“评标质量动态评价模型”的三大模块

　　郑州信源自主创新的“评标质量动态评价模型”，建立了一套体系化、数智化的专家管理体系，利用系统管控替代人工管理。目前，评标质量动态评价模型系统已实现以下3个模块成果：包括评分偏离度预警、专家大数据画像、专家智能抽取。　　

　　评分偏离度预警详细介绍可点击查看：信源信息揭秘“评标质量模型”核心一：评分偏离度预警，本篇我们详细介绍专家大数据画像、专家智能抽取的内容。　　

　　专家大数据画像　　

　　1、为评审专家打上“标签”　　

　　在为专家建立画像模型之前，系统会针对专家的行为状态，进行标签标注。比如评审专家有缺席，就会在出勤率的标签中进行标记；评审专家有违规行为，就会在违规状态的标签中进行标记。多维度的标签为建立专家画像模型提供可靠依据。　

　　2、建立多维度的专家画像模型　　

　　评审专家画像模型需要从多个维度来进行评判，建立专家的个人信息画像：如年龄、行业、专业、是否在职、当选评审组长率等指标进行刻画；建立专家的评审行为的画像指标：出勤率、评审态度、评审能力、异常行为、违法行为、专家评审偏好等指标对专家的评审行为进行刻画；多维度的融合分析，画像模型分析结果更加具备客观性和科学性。　　

　　3、使用大数据算法掌握专家表现　　

　　使用大数据分析法研究和分析专家的专业水平、价值水平、成长水平、信用水平、评审质量、行为表现等方面，最终输出专家的精准画像。

　　

　　专家智能抽取　

　　1、构建专家需求预测模型　

　　依据专家抽取的历史数据，采用时间序列分析算法，分析同类项目在不同周期内对专家的需求规律，构建预测模型。

　　2、采用智能抽取技术提醒错峰开标　　

　　通过预测模型进行计算，对同一时间评标事项密集的项目进行事先预警，以提示业务人员错峰开标。　

　　3、解决评标高峰期抽不到专家的问题

             　　

　　预测未来时间段内的专家需求量、智能抽取专家，可以提醒业务人员错峰开标，避免遇到同类项目集中招标难以抽取到优质专家的情况，杜绝人为因素干扰，保证开标的顺利开展。