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
数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15在数据仓库建设中,事实表与维度表是两大核心组件,二者相互关联、缺一不可,共同构成数据仓库的基础架构。事实表聚焦“发生了什 ...
2026-05-15 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-05-15【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈 ...
2026-05-14