刘凌松   重庆市轨道交通（集团）有限公司

摘要：阐述了大数据的内涵和本质特征，以及大数据技术和大数据应用运作的典型步骤。列举了大数据在合同管理中应用的实例，并加以评论。

关键词：大数据；合同管理；关键技术；运作步骤

当前，全球迎来了一个新时代——大数据时代，大数据时代是信息时代的延续，也是互联网技术大发展的必然结果。在网络技术第四次发展浪潮中，移动互联网，物联网，社交网等新一代网络的出现，以及云计算、智能化技术、可视化技术的研制成功，使海量化大数据加工处理、分析挖掘和精准预测变成现实，从而极大地推动了大数据快速而有效地应用于各个部门、行业和领域。

本文将浅析大数据在询价采购合同管理中的应用实践，供同行们交流共享。   

一、大数据的内涵与本质特征

（一）大数据内涵

什么是大数据？大数据不单单指体量庞大、形式多样、快速生成的海量数据，而且还涵盖了大数据的重要性、价值及其智能化加工处理挖掘技术。所以，我们把大数据内涵表述为“通过智能化加工处理、分析挖掘，能够创造新价值、预测新趋势、发现新规律的快速生成的多样化海量数据”。

（二）大数据的几个本质特征

大数据与小数据相比较，除在体量规模有所不同外，还具有另外一些本质特征：

——样本统计转化为总体普查，提升了复杂事物统计分析的精准度

在小数据时代，人们对事物的计量分析是建立在抽样统计之上的，往往以假设检验为基本模式，依靠的数据主要是样本，将样本假设为整体。这种分析与事实情况产生或多或少的误差。而在大数据时代，将抽样分析转变为总体分析，这一点对复杂事物分析意义重大。它无疑将极大地提升计量分析的准确度。

——单纯追求相关事物的因果关系转变为挖掘事物的相关关系

传统的相关事物的分析以寻找其因果关系为核心，并局限为寻求线性关系，而在大数据条件下，由于数据海量化、数据挖掘和知识发现技术、非线性关系发现软件的出现，使事物（变量）的相关关系和非线性关系的挖掘更容易、更快捷、更准确。

——时滞预测转变为即时（现时）预测                      

一般说来，对复杂事物分析所用的资料取自各种统计调查系统发布的统计数据，其最大的缺点是具有时滞性，而在大数据时代，在移动互联网、物联网、智能手机的强力支撑下，可以获得实时数据，从而提高了分析或预测的时效性。这种即时预测对于天气预报、险情预警，政府政策的制定与实施，具有很大的作用。

——不刻意追求高度精确性，容许存在一定的混杂性

大数据由于体量巨大，人们不再竭力追求大数据的精准性，而容忍大数据存在一定程度的杂质。道理很明显，犹如把几滴墨水、滴入大海，并不影响海水的整体水质。有的时候，大数据中混入的极少量杂质反而有助于更好地利用大数据的优越性。

二、大数据的关键技术

大数据关键技术由以下五部分组成：

大数据采集和导入（提取、转换、加载）技术——大数据在存储、处理、分析前，必须进行清理和整理，然后导入存储装置。主要包括：数据采集源、数据全量采集、提取、转换、集成和装载等技术；

大数据存储管理技术——大数据要求新的存储系统的底层硬件架构和文件系统在性价比上必须大大高于传统技术，并能够弹性扩容。主要包括：谷歌文件系统(GFS)和Hadoop的分布式文件系统(HDFS)；而大数据新型管理系统主要包括：谷歌的Bigtable、Hadoop Hbase非关系型数据库、NoSQL数据库和Spanner数据库等。

大数据并行式计算处理技术——主要包括：谷歌的MapReduce系统、Apache Hadoop系统、Dremel系统、雅虎的Ｓ４系统和推特的Storm系统等。

大数据分析挖掘技术——主要包括：人工智能分析技术、机器学习分析技术、超大规模的神经网络分析技术，此外，还有许多大数据分析挖掘方法，诸如A/B测试、关联规则挖掘、分类聚类遗传算法和模式识别等。

    大数据展示技术——旨在借助图形化手段向人们展示大数据分析挖掘成果，主要包括：动态模拟、Clustergram、动画技术、空间信息流等技术。

    限于篇幅，此处对大数据技术不展开评述。对此感兴趣的读者，请参阅相关的大数据技术书籍。

三、大数据的应用运作的步骤

下面，简要地描述企业典型的大数据应用运作五大步骤：

第一步：提出大数据应用领域，并结合所从事的业务流程，拟定大数据将要分析挖掘的应用点，对可能获得的结果进行初步的评估。若发现应用点有不妥之处，要及时修改、务必确保拟定的大数据应用点是一个有意义、有价值的研究选题。

第二步：针对拟定的应用点，从众多的数据生成来源广泛采集足量的相关大数据，并按一定规则梳理、转换、集成采集到的大数据，然后，将其装载到相应的本企业自建的数据库或者政府、厂商构建的数据中心进行存储，供大数据分析挖掘时随时调用。

第三步：根据企业大数据应用分析团队技术人员的实力和专长，从大数据现有的高效分析挖掘方法中精选出拟定的应用点大数据分析挖掘的实施方案。

第四步：通过与电商或网络商签订服务方式的协议，利用它们提供的大数据云计算和分析挖掘平台，全面开展拟定应用点的大数据精准分析挖掘预测处理作业。

第五步：将应用点分析挖据的结果，借助可视化技术以直观化和和形象化等方式表述之，并编写成研究报告，提交有关人士参考或以论文形式发表，

四、大数据在合同管理中的应用实例及其简要评价

实例1、大数据在物资询价采购合同管理中的应用研究

（一）基本内容解析

——大数据应用点的方向和目标：根据轨道交通询价采购业务的特点和实际需求，提出大数据在询价采购合同中应用的战略，旨在实现询价采购合同管理的精益化水平。

——基础数据来源：从集团公司轨道交通合同管理系统平台和累积的历史采购物资台账数据中抽取。

——实施过程：首先，确定大数据的应用点，应采用定性与定量有机结合的方法对其进行初步评估分析诊断，并按应用价值高和可行性高的程度将其分成为四个等级，予以排序，最后按优先等级评分进行筛选。

——根据大数据分析应用成果：制定出大数据在询价采购合同中应用的规划，并提出强化大数据应用的相关建议。

（二）简要点评

——本例紧密结合当前询价采购合同亟待优化的现状，用大数据诊断方法，制定大数据在合同管理应用规划。

——研究思路清晰，采用向供应商调研访谈及问卷调查等方法，将询价采购合同管理流程分为物资分析、询价分析、供应商分析、专家分析4个范畴和大数据应用点及事前、事中、事后三个时间段。

——本例提出的强化大数据应用的建议，具有可行性和现实意义。

实例2、运用大数据理论防范轨道交通合同管理风险初探

（一）基本内容解析：

——大数据应用点的方向和目标：根据当前轨道交通合同管理中有待解决的供应商报价过高问题，确定识别、控制和防范供应商报价过高的投机行为作为大数据的应用方向，旨在找准供应商报价的规律和报价过高的原因，进而制定合理的合同谈判的策略，防范和规避供应商投机取巧，从而降低了公司投资成本。

——基础数据来源：从集团公司物资部门集中采购历史数据中抽取大量的供应商投标报价数据。

——分析挖掘方法：将历史上供应商在投标过程中以出价完全相同记录作为互动一次，构建供应商投标报价社交网络，运用UCINET软件中的 Network-Region K-cores进行分析，找出供应商网络中的凝聚子群，即供应商互动中的活跃供应商。在本次找准报价规律过程中，由于询价文件之间和供应商之间存在差异性，则通过分层回归模型对这些无法观测的差异性进行很好地控制。

——利用大数据理论，推演出识别、监控和预警不合理报价的一般模式，并以轨道工程钢材供应商投标报价为案例，构建了不合理报价供应商间联系社交网络，采用K-cores模型，识别出该社交网络中凝聚力强的子图。最后，定义k取52时子图中的供应商为重点监控的对象。

——根据大数据分析结果提出了针对性的建议。

（二）简要点评

——本例结合供应商通过事前联盟提供过高报价的不合理行为，利用大数据理论寻求报价的规律性，并建立识别、监控、预警的普适模式，这对于进一步提高轨道交通合同管理水平具有重要意义。

——本例巧妙地采用了大数据应用分析的多种方法和技巧，充分发挥了各种方法的适应性和互补性。

——采用了大数据可视化技术，使分析应用的结果表述更加直观化。

参考文献：

[1]魏亚楠等. 运用大数据理论防 范企业采购风险初探.招标采购管理，2016（5）

[2]魏亚楠等. 大数据在物质询价采购管理中的应用研究.招标采购管理，2016（2）