京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据推进政府采购改革发展的意义与应用初探
在互联网时代,要实现政府采购的改革和可持续发展,对于我国长期以来的传统管理模式是一个新的挑战,我们必须吸收和利用一切优秀管理经验和管理技术。大数据作为一种新型的管理资源,其数据体量大、数据种类多、流动速度快,为政府采购改革发展提供了新的发展渠道。
大数据推进政府采购改革发展的意义
首先,大数据能够更准确、更全面、更及时地反映经济社会客观现实和需求。大数据来源于数据管理系统的存储数据,网络和移动终端的用户原创数据,以及传感器的自动生成数据,记录了事件的发生和发展。在政府采购领域,大数据体现了政府采购各类主体对采购政策、采购管理、采购项目、采购问题的反映与互动,为政府采购改革发展提供了更加真实、全面、及时、客观的事实和素材。
其次,大数据注重数据开放,通过数据的公开,一方面,可以促进政府采购的公开透明,强化社会监督;另一方面,能够为采购人、供应商、代理机构与评标专家挖掘数据价值、调节自身行为、进行协调配合和参与政府采购竞争提供极大便利,提高政府采购各方主体共同参与和采购效能。
第三,大数据注重占有和分析数据的整体而不是局部,注重分析数据之间的相关关系而不仅是因果关系,避免了传统依据抽样样本数据而带来的分析结果的片面性,使政府采购监督管理部门能够更加客观地捕捉现状和预测未来,提高决策的科学性。
因此,大数据技术在政府采购领域具有广阔的应用前景,充分利用大数据对政府采购制度改革发展和政府采购电子化建设具有至关重要的意义。
大数据在政府采购领域的应用初探
一是推进政府采购信息公开。通过利用大数据平台,可以将政府的各种政务置于阳光之下,有利于国家治理的公开透明,减少腐败。2013年7月,国务院办公厅印发《当前政府信息公开重点工作安排》,对当前包括行政审批、财政预算决算和“三公”经费、保障性住房信息等九大重点领域政府信息公开工作做出部署。
今年出台的《政府采购法实施条例》最鲜明的特点就是极大程度地强调了信息公开,对政府采购项目信息的公开提出了更高要求,加大了政府采购信息公开的力度,扩充了信息公开的范围和内容,更加注重信息公开的响应时间。这为推进政府采购信息公开提供了新的政策依据,也为大数据发挥作用提供了前提和机会。只有数据的公开,解决了大数据的数据来源之后,社会第三方力量才能有用武之地。
二是成为政府采购电子化建设新的推动力。政府采购电子化在经历探索阶段的快速发展之后,进入了发展的瓶颈期,传统的电子政务孤立业务系统建设思路已经不合时宜。大数据技术的出现为政府采购电子化注入了新的生命力,未来大数据应用才是政府采购电子化的最终目标和发展方向。可以说,传统的电子平台和系统建设是政府采购电子化的第一阶段,解决了把采购业务搬到电脑的问题。而当前,大数据推动政府采购电子化进入了新的阶段,通过互联网思维和大数据技术,使政府采购电子化能够提供智慧决策和精准服务,这才是政府采购电子化的本质。
三是提升政府采购的决策水平。大数据的特点在于数据量大,类型多,更新速度快,而政府在占有数据方面具有天然的优势。因此政府更能够从大数据的使用中受益,提升政府决策水平。一方面,大数据可以使政府能够更广泛地占有各方面的信息,并通过挖掘不同来源、不同格式数据的相关性,为政府决策提供更加全面客观的依据。另一方面,大数据可以将纷繁复杂多源异构数据快速处理成具有决策价值的有效信息,这一点在紧急采购中具有特别重要的意义,因为紧急采购项目决策的挑战主要来自于信息不完备和时间压力大,而大数据可以实现高度不确定性和高度时间压力下的快速分析决策,从而有效提升紧急采购能力和采购满意度。
四是提高政府采购的决策质量。高质量的决策,依赖于真实的情况反映。政府如果不能获得反映真实情况的数据,就很难更好地服务于决策。但是现实中往往各种信息相互混杂,真假难辨,为科学决策带来很多困难。利用大数据工具,可以设定数据指标,建立关联关系,对大数据本身的真实性进行印证检验,从而快速发现异常。比如,政府采购监管部门可以通过大数据线索分析,发现虚假投标、围标窜标的嫌疑供应商。
五是更好地为采购参与主体提供服务。通过大数据,政府能够全面感知和预测公众所需的各类服务和信息,及时发现需求热点,为用户提供更加智能化的办事、便民服务。同时利用大数据工具对公民需求的多维度多层次分析,把面上的需求判断变为对需求细节的感知,使政府服务更精细化。国务院办公厅近日发布《关于运用大数据加强对市场主体服务和监管的若干意见》,提出在政府采购等方面,运用大数据提高为市场主体服务水平。通过大数据分析,可以为采购人提供市场和产品商情,为供应商提供报价和投标参考等高端数据产品。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11在CDA(Certified Data Analyst)数据分析师的实操体系中,统计基本概念是不可或缺的核心根基,更是连接原始数据与业务洞察的关 ...
2026-02-11在数字经济飞速发展的今天,数据已成为核心生产要素,渗透到企业运营、民生服务、科技研发等各个领域。从个人手机里的浏览记录、 ...
2026-02-10在数据分析、实验研究中,我们经常会遇到小样本配对数据的差异检验场景——比如同一组受试者用药前后的指标对比、配对分组的两组 ...
2026-02-10在结构化数据分析领域,透视分析(Pivot Analysis)是CDA(Certified Data Analyst)数据分析师最常用、最高效的核心实操方法之 ...
2026-02-10在SQL数据库实操中,字段类型的合理设置是保证数据运算、统计准确性的基础。日常开发或数据分析时,我们常会遇到这样的问题:数 ...
2026-02-09