　　在采購(gòu)活動(dòng)中，評(píng)審專家以及評(píng)審過(guò)程管理已逐步成為流程外風(fēng)險(xiǎn)管控的重要環(huán)節(jié)，評(píng)審專家隊(duì)伍的規(guī)范化、數(shù)字化和智能化管理成為當(dāng)前迫切需求?！　?/p>

　　“評(píng)標(biāo)質(zhì)量動(dòng)態(tài)評(píng)價(jià)模型”的三大模塊

　　鄭州信源自主創(chuàng)新的“評(píng)標(biāo)質(zhì)量動(dòng)態(tài)評(píng)價(jià)模型”，建立了一套體系化、數(shù)智化的專家管理體系，利用系統(tǒng)管控替代人工管理。目前，評(píng)標(biāo)質(zhì)量動(dòng)態(tài)評(píng)價(jià)模型系統(tǒng)已實(shí)現(xiàn)以下3個(gè)模塊成果：包括評(píng)分偏離度預(yù)警、專家大數(shù)據(jù)畫(huà)像、專家智能抽取?！　?/div>

　　評(píng)分偏離度預(yù)警詳細(xì)介紹可點(diǎn)擊查看：信源信息揭秘“評(píng)標(biāo)質(zhì)量模型”核心一：評(píng)分偏離度預(yù)警，本篇我們?cè)敿?xì)介紹專家大數(shù)據(jù)畫(huà)像、專家智能抽取的內(nèi)容?！　?/div>

　　專家大數(shù)據(jù)畫(huà)像　　

　　1、為評(píng)審專家打上“標(biāo)簽”　　

　　在為專家建立畫(huà)像模型之前，系統(tǒng)會(huì)針對(duì)專家的行為狀態(tài)，進(jìn)行標(biāo)簽標(biāo)注。比如評(píng)審專家有缺席，就會(huì)在出勤率的標(biāo)簽中進(jìn)行標(biāo)記；評(píng)審專家有違規(guī)行為，就會(huì)在違規(guī)狀態(tài)的標(biāo)簽中進(jìn)行標(biāo)記。多維度的標(biāo)簽為建立專家畫(huà)像模型提供可靠依據(jù)。　

　　2、建立多維度的專家畫(huà)像模型　　

　　評(píng)審專家畫(huà)像模型需要從多個(gè)維度來(lái)進(jìn)行評(píng)判，建立專家的個(gè)人信息畫(huà)像：如年齡、行業(yè)、專業(yè)、是否在職、當(dāng)選評(píng)審組長(zhǎng)率等指標(biāo)進(jìn)行刻畫(huà)；建立專家的評(píng)審行為的畫(huà)像指標(biāo)：出勤率、評(píng)審態(tài)度、評(píng)審能力、異常行為、違法行為、專家評(píng)審偏好等指標(biāo)對(duì)專家的評(píng)審行為進(jìn)行刻畫(huà)；多維度的融合分析，畫(huà)像模型分析結(jié)果更加具備客觀性和科學(xué)性?！　?/div>

　　3、使用大數(shù)據(jù)算法掌握專家表現(xiàn)　　

　　使用大數(shù)據(jù)分析法研究和分析專家的專業(yè)水平、價(jià)值水平、成長(zhǎng)水平、信用水平、評(píng)審質(zhì)量、行為表現(xiàn)等方面，最終輸出專家的精準(zhǔn)畫(huà)像。

　　專家智能抽取　

　　1、構(gòu)建專家需求預(yù)測(cè)模型　

　　依據(jù)專家抽取的歷史數(shù)據(jù)，采用時(shí)間序列分析算法，分析同類項(xiàng)目在不同周期內(nèi)對(duì)專家的需求規(guī)律，構(gòu)建預(yù)測(cè)模型。

　　2、采用智能抽取技術(shù)提醒錯(cuò)峰開(kāi)標(biāo)　　

　　通過(guò)預(yù)測(cè)模型進(jìn)行計(jì)算，對(duì)同一時(shí)間評(píng)標(biāo)事項(xiàng)密集的項(xiàng)目進(jìn)行事先預(yù)警，以提示業(yè)務(wù)人員錯(cuò)峰開(kāi)標(biāo)?！?/div>

　　3、解決評(píng)標(biāo)高峰期抽不到專家的問(wèn)題

　　預(yù)測(cè)未來(lái)時(shí)間段內(nèi)的專家需求量、智能抽取專家，可以提醒業(yè)務(wù)人員錯(cuò)峰開(kāi)標(biāo)，避免遇到同類項(xiàng)目集中招標(biāo)難以抽取到優(yōu)質(zhì)專家的情況，杜絕人為因素干擾，保證開(kāi)標(biāo)的順利開(kāi)展。