首页 > 论文范文 > 工程工业论文 > 建筑工程论文 > 用户画像技术在建设工程招投标审计中的应用

用户画像技术在建设工程招投标审计中的应用

2025-08-31 49 上传者：管理员

摘要：招投标是工程行业的关键环节，在实际招投标过程中，违规行为的存在给建设工程的发展带来了不利影响。在大数据时代，传统审计方法存在一定的局限性，无法处理大量数据之间的关系，需要寻求更加有效的审计手段和方法。因此，将用户画像技术应用于建设工程招投标审计中，基于K-means算法构建了投标人画像，为大数据时代下的审计方法转型提供了启发。

关键词：
K-Means算法
工程招投标
建设工程
用户画像技术
违规行为
加入收藏

近年来,我国基础设施建设行业以其显著的快速发展成就引起了国际社会的广泛关注与认可｡其中,建设工程招投标作为建筑领域的关键环节,直接涉及项目的合规性､质量和效益｡然而,在实际招投标过程中,违规行为的存在给建设工程的公正竞争和整体发展带来了不利影响｡根据调查显示,招投标环节的违规问题在建筑项目的各个阶段中占比最高,高达70%｡这些违规现象可能导致项目实施中的质量问题､额外费用增加以及项目延期等严重后果｡

建设工程招投标审计作为确保建设项目合规性､透明度和公正性的手段｡尽管许多招标活动的程序表面上呈现公开､公平和公正的现象,但实际中却时常存在暗箱操作｡传统审计方法在处理招标活动中的违规行为方面面临挑战｡投标人之间通过隐藏身份､伪装和其他合作行为串通作案,使得投标违规行为愈发复杂｡传统审计方法对数据分析的要求较低,主要仰赖文件､合同和报告等静态资料进行审计｡在工程招投标项目中,实际情况可能受到多种因素的影响,难以仅通过文件资料反映,因而导致审计难以全面了解项目的真实情况｡因此,实时了解和纠正问题对于项目的成功实施至关重要｡传统审计可能无法及时发现和解决一些问题,从而影响项目的进度和质量｡在这一背景下,对于建设工程招投标审计违规行为的深入研究迫在眉睫,以寻求更加有效的审计手段和方法｡

在大数据时代背景下,深入研究招投标审计中违规投标人的用户画像具有重要意义,这反映了对违规行为深刻理解以及更为精准监测的迫切需求｡随着大数据技术的迅猛发展,审计机构和监管部门可以利用大规模数据分析揭示违规投标者的特征和行为模式｡通过深入剖析这些特征,可以构建违规投标者的用户画像,包括其历史行为､交易模式､关联企业等详尽信息｡这有助于审计人员更迅速､准确地识别潜在的违规行为,从而强化对招投标过程的监管｡除此之外,通过跟踪和分析违规投标者的用户画像,可以发现潜在的违规行为规律,为监管政策的制定提供有力支持｡因此,本研究旨在充分利用大数据技术,深度挖掘违规投标行为并构建

投标人画像,为建立更为健全的招投标监管机制提供理论依据｡

1、招投标审计

1.1招投标违规行为

在建设工程招投标领域,投标人往往通过串通､内外勾结等手段展开违规行为｡在以往的研究中,学者和丽萍[1]､郭志东等[2]详细总结了工程招投标中常见的几类违规行为,包括陪标､围标和串标等｡陪标是指投标人与招标方或相关评标人员合谋,通过违规手段影响中标结果,获取不正当的竞争优势｡围标涉及多个投标人在招标前密谋合作,通过协商分工或共谋价格等方式达成一致,旨在垄断招标市场,排挤其他潜在竞争者｡串标是指一个投标人同时或先后在同一工程项目中以多个名义投标,违反了招标规定的行为｡

招投标审计是指对招标和投标过程中可能存在的违规行为进行监督､检查和审计的一种制度和手段,其目的在于降低违规行为发生的可能性,促进市场的公平竞争｡杨卫兵[3]提出,对招投标审计监督的全面把握应包括事前､事中和事后的审计监督｡在事前审计监督阶段,主要关注招投标的范围､文件､标底以及招标代理机构和投标单位的资质等方面｡事中审计监督则着眼于对工程开标是否符合规定要求､定标程序和结果是否符合相关规定等进行现场审计监督｡而事后审计监督包括合同签订的审计和合同履行的跟踪审计｡王晓敏[4]强调开标评标阶段作为招投标活动的核心环节,内部审计应直接参与其中｡内部审计人员应关注投标保证金､投标资料的密封完好､参加开标的有效投标单位是否符合最低要求等重要方面｡曹凌燕和耿道乾[5]指出,招投标审计的重要焦点应集中在投标保证金､投标报价清单､拟投入施工人员和评标报告等四个方面,作为审计的重要突破口｡叶达树[6]指出,虽然传统审计方法可以总结一些招投标违规行为和审计的特征,但存在一定的局限性｡在大数据时代背景下,传统审计方法难以处理海量数据,需要进行改进｡

1.2大数据时代的审计

大数据技术的快速发展,审计模式正在经历一场革新,更加注重对数据的全面､深度分析｡审计不再依赖传统手段,而是借助用户画像等先进技术,实现对庞大数据集的高效分析｡在招投标审计中,用户画像技术扮演着关键角色,通过深度分析投标人的数据,建立了个性化的用户画像,从而提升审计的准确性和效率｡大数据技术则被广泛应用于收集和整合招投标平台上的大量数据,包括投标记录､合同信息和企业资质等｡姚岱等[7]通过因子分析､聚类分析,构建了基于用户画像的合谋行为标签体系,张晋维等[8]则运用层次分析法构建了投标人画像评价指标体系｡

此外,通过一些大数据算法使系统能够自动学习投标者的行为模式,识别异常行为,例如价格一致性过高､关联企业参与等,有效帮助审计人员及时发现并防范不当的竞争行为｡通过实时监测和智能识别,使得招投标审计更为精密､高效,确保招标制度的合法性和有效性｡大数据时代新技术的应用使得审计更具前瞻性,能够及时发现并防范违规行为,从而促进招标市场的健康发展｡

2、招投标审计注意特征

工程招投标是一项涉及重大资金和资源的活动,为了确保公平､公正､透明的竞争环境,各方必须严格遵守规定的招标程序｡在建设工程招投标中,违规行为的审计注意特征可以总结为三类:投标文件､投标人关系网络和投标人报价清单｡

2.1投标文件

在招投标审计中,关注投标文件的一致性是确保透明､公正招标过程的重要方面｡一致性的迹象可能表现在多个方面｡首先,如果多家投标公司通过同一IP地址进行网上报名,可能引发审计人员的关注｡此外,若不同公司的投标文件在格式和内容上呈现相似之处,包括使用相同的措辞､结构或图表,可能意味着信息泄露或协同行为｡审计人员还会关注投标文件签名的笔迹相似性,以及是否存在加盖同一单位公章的情况｡这些一致性迹象可能暗示了潜在的协同作弊行为,可能损害招标过程的公正性｡因此,在招投标审计中,审计人员需细致入微地分析投标文件的细节,以发现任何可能的不正当行为,确保招标活动的合法性和诚信性｡

2.2投标人关系网络

在招投标审计中,审计人员通常会关注投标人之间的关系网络,以确保招标过程的公平性和透明度｡一种可能的关系是不同投标单位具有相同的法人或持股人｡这种情况可能暗示潜在的合谋,其中不同实体在招标中通过共同的法人或持股人形成联盟,以达到共同的经济目标｡审计人员还会关注不同投标单位是否具有相同的项目负责人或技术人员,这可能表明潜在的信息共享或合谋行为,影响了招标竞争的公正性｡另一方面,如果投标人之间存在亲属､朋友关系,这也可能引发审计关注,因为这种关系可能导致信息泄露或协同行为,损害招标过程的公正性｡审计人员将深入研究关系网络的结构,了解不同投标人之间的连接和互动,以识别潜在的违规行为｡通过综合分析这些关系,审计团队可以更全面地评估招标过程中是否存在违规行为,确保招标活动的诚信性和透明度｡这种审计方法有助于提高招标过程的合规性,维护公正招标的原则｡

2.3投标保证金与报价清单

在招投标审计中,审计人员常关注投标人的保证金与报价之间的关系,以确保招标过程的公正和透明｡一种可疑的情况是,多个投标人使用同一账户资金缴纳保证金,这可能暗示协同行为或操纵市场的可能性｡此外,审计人员可能关注报价是否呈规律性变化或基本相同,因为这可能是投标人之间存在预定协议或合谋的迹象｡不符合正态分布的报价分布也可能引起注意,因为这可能表明操纵或非正常的报价行为｡最后,中标人与其他投标人报价差异明显也是审计的关键点,因为这可能是不正当行为或信息泄露的信号｡通过深入分析这些关系,审计人员能够识别潜在的违规行为,确保投标过程的公正性和合规性｡这种审计方法有助于揭示可能存在的不正当行为,促使招标活动更加透明､公正和合法｡

3、基于K-means算法的投标人画像构建

用户画像技术在工程招投标中的应用日益受到关注,为招标方提供了更精准的信息分析和决策支持｡通过收集､整理和分析招标平台上用户的行为数据,用户画像技术能够描绘出潜在投标人的特征,为招标方提供更全面的了解｡例如,用户画像技术可以根据投标人的历史投标记录､项目经验､资质等信息,构建出投标人的特征标签,实现对不同投标者的分类和分析｡这有助于招标方更准确地评估投标人的实力和适应性,提高招标决策的科学性｡此外,用户画像技术还能通过分析用户的行为模式和兴趣偏好,发现潜在的陪标或串标迹象｡通过监测投标人在平台上的交互行为,识别不正当的合作关系,有助于防范违规行为,提高招标的公正性和透明度｡总体而言,用户画像技术在工程招投标中的应用为招标方提供了更智能化的决策支持工具,通过深入了解投标人的特征和行为,有助于提高招标效率､减少风险,并促进工程项目的优质实施｡

3.1步骤流程

用户画像技术中的应用为工程招投标违规行为识别提供了更为精准和智能的解决方案,下列是用户画像的步骤流程:

(1)数据采集与预处理｡通过招标平台收集大量的投标人行为数据,包括投标历史､合作关系､交互记录等｡随后,对收集到的数据进行预处理,包括去噪､归一化等,以保证数据的质量和一致性｡

(2)特征行为标签提取｡从收集到的数据中提取关键特征,如投标人的投标频率､项目类型偏好､合作模式等｡然后,对投标人进行行为标签标记,将原始数据映射为模型可以理解的形式｡

(3)投标人画像构建｡采用K-means算法构建用于工程招投标投标人画像模型,该模型能够自动学习数据中的复杂关系和模式,然后经过模型训练与优化｡形成投标人画像｡

3.2数据采集与预处理

收集招投标数据,包括投标人的历史记录､合同信息､企业资质等｡本研究以中国裁判文书网公布的招标投标裁判文书为研究数据源,以“招投标”为关键词,主要考察住房建设工程｡

对数据进行必要的预处理,如数据清洗､缺失值处理､归一化等｡同时,采用人工资源检索的方式,对未获得的年龄､位置等信息进行检索和补充,完成数据的采集｡

3.3特征行为标签提取

本研究在文献综述的基础上,选取招投标违规行为的三个特征:投标文件､投标人关系网络和投标保证金与报价清单,构建招投标违规行为特征标签体系(表1)｡

表1招投标违规行为特征标签

3.4投标人画像构建

用户画像聚类是一种基于用户画像本身特征进行分类的方法｡在聚类算法中,K-means算法作为一种典型的基于距离的聚类函数,其核心思想是认为距离越大,两者之间的相似度越小｡由于该算法具有简洁高效､易理解和易实现的特点,本研究选择采用K-means算法对用户进行聚类,具体步骤如下:

步骤1:创建初始划分｡从待分类集合U中随机选取k个元素,分别作为k个簇的中心｡

步骤2:计算相似度｡计算其余元素到k个簇中心的相似度,并将这些元素划分到相似度最高的簇｡

步骤3:更新簇中心｡根据上一步的结果,重新计算k个簇各自的中心,计算方法为取簇中所有元素各自维度的算术平均数｡

步骤4:重新聚类｡对于待分类集合U中除去新的簇中心的所有元素,按照步骤2的方法重新进行聚类｡

步骤5:迭代优化｡重复步骤3和步骤4,直到本轮聚类结果与上轮聚类结果的相异性小于设定阈值｡

步骤6:输出最终结果｡输出经过迭代优化后的最终聚类结果｡

最后,生成招投标违规行为的投标人画像｡

4、结束语

招投标是工程行业的关键环节,在实际招投标过程中,违规行为的存在给建设工程的发展带来了不利影响｡在大数据时代,传统审计方法存在一定的局限性,无法处理大量数据之间的关系,需要寻求更加有效的审计手段和方法｡本研究首先总结了在建设工程招投标中,违规行为审计的三个注意特征:投标文件､投标人关系网络和投标人报价清单｡其次,将用户画像技术应用于建设工程招投标审计中,基于K-means算法构建了投标人画像,为大数据时代下的审计方法转型提供了启发｡

参考文献:

[1]和丽萍.政府投资项目招投标舞弊行为审计[J].财会通讯,2013(10):87-89.

[2]郭志东,刘兵.公路建设项目招投标审计策略研究[J].财会通讯,2016(22):88-91.

[3]杨卫兵.高校基建项目招投标审计监督探析[J].财政监督,2011(16):53-54.

[4]王晓敏.内部审计如何参与建设工程招投标活动[J].中国内部审计,2012(2):63-65.

[5]曹凌燕,耿道乾.破解工程招投标审计难题的途径与思路[J].建筑经济,2012(4):59-60.

[6]叶达树.建设工程招投标活动审计现状及改进[J].会计之友,2015(16):124-125.

[7]姚岱,陈梦黎,陈赟.政府投资工程招投标人合深行为监测画像研究[J].长沙理工大学学报(社会科学版),2019,34(4):71-78.

[8]张鲁维,马迪.基于改进荧火虫算法优化KELM的投标人画像评价研究[J].机械设计与制造工程,2021,50(4):92-96.

文章来源:李庆和.用户画像技术在建设工程招投标审计中的应用[J].四川建筑,2025,45(04):280-282.