo)、圍標(biāo)、串標(biāo)問題源。在長期頻繁參與投標(biāo)但中標(biāo)率極低的企業(yè)與中標(biāo)率極高的企業(yè)，長期共同出現(xiàn)在同一招標(biāo)項目中，基本可判定為陪標(biāo)、圍標(biāo)行為。二是判定招標(biāo)人與投標(biāo)人之間關(guān)系過于親密，有串標(biāo)行為。某時段內(nèi)，同一投標(biāo)人參與固定招標(biāo)人的招標(biāo)項目且中標(biāo)率極高的基本可確定雙方具有合作關(guān)系，有串標(biāo)行為。三是判定評標(biāo)專家與投標(biāo)人之間的存在利益輸送。具體有以下幾點：

1）招標(biāo)人與代理機(jī)構(gòu)之間，存在個別招標(biāo)人與代理機(jī)構(gòu)間的關(guān)系過于親密問題。通過采集投標(biāo)人與代理機(jī)構(gòu)間的數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)個別招標(biāo)人在某一時段內(nèi)，選擇同一代理機(jī)構(gòu)代理招標(biāo)的項目次數(shù)較多。

2）招標(biāo)人與投標(biāo)人之間，存在同一投標(biāo)人多次投標(biāo)某招標(biāo)人的項目且中標(biāo)率較高問題。通過采集招標(biāo)人與投標(biāo)人之間的數(shù)據(jù)分析，發(fā)現(xiàn)某一投標(biāo)人在一定時期內(nèi)，參與同一招標(biāo)人項目的投標(biāo)次數(shù)和中標(biāo)率偏高。

3）評標(biāo)專家與招標(biāo)人、投標(biāo)人、代理機(jī)構(gòu)之間，存在專家對特定對象的評分偏高的問題。通過對專家評分?jǐn)?shù)據(jù)進(jìn)行采集分析，某些評標(biāo)專家針對特定企業(yè)投標(biāo)的評定分值明顯高于或低于其評定的平均分值。

4）代理機(jī)構(gòu)與投標(biāo)人之間，存在同一投標(biāo)人參與某一代理機(jī)構(gòu)的項目多次投標(biāo)且中標(biāo)率較高問題。通過對代理機(jī)構(gòu)與投標(biāo)人之間的數(shù)據(jù)采集分析，發(fā)現(xiàn)某一代理機(jī)構(gòu)在一定時期內(nèi)，其代理的招標(biāo)項目中，同一投標(biāo)人參與投標(biāo)的次數(shù)和中標(biāo)率偏高。

5）共同投標(biāo)人之間，存在某些投標(biāo)人投標(biāo)頻率較高，但中標(biāo)率極低的問題。通過對投標(biāo)人之間的數(shù)據(jù)采集分析，發(fā)現(xiàn)某些投標(biāo)人長期共同參與同一項目的投標(biāo)，其中一些投標(biāo)人長期中標(biāo)率極低。

3 ?實證分析

本文通過痛點問題和現(xiàn)狀的信息的采集和識別，綜合研判后構(gòu)建了建設(shè)工程招投標(biāo)自律風(fēng)險分析設(shè)計了風(fēng)險分析流程圖，如圖1所示。

根據(jù)風(fēng)險分析流程圖進(jìn)行了具體風(fēng)險動因分析，找出分析因子和風(fēng)險系數(shù)值，建立工程招投標(biāo)自律風(fēng)險預(yù)警分析模型，分為三個步驟，如圖2所示。

3.1 ?數(shù)據(jù)識別分類（模型設(shè)計）

通過公共資源交易中心招投標(biāo)數(shù)據(jù)庫中動態(tài)提取招投標(biāo)交易活動中數(shù)據(jù)進(jìn)行數(shù)據(jù)統(tǒng)計，按照時間因子篩選，通過因果分析法首先完成包括項目總數(shù)、招標(biāo)單位數(shù)量、代理機(jī)構(gòu)數(shù)量及投標(biāo)單位數(shù)量與項目四方主體關(guān)系的分類為（詳見表1所示）：

（1）對項目招標(biāo)人數(shù)據(jù)分別進(jìn)行招標(biāo)人與代理機(jī)構(gòu)、投標(biāo)人及評標(biāo)專家的數(shù)據(jù)分析，利用如下公式計算出各方主體的關(guān)注指數(shù)為：

招標(biāo)人數(shù)據(jù)=A×10%+B×70%+C×20%

A=招標(biāo)人與代理機(jī)構(gòu)數(shù)據(jù)=（招標(biāo)人項目發(fā)包數(shù)/全市招標(biāo)項目發(fā)包數(shù)）+（招標(biāo)人選擇代理機(jī)構(gòu)總數(shù)/全市代理機(jī)構(gòu)總數(shù)）

B=招標(biāo)人與中標(biāo)人數(shù)據(jù)=（B1+B2+B3+Bn）/n

B1=（招標(biāo)人發(fā)包項目數(shù)/全市招標(biāo)項目發(fā)包總數(shù)）+（1-投標(biāo)人1中標(biāo)此招標(biāo)人總數(shù)/投標(biāo)人1中標(biāo)總數(shù)）

B2=（招標(biāo)人發(fā)包項目數(shù)/全市招標(biāo)項目發(fā)包總數(shù)）+（1-投標(biāo)人2中標(biāo)此招標(biāo)人總數(shù)/投標(biāo)人2中標(biāo)總數(shù)）

Bn=（招標(biāo)人發(fā)包項目數(shù)/全市招標(biāo)項目發(fā)包總數(shù)）+（1-投標(biāo)人n中標(biāo)此招標(biāo)人總數(shù)/投標(biāo)人n中標(biāo)總數(shù)）

C=（專家待定）

可分別進(jìn)行代理機(jī)構(gòu)與招標(biāo)人、投標(biāo)人及評標(biāo)專家的數(shù)據(jù)分析，利用如下公式計算出各方主體的關(guān)注指數(shù)，并進(jìn)行排列展示。

（2）投標(biāo)人數(shù)據(jù)分析。分別進(jìn)行投標(biāo)人與招標(biāo)人、代理機(jī)構(gòu)及評標(biāo)專家的數(shù)據(jù)分析，利用如下公式計算出各方主體的關(guān)注指數(shù)，并進(jìn)行排列展示。

投標(biāo)人數(shù)據(jù)=F×10%+G×40%+H×40%+I×10%

F=投標(biāo)人與代理數(shù)據(jù)=中標(biāo)數(shù)/全市招標(biāo)數(shù)+中標(biāo)項目的代理機(jī)構(gòu)總/全市代理機(jī)構(gòu)總數(shù)

G=投標(biāo)人與招標(biāo)人數(shù)據(jù)=（G1+G2+G3+Gn）/n

G1=中標(biāo)數(shù)/全市招標(biāo)數(shù)+（1-中標(biāo)招標(biāo)人1總數(shù)/招標(biāo)人1總招標(biāo)數(shù)）

G2=中標(biāo)數(shù)/全市招標(biāo)數(shù)+（1-中標(biāo)招標(biāo)人2總數(shù)/投標(biāo)人2總招標(biāo)數(shù)）

Gn=中標(biāo)數(shù)/全市招標(biāo)數(shù)+（1-中標(biāo)招標(biāo)人n總數(shù)/投標(biāo)人n總招標(biāo)數(shù)）

H=投標(biāo)人數(shù)據(jù)=[（投標(biāo)人中標(biāo)項目數(shù)/報名數(shù)）+（投標(biāo)人中標(biāo)項目數(shù)/資格預(yù)審合格數(shù)）+（投標(biāo)人中標(biāo)項目數(shù)/遞交投標(biāo)文件數(shù)）]

I=（專家待定）

（3）代理機(jī)構(gòu)數(shù)據(jù)=D×10%+F×70%+E×20%

D=代理機(jī)構(gòu)與招標(biāo)人數(shù)據(jù)=代理機(jī)構(gòu)代理項目總數(shù)/全市招標(biāo)數(shù)+代理機(jī)構(gòu)代理招標(biāo)人總數(shù)/全市招標(biāo)人總數(shù)

F=代理機(jī)構(gòu)與投標(biāo)人數(shù)據(jù)=（1-代理機(jī)構(gòu)代理項目總數(shù)/全市招標(biāo)數(shù)）+（1-代理機(jī)構(gòu)代理項目的遞交投標(biāo)文件的投標(biāo)人總數(shù)/全市所有項目遞交投標(biāo)文件的投標(biāo)人總數(shù)）

E=（專家待定）

（4）評標(biāo)專家數(shù)據(jù)分析。進(jìn)行評標(biāo)專家與招標(biāo)人、投標(biāo)人及代理機(jī)構(gòu)的數(shù)據(jù)分析，利用聚類算法計算出各方主體的關(guān)注指數(shù)，并進(jìn)行排列展示。

3.2 ?編程運算（模型學(xué)習(xí)）

聚類算法是一種大數(shù)據(jù)機(jī)器學(xué)習(xí)的無監(jiān)督學(xué)習(xí)模型之一，它將分析對象相似的歸到一個簇中，簇內(nèi)分析對象越接近，聚類效果越好。本文主要采用其中K-均值（K-means）聚類算法，根據(jù)采集數(shù)據(jù)中“招標(biāo)人風(fēng)險值數(shù)據(jù)”樣本為s，包含了n個對象s={s1，s1，s1，…，sn}，其中每個對象都具有m個維度的屬性（這里主要指已采集的投標(biāo)人、招標(biāo)代理、評標(biāo)專家維度）。目標(biāo)是將n個對象依據(jù)的對象間的相似性聚集在指定的k個簇中，首先初始化k個聚類中心d={d1，d2，d3，…，dk}，1<k≤n，計算每一個對象到每一個聚類中心距離，如下式所示：

式中si表示第1個對象1≤i≤n，dj表示第j個聚類中心的1≤j≤k，sit表示第i個對象的第t個屬性，1≤t≤m，djt表示第j個聚類中心的第t個屬性。依次類推比較每個對象到每一個聚類中心距離，將對象分配到距離最近的聚類中心的簇中，得到k個簇{x1，x2，x3，…，xk}，以此計算簇內(nèi)所有對象的各個維度的均值如下：

注：上式中dt表示第1個聚類中心，1≤l≤k，|xl|表示第1個類簇中對象的個數(shù)，si表示第1個類簇中的第i個對象，1≤i≤|xl|。

3.3 ?分析優(yōu)化（模型驗證）

通過自律風(fēng)險預(yù)警模型算法導(dǎo)入的學(xué)習(xí)，按照紅色代表高風(fēng)險預(yù)警值、黃色中風(fēng)險提醒值和綠色代表關(guān)注值的定義，對模型學(xué)習(xí)后數(shù)據(jù)導(dǎo)入云平臺進(jìn)行顯示。界面如圖3所示。

4 ? 結(jié) ?論

本文通過文獻(xiàn)查閱、案例導(dǎo)入、模型構(gòu)建、模型驗證，構(gòu)建基于聚類算法的工程招投標(biāo)自律風(fēng)險預(yù)警模型，預(yù)警效果目標(biāo)達(dá)到。作為行業(yè)監(jiān)管部門可以通過該模型及搭建的基于云計算的招投標(biāo)自律風(fēng)險預(yù)警平臺對建設(shè)工程項目招投標(biāo)行為動態(tài)監(jiān)測。同時，提出的“風(fēng)險預(yù)警數(shù)據(jù)+行業(yè)自律約談+承諾公示”管理管理模式，可以很好地推動整個建設(shè)工程招投標(biāo)領(lǐng)域的市場凈化和行業(yè)自律，讓好的企業(yè)更好，差的企業(yè)無處遁形，或改邪歸正，或自然推出行業(yè)市場。

為了更好推進(jìn)建設(shè)工程招投標(biāo)領(lǐng)域的市場凈化和行業(yè)自律，我們建議：

進(jìn)一步推進(jìn)大數(shù)據(jù)技術(shù)的招投標(biāo)自律風(fēng)險預(yù)警平臺在招投標(biāo)領(lǐng)域的深度融合，向更多地區(qū)復(fù)制推廣形成全行業(yè)自律。

進(jìn)一步完善條塊數(shù)據(jù)匯聚，多維度采集協(xié)同數(shù)據(jù)，實現(xiàn)實時數(shù)據(jù)共享，織牢風(fēng)險預(yù)警監(jiān)測平臺，使其分析更精準(zhǔn)。

參考文獻(xiàn)：

[1] 王勇，劉建平，蔡長霞.一種改進(jìn)的K-means聚類算法 [J].工業(yè)控制計算機(jī)，2010，23（8）：91-93.

[2] 趙勇.大數(shù)據(jù)在工程建設(shè)項目招投標(biāo)中的應(yīng)用研究 [J].工程經(jīng)濟(jì)，2016，26（11）：70-75.

[3] 李蒙，魯曼，余宏亮.區(qū)塊鏈技術(shù)下的建筑材料信息技術(shù)架構(gòu)研究 [J].建筑經(jīng)濟(jì)，2019，40（10）：103-107.

[4] 鮑宇清，陳斌，陳波，等.“放管服”背景下基于“大數(shù)據(jù)”和“區(qū)塊鏈”技術(shù)的建筑節(jié)能和建筑材料管理模式研究 [J].住宅產(chǎn)業(yè)，2020（10）：96-99.

[5] 吳艷.大數(shù)據(jù)在工程建設(shè)項目招投標(biāo)中的應(yīng)用 [J].電子世界，2017（11）：77.

[6] 程鐵信，郭濤，祁昕.決策樹分類模型在工程項目評標(biāo)風(fēng)險預(yù)警中的應(yīng)用 [J].數(shù)理統(tǒng)計與管理，2010，21（1）：122-128.

[7] 凌陽明月，趙帆，凌陽明星.大數(shù)據(jù)技術(shù)在工程項目招投標(biāo)中的應(yīng)用研究 [J].武漢理工大學(xué)學(xué)報（信息與管理工程版），2016，38（2）：214-217.

[8] 源軍，胡維建.聚類分析法在建設(shè)工程項目招標(biāo)過程中的應(yīng)用 [J].施工技術(shù)，2008（8）：24-25+29.

[9] 劉云楓，易麗君.全過程網(wǎng)絡(luò)招投標(biāo)及其風(fēng)險識別 [J].科技管理研究，2011，31（1）：197-200.

[10] 喬柱，劉伊生.大數(shù)據(jù)背景下我國電子招投標(biāo)監(jiān)管研究 [J].工程管理學(xué)報，2019，33（1）：1-5.

[11] 李鑫，程靜，李慧波，等.基于大數(shù)據(jù)的典型社會安全事件預(yù)測預(yù)警技術(shù)研究 [J].中國電子科學(xué)研究院學(xué)報，2019，14（5）：457-461.

作者簡介：尹家明（1976.12—），男，漢族，貴州大方人，高級工程師，項目管理碩士，研究方向：大數(shù)據(jù)戰(zhàn)略及項目管理、數(shù)據(jù)商業(yè)智能挖掘研究;費清（1994.10—），女，漢族，貴州貴陽人，大數(shù)據(jù)工程師，本科，研究方向：大數(shù)據(jù)項目管理、數(shù)據(jù)算法設(shè)計及數(shù)據(jù)挖掘。