程建寧 王穎花 張云飛

目前，各大央企普遍建設了自有的招標采購電子平臺，經過多年積累，平臺上存儲了海量采購項目數據。如何有效地發(fā)掘和利用這些數據，成為擺在各個企業(yè)面前的一個課題。以某大型央企集團公司為例，其電子采購平臺存儲了十余年、約四十五萬個招標采購項目數據，主要包括招標方案、招標公告、招標文件、投標文件、評標報告、中標通知書等。對這些數據的發(fā)掘和利用，在后續(xù)的招標采購工作中有著重大的作用。

問題的提出

招標采購活動具有一次性和不可逆的特點。一個采購項目，往往在全部招標采購流程實施完成后，采購人才會發(fā)現(xiàn)項目的采購方案、采購文件中存在著這樣那樣的問題或瑕疵。而事后的總結對已經完成的項目于事無補，發(fā)現(xiàn)的問題只能在該產品的下一個采購周期或者其他采購項目中進行優(yōu)化和改進。目前，大型央企普遍實行集團集中采購，大多數采購產品以一至兩年為一個采購周期，不斷循環(huán)采購。在這種集中采購模式下，對往期采購項目總結出的經驗和教訓可直接用于本期項目中，從而優(yōu)化完善采購方案和采購文件，循環(huán)往復推動采購工作質量提升。

一般來講，這種經驗的積累主體為企業(yè)采購部門的采購經理，采購方案和采購文件的改進程度與采購經理的責任心、主動性、經驗提煉能力直接相關。這種經驗傳承方式過度依賴于采購經理個人，缺少必要的信息化手段支撐，經驗和技能無法做到高效共享。

采購文件編制的依據是采購方案，采購方案是采購項目的基礎和核心。在采購實踐中，企業(yè)采購部門管理層、采購經理對防止采購方案潛在風險的智能化輔助工具需求十分強烈，要求在采購項目實施的前期，即采購方案階段就能對項目后期實施中的風險進行事先預測，及時發(fā)現(xiàn)方案中不易察覺的風險，進行方案優(yōu)化，避免因方案疏漏對采購項目帶來不可逆轉的損失或不良影響。同時，采購部門也急需一個利用采購產品歷史數據去推演和模擬本期招標采購結果的智能化工具，為采購經理設置更加科學合理的采購方案和評審規(guī)則提供參考依據。該工具可將模擬的采購輸出結果與采購人的采購預期進行對比，對項目資格條件、評標辦法等內容進行調整和優(yōu)化，在擴大競爭的基礎上，尋找更加適合采購項目特點的評標標準和方法，在為企業(yè)節(jié)約采購成本的同時，進一步增強企業(yè)采購部門的價值創(chuàng)造能力。

集中采購模式下采購方案編制

首先，對采購方案的結構和內容進行梳理和分析。采購項目的采購方案構成一般包括采購依據、采購預算、采購組織形式、擬采取的采購方式、標段及標包的劃分、最高限價、潛在供應商資格條件、評審辦法、合同主要條款等。評審要素一般包含價格、商務、技術等部分。

在企業(yè)集中采購項目中，周期性采購的產品需求數量和規(guī)模會發(fā)生一定變化，對于通信企業(yè)來講，除通信技術更新?lián)Q代外，網絡建設和市場經營所需的產品需求變化幅度有限。在這種背景下，制定新一輪采購方案時，采購經理往往會套用往期采購方案，結合往期采購實施和合同履行中發(fā)現(xiàn)的問題，進行針對性優(yōu)化后，即將采購方案提交決策機構審批。在所有優(yōu)化的方案主要因素中，資格條件和評審辦法是優(yōu)化的重點。新一輪項目采購方案的主要內容與往期的差異性一般較小，這就為我們利用往期項目實施過程中的數據資產，如采購方案、評標辦法、招標文件、投標文件、評標報告等數據在新一輪項目中的模擬推演奠定了基礎。

思路與方法

基本思路

在詳細分析周期性采購項目采購方案編制過程后，解決方案呼之欲出。如前文所述，企業(yè)的電子采購平臺上存儲了各種產品往期的招標方案、招標文件、投標文件、評審報告和中標結果，可以根據某一產品往期采購項目的經驗和教訓，完善和優(yōu)化本期招標項目資格條件和評標辦法后，使用信息化手段提取往期項目電子檔案，將往期項目所有投標人的投標文件信息，包括價格、商務和技術應答內容，注入本期項目預測模型，按照新的評審辦法進行測算和推演，觀察推演結果與采購人預期目標的差異，對模型參數進行調整，最終找到最符合招標人預期的、最優(yōu)的采購方案。采購結果推演整體解決方案的基本思路，簡單來說就是“讓歷史告訴未來”。

時間在變化，供應市場也在變化。為進一步提高采購結果推演準確度，還需“實虛結合”，即一方面使用往期真實數據，另一方面根據供應市場變化情況，創(chuàng)建一定數量的虛擬供應商。開展深入細致的市場調研，在收集當前市場供應商相關信息的基礎上，將數據直接或者按照一定的算法加工后，對虛擬的潛在供應商進行模擬賦值，輸入智能推演系統(tǒng)進行模擬推演，通過兩條路徑的結合應用，提高推演系統(tǒng)的準確性。此外，在采購項目完成后，還要利用AI（人工智能）深度學習，使用實際的采購結果去矯正虛擬供應商模型和算法，進一步增強AI模型和算法的科學性和精準性。

方法和步驟

第一，總結周期性采購工作的實施過程和規(guī)律，對采購實施全流程中的相關數據資產進行深入的分析和梳理，結合IT系統(tǒng)基礎和可采用的技術，明確項目實施將解決的關鍵問題和達到的預期效果，完成項目需求的梳理。

第二，分析現(xiàn)有電子采購系統(tǒng)數據資產，梳理出項目實施需采集的數據信息清單，應用IPA（流程機器人）、大數據等相關技術對現(xiàn)有信息化系統(tǒng)的存量數據進行采集和清洗，并對獲取的數據信息進行結構化處理，研究和論證將往期采購項目數據注入本期采購方案的思路和方法。

第三，面向用戶設計智能化預測算法，算法需同時支持往期采購項目數據和新入智能推演投標數據；為提高新入智能推演投標數據的產生效率，需構建新入智能推演投標數據的數學模型，初步驗證模型及智能預測算法的可行性和輸出結果的準確性。

第四，根據前期的論證和研究成果，完成采購尋源智能推演系統(tǒng)的開發(fā)需求細化和功能設計，并進行智能推演系統(tǒng)的功能框架規(guī)劃、IT架構搭建、系統(tǒng)功能開發(fā)和測試，將采集或模擬產生并結構化的數據灌入智能推演系統(tǒng)進行智能預測算法的驗證，與預期結果進行比對，根據差異情況進行算法優(yōu)化調整。通過多次優(yōu)化調整，當模擬輸出結果與預期結果誤差較小時，進行系統(tǒng)上線試運行，在公司各級采購部門推廣應用。

第五，根據系統(tǒng)試運行情況，不斷進行智能推演系統(tǒng)的優(yōu)化迭代，為進一步提高系統(tǒng)的智能化程度，考慮引入AI算法的機器學習、深度學習，增強智能推演系統(tǒng)的自學習能力，進而提高系統(tǒng)的自適應性和智慧化程度。

技術關鍵與難點

基礎數據結構化較差

自動化的基礎之一是數據的結構化，但采購方案、采購文件和評標方法、投標文件現(xiàn)存于信息化平臺中的數據暫時無法實現(xiàn)結構化，數據匯集和分析的效率和效果很難保證。

基礎數據實時獲取不便

目前已完成采購項目的過程性數據全部保存在各個央企集團公司電子招標采購平臺上，為確保平臺信息安全，平臺與省級公司的信息化平臺沒有接口互聯(lián)，模型所需的基礎數據較難獲取，這給采購方案智能推演系統(tǒng)的開發(fā)帶來一定的困難，后期需采取IPA等技術獲取相關數據。

智能推演模型和數據準確性需要持續(xù)優(yōu)化和驗證

本期新入虛擬供應商模擬數據的準確性嚴重依賴于對該產品供應市場的了解程度，如何以自動的方式獲取潛在供應商數據資料和構建預測模型也是本項目的難點之一。

尋源智能推演系統(tǒng)的智能化程度提升難度較大

為進一步提高尋源智能推演系統(tǒng)輸出結果的客觀性、準確性和普適性，并根據市場情況和管理要求的變化不斷進行動態(tài)調整和優(yōu)化，需不斷提高智能推演系統(tǒng)的智能化程度并進行持續(xù)迭代，因此需引入AI、NLP（自然語言處理）、OCR（光學字符識別）、IPA、知識圖譜、機器學習、深度學習等新技術，增強智能推演系統(tǒng)的自學習能力，進而提高系統(tǒng)的自適應性和智慧化程度。由于尚無先例，缺乏可借鑒和參考的資料，因此需進行持續(xù)的探索和創(chuàng)新，難度較大。

結論與展望

雖然存在諸多難題和挑戰(zhàn)，但采購方案推演系統(tǒng)開發(fā)的數據、技術均已具備，思路和方法也已逐漸清晰，經過深入的研究和探索，完全能夠形成研究成果和信息化系統(tǒng)開發(fā)需求，開發(fā)出智能化的采購方案預測和推演系統(tǒng)，成為企業(yè)采購部門決策人員和采購經理的得力幫手。

研究和開發(fā)最優(yōu)采購方案智能推演系統(tǒng)對企業(yè)采購尋源工作意義重大，可為企業(yè)采購經理提供一個智能、便利的采購方案推演工具，便于制定更加科學、更加合理的招標采購方案，為公司和部門決策人員提供詳實決策基礎數據支撐、可視化決策依據以及最優(yōu)方案的決策推薦，增強決策的科學性，對公司供應鏈能力提升產生深遠的影響，具有廣闊的應用前景和重要的使用價值。

首先，可系統(tǒng)、充分、自動地總結某一產品往期采購方案的不足和優(yōu)勢，便于取長補短，為改善提升本期采購方案提供數據支撐和依據。

其次，可大幅度提高采購經理制定采購方案的效率和質量，更加充分地實現(xiàn)需求單位的采購意圖。

再次，可支撐企業(yè)采購經理對采購結果進行多維度、反復多次的沙盤推演，制定更加合理的評審方法，為企業(yè)節(jié)省采購成本，實現(xiàn)尋源采購的價值創(chuàng)造能力。

最后，研究成果，如數據結構化的方法，模擬工具的實現(xiàn)方法、智能預測算法、平臺功能開發(fā)需求均可快速在企業(yè)集團范圍，甚至行業(yè)范圍內復制和推廣應用，帶動整個集團供應鏈管理效能快速提升。研究成果經過一定的延伸和深化，即可支持開發(fā)成為通用的模擬投標結果預測工具，為投標人提供智能工具，幫助投標人制定科學的投標策略，增強其報價策略的科學性，提高中標率，具有非常廣闊的市場前景。

基金項目：中國物流學會研究課題“最優(yōu)采購尋源方案智能推演系統(tǒng)的研究與應用”（2022CSLKT3-202）

（作者單位：程建寧、王穎花，中國移動通信集團陜西有限公司；張云飛，中國移動通信集團公司采購共享中心）

（責編：高楊）