大数据时代的公共资源交易前瞻

　　20世纪80年代，未来学家阿尔文·托夫勒曾预言“大数据将是第三次浪潮的华彩乐章”。2011年5月，信息存储咨询科技公司EMC在“云计算相遇大数据”年会上抛出了大数据时代一词，同年6月，IBM、麦凯锡等众多机构发表研究报告予以跟进。至此，“大数据时代”正式进入大众视野。

　　传统意义上的“数据”是指“有根据的数字”。进入信息时代之后，“数据”二字的内涵扩大，它不仅指代“数字”，还统称一切保存在电脑中的信息，包括文本、声音、视频等。信息时代的“数据”概念是明确的，但是对于“大数据”至今还没有一个公认的定义，不同的定义基本上是从大数据的特征出发，通过对这些特征的阐述和归纳试图给出定义。在这些定义中，比较有代表性的是4V定义，既认为大数据具备4个特点：规模性（Volume)，数据量级已从240字节发展至250字节乃至270字节；多样性(Variety)，数据类型繁多，越来越多为网页、图片、视频、图形和位置信息等半结构化和非结构化数据信息；高速性(Velocity),数据流通常为高速数据流，而且需要快速、持续实时处理；低价值密度（Value High and Low Density)，即价值与数据总量之比很低，需要对海量的数据进行挖掘分析才能形成用户价值。

　　大数据在为使用者创造巨大价值的同时，数据挖掘、商业智能、追溯集成等新技术也给当前的管理、法律和观念带来了空前的挑战。企业不甘于沦为大数据时代无动于衷的旁观者。政府则跃跃欲试地想成为引领数据革命的弄潮儿。那么，在政府与市场的结合点——公共资源交易领域，大数据时代的到来到底意味着什么？本文拟对此进行前瞻性分析。

　　一、当前公共资源交易中的棘手问题

　　改革开放后，以招标采购为代表的公共资源交易在我国得到了较长时间的发展，在工程建设、土地出让、国有资产转让、政府采购等诸多领域取得了令人瞩目的成就。以公开、公平、公正和诚实信用为价值导向的公共资源交易方式也成为建设市场经济过程中规范经济秩序、发挥政策功能、节约财政资金的有效力量。但随着公共资源交易范围和规模的不断扩大，其低效率、高成本、低客户满意度等问题越来越突出，成为各界关注的焦点和热点。据笔者观察，当前公共资源交易中的棘手问题主要集中在以下四点。

　　（一）交易需求难以科学确定

　　科学地确定采购需求是高质量交易的前提条件。掌握公权力的政府或政府的代理人作为公共资源交易的主导方，应当提出适度、明确的交易需求。但是在现实操作中却经常事与愿违。以招标采购为例：在复杂标的的采购中，招标文件常常不能详尽描述标的技术参数、评价方法和交易条件；在技术更新换代较快的高新技术产品的采购中，采购人对市场供应或竞争情况不甚了解，导致需求与市场供给严重脱节；在紧急采购中，由于时间或经费的制约，采购需求挂一漏万??这些都成为交易活动的质量隐患。

　　（二）信息搜寻成本高

　　传统经济学通常忽略信息的获取、处理和传递成本。但随着信息经济学研究的深入，人们认识到：信息的成本不仅存在，而且有时会大到可以降低市场经济效率、阻碍正常交易进行的程度。契约理论据此认为，不确定环境下，交易双方在签订合同前进行信息搜寻是最优策略。这一过程中所付出的费用就是信息搜寻成本。以药品集中采购为例，在资格审查阶段，需要对供应商的生产资格及能力、配送能力、业绩、信誉等条件进行调查；在资质方面，即便要求供应商提交企业法人营业执照、药品生产许可证、GMP证书、药品注册证、药品质量标准和说明书等原件，也未必能保证其真实性，至于想要获得业绩和信誉方面真实有效的信息则更加困难，需要花费大量的时间、人工费、电话费、间接费用乃至公证费和差旅费，因此产生了较高的信息搜寻成本。

　　（三）决策成本高

　　在公共资源交易中，交易的主导方为了追求最佳交易结果往往需要营造多个市场主体相互竞争的环境，这使得公共资源交易成为选择最优的交易对象和交易条件的过程。选择的过程就不可避免地产生了决策成本，即显性成本和隐性成本。

　　公共资源交易决策的显性成本，主要包括聘请评审专家和组织评审，以便确定交易对象的费用。但是，随着交易对象的多样化、交易条件的复杂化，不同类型的交易涉及大量技术、经济条件限制以及法律约束，会增加决策的难度和工作量，继而增加了决策的显性成本。

　　公共资源交易决策的隐性成本主要包含机会成本，即没有选对最适合的交易对象或决策失败所造成的损失。当前出于反腐败的需要，许多公共资源交易随机抽取专家进行决策。好处是减少了利益冲突、有可能专业化程度。但缺点也是显而易见的：专家委员会作为临时性组织，并不是交易中的一方，而且很难承担法律责任，由此会增加决策时的委托——代理成本，即评审委员会选择的交易对象偏离了公共资源交易的实际目标。因此决策的机会成本随之增加。

　　（四）监督和矫正成本高

　　制度经济学家威廉姆森认为，由于利己主义动机，交易者存在机会主义倾向，希冀通过投机取巧获取私利，如不履行合约中规定的义务、曲解合约条款、以信息优势欺骗对方等。这样一来，就需通过监督确保合约履行。当监督和矫正成本过高时，也就不值得交易了，于是一个潜在的帕累托改进就不能实现。

　　除了国际通行的投标保证金和履约保证金外，在我国当前市场信誉机制不健全环境下，交易主导方或者公共资源交易场所往往要求市场主体缴纳诚信保证金、安全生产保证金、质量保证金乃至工期保证金、创优夺杯保证金等。当市场主体不履行其法定义务时，相应的担保资金不予退还。为保障合同条款的履行，行业主管部门、公共资源交易监督部门和纪委、监察、审计等部门对项目实施进行监督。当发生合同争议时，以质疑、投诉、行政复议、行政诉讼、司法仲裁等方式解决。上述担保和救济途径所带来的经济上和时间上的损耗都构成了监督和矫正成本。

　　二、大数据有望助力公共资源交易

　　大数据时代的到来为公共资源交易活动以及相应的管理和监督工作提供了低成本、高效率的技术手段，有望突破公共资源交易改革零和博弈的僵局，额外降低的成本和增加的收益使得“增量改革”成为可能，即在不放松管制的情况下提高公共资源交易的效率。大数据在以下三个方面可以有所作为。

　　（一）通过大数据协助确定交易需求

　　利用大数据建立交易信息动态数据库，包含交易主体数据和交易条件数据。以政府采购为例，交易主体数据主要包括供应商的注册地点、所有制形式、营业场所和营业范围、法人代表及主要管理者的姓名等企业基本信息；交易条件数据包含采购标的的性能、价格、质量、交货期、服务及其他交易条件。这些数据，有助于采购人查找到类似政府采购项目的采购方案、评审方法、成交价格、设计方案、设备选型等信息。数据库具有“模糊”检索功能，采购人可以输入模糊表述，由数据库推荐相关采购信息，并列明各个采购标的的差异及特定适用性，供采购人选择。除提供相关标的以往的交易条件外，与市场信息联网的数据库还可提供商品市场的即时价格信息。这样一来，动态采购数据库既能协助采购人明确采购需求，又可以节约市场调研成本。

　　（二）大数据为交易决策提供支撑

　　以工程建设项目的评标为例，传统的评标工作包括资格审查以及针对各种技术、经济及商务指标的评价。

　　远程评标、计算机辅助评标是大数据建设的部分内容。在远程评标系统中，评标专家无需长途跋涉，通过电子化平台登录可视化的操作界面进行评审。在计算机辅助评标系统中，资格审查可以由数据库过滤投标人的认证信息、自动标识不合格的投标人。评分指标根据特性自动分为主观和客观项目。客观指标由计算机根据招标文件要求编制的编程语言自动评判，主观指标则由评标专家在网络平台打分，由计算机收集汇总，最终按照得分高低推荐中标候选人，评标过程和结果自动上传到数据库备份。评标的显性成本由此降低。

　　在传统评标中，不同的评标方法以及各自的评标因素及其权重设置对于交易条件以及合同履行所带来的后果不得而知。大数据技术可以将招标人的采购需求延伸到评审、签约过程直至承包商的供应链，据此分析出不同评标方法、评标因素、投标人、招标方案等对最终招标效果的影响，实现招标人采购、评标委员会评标、承包商履约的全过程精细化管理，从而为最优化的评标提供支撑，降低决策中的机会成本。

　　（三）以大数据思想建立市场主体履约信息系统

　　除交易主体数据外，市场主体履约信息系统主要指市场主体的诚信档案。个人或企业在从事公共资源交易活动中，其信用和履约状况等相关信息将被及时收集到数据库中。为保证数据的高速性和真实性，相关数据不再像传统公共资源交易那样由市场主体以纸质文件的形式自己提交，而是由交易主导方通过联网方式从其他政府部门或公共资源交易数据平台中提取。

　　诚信的强制性制度建设包括制订和颁布一系列保护市场主体利益、规制企业和人们的经济行为、惩罚失信者的规则，通过管理部门执行规则，给被执行者留下记录信息。强制性制度安排是一种他律，通过他律可以促进自律。马克斯?韦伯曾经说过，“只要（企业）涉足一系列的市场关系，市场经济就会迫使它服从于市场经济的基本准则”。当市场主体参与公共资源交易的竞争时，其基本信息和诚信档案将会成为重要的评审因素。市场主体履约信息系统还可以与其它诚信数据库互通，进一步影响到失信者参与其他领域的活动，由此提高了违约成本。这会迫使市场主体在履约过程中会主动选择诚信，由此降低公共资源交易合同的监督和矫正成本。

　　三、建设公共资源大数据的难点

　　相对传统数据库和电子化，大数据看似只是一个简单的技术演进，其实具有天壤之别。除了前文提到的4V特性外，大数据不再仅仅是处理的对象，它将带来思维模式、商业模式和管理方式的巨大变革。那么，如何让大数据在我国的公共资源交易领域应用落地，将是我们面临的全新挑战。

　　（一）大数据集成存在难度

　　公共资源交易数据低价值密度的特性体现在其散布于不同的数据管理系统中，在数据分析之前需要进行数据集成。由于数据量大、多样性等特点，大数据的集成面临更艰巨的挑战。与公共资源交易相关的各领域业已兴建了业务信息系统，但由于缺乏统一管理和规划，对跨部门信息资源共享与交换认识不足，统一的数据标准尚未建立，加上政府体制条块管理模式，导致数据横向不联、纵向不通。各地区和行业对数据的分割或垄断、数据共享需求与供给的缺口，不仅成为大数据集成的瓶颈，也极大地制约着政府公共服务效能、协同管理水平和响应能力的提升。

　　（二）诚信商品的市场机制不健全

　　诚信在市场经济条件下是一种特殊商品，但是由于我国当前市场机制尚不健全，诚信商品难以得到准确的市场定价，因此导致了诚信市场的价格混乱并最终引发诚信危机。诚信市场不够成熟主要体现在需求和供给两个方面。

　　在需求方面，诚信制度能够发挥作用的前提是把不同个体的诚信价格充分和真实地标识出来。当前，全社会对信用商品的需求总量仍然有限，经济主体在经济交往中未能有效利用信用商品维护自身利益。以公共资源交易活动为例，质量、价格、时间通常是交易的主导方选择交易对象的主要指标，对信誉等信用指标的重要性往往认识不足。

　　在供给方面，诚信信息则相对更加稀缺。政府是诚信信息重要的管理者。但地方政府和行业部门不公开诚信档案、不主动共享失信信息成为普遍现象，形成一座座信息孤岛，无法形成“一处失信，处处受限”的惩戒机制，在一定程度上削弱了对失信者的惩罚力度乃至整个社会诚信体系的效用。

　　信用商品质量不高、需求和供给的双重不足，影响了诚信商品的有效定价。这不仅不利于公共资源交易领域诚信体系建设，也阻碍了整个国家诚信体系的发展。

　　（三）建设大数据的市场失灵与政府失灵

　　传统的微观经济学理论有一个隐含的假定：单个消费者或者生产者的经济行为对他人的福利没有影响，即不存在所谓“外部影响”。要解决诚信危机，必须认识到市场经济是重塑诚信的基本机制。但在建设大数据时，上述假定却不能成立。公共资源交易大数据的建立会给各交易主体带来好处，但大数据建设者却很难从其他交易主体那里得到直接的经济补偿，这就产生了外部经济性，挫伤市场主体建设大数据的积极性，从而导致市场失灵。而由政府独立承担大数据的建设任务则又会面临效率低下、难以为数据商品定价等难题。市场失灵与政府失灵的同时存在，考验着大数据建设者的决心与智慧。

　　四、建设公共资源交易大数据的建议

　　建设公共资源交易的大数据，既要以大数据的技术发展水平为前提，又要充分考虑我国现行公共资源交易体制机制的特点。基于现有的技术条件和资源分布状况，应当分步建设公共资源大数据，以点带面，层层推进。

　　（一）参与各方取得思想共识

　　公共资源大数据的建设涉及数据的收集、加工、存储、挖掘、共享、公开等内容。由于大数据的4V特性，依靠单一部门建设大数据是不现实的，其价值也将是极为有限的。大数据的建设必须依靠多部门的合作，同时还需要找到与市场的有机结合点。为此，在大数据建设过程中，应将涉及大数据供给和需求的政府和市场主体都纳入到协商谈判中，要尽可能地在跨部门共享合作者之间凝聚共识。。只有各个团体之间开展充分互动对话，才能创造出能最大限度地满足各方诉求的信息传递和利益分配机制。

　　（二）对公共资源交易的数据进行分类管理并逐步扩大

　　1.数据分类管理的理论依据

　　根据新制度经济学的公共物品理论，公共资源交易的数据资源可以分为纯公共数据和准公共数据两大类。纯公共数据是指具有非竞争性和非排他性的政府数据产品或服务。准公共数据是指具有部分非竞争性和非排他性的数据产品或服务。准公共数据又可根据其竞争性的强弱分为弱竞争数据和强竞争数据。符合市场规律的数据收集及使用的利益分配机制可以依据上述分类标准建立。

　　公共资源交易的数据可以采用分类和分阶段收集的方式。第一阶段是政府各部门之间数据的无偿提供。第二阶段数据通常由事业单位或国有企业完成，采用分类收集、区别共享的方式，如免费提供纯公共数据，对于弱竞争数据应支付成本价，对于强竞争数据应支付成本价并依据市场定价分配利润等。

　　2.对公共资源交易的数据进行分类管理

　　由于管辖公共资源交易大数据的法律不同、收集的难易程度不同、共享及公开的范围也不同，为有序推进大数据建设工作，数据管理应当在数据分类的基础上进行。笔者建议按照将数据分为以下四类管理：

　　A类，公共资源交易的主体数据。如注册时间、注册资本、法人代表及主要管理者的基本资料、员工人数、营业额、企业所持有的资质情况等。目前A类数据广泛分布于工商、税务、海关、劳动、银行等行政管理部门及企业所属行业的主管部门。这些数据大部分属于《政府信息公开条例》中应当公开的内容，属于纯公共数据，应当依法、强制、无偿收集，结果不仅要向公共资源交易的主导方，而且应向全社会公开。

　　B类，记录市场主体及主要人员违法行为的数据。目前B类数据离散地分布在企业所属地区和行业的各级行政监督部门以及各级法院。B类数据虽然也属于纯公共数据，但收集过程中会受到部门利益、地方保护的掣肘。为减少阻力并考虑到法律对市场主体及公民隐私的保护，B类数据应首先逐步实现在政府内部及公共资源交易代理人处共享，然后在法律授权范围内对外公开。

　　C类，各地、各行业、各项公共资源交易活动过程中产生的数据。包括有关标的的技术参数、价格等交易条件、合同实施状况、市场主体人参与竞争的数量及结果、业绩等。C类数据容量大、价值密度低，分散于各个交易主体以及行业主管部门，是大数据的“金矿”。C类数据属于各交易主体的商业信息，甚至其中一些会涉及市场主体的商业机密，属于强竞争数据，应建立公平、合理的利益分配机制，以便对数据进行收集和共享，在此基础上加强对于此类数据的挖掘、分析工作，其结果将有偿提供给有需要的公共资源交易主体。这将对优化公共资源交易、降低交易成本、提高交易效率产生不可限量的推动作用。

　　D类，各地、各行业、各项公共资源交易活动主导方对另一方的评价数据。由于相关法律的缺失，尚难确定这类数据是否属于纯公共数据。除了在个别行业和企业的探索外，评价工作尚未在公共资源交易领域广泛开展，导致D类数据总量匮乏。虽然从长远看，D类数据对于净化市场环境、建设诚信体系是极为重要的，但在当前没有统一评价标准、缺乏相关法律的充分授权、评价主体能力和道德存在缺失的情况下，仓促地共享及公开评价数据可能会对市场主体权利造成严重侵害，所以应当谨慎开展相关的研究和探索工作。

　　（三）培养大数据人才

　　大数据分析可以从海量数据中发现各变量之间的相关性，提升价值密度，为公共资源交易提供技术支持。相关工作需要由跨学科的专业化人才来完成。在信息技术方面，操作者需要掌握大数据技术，能够解读大数据分析的结论；在公共资源交易方面，操作者要非常了解各类公共资源交易各个环节的作用以及各要素之间的相关性，能够将得到的大数据与公共资源交易的具体环节紧密联系起来；在管理上方面，操作者需制定出低成本、高效率、可操作的解决方案。这就需要操作者掌握大数据分析技术，深谙公共资源交易的相关知识，同时又要有卓越的管理能力和系统性思维，能够将大数据分析结果化繁为简，敏锐地寻找出具有高价值的信息。从这个意义上说，大数据分析人才的培养将决定大数据在公共资源交易领域应用的未来。所以，应当重视大数据分析人才的培养，为大数据在公共资源交易领域的应用提供充足的人力资源。

　　五、结语

　　应用大数据技术进行数据采集、分析，获取有价值的信息，是促进公共资源交易发展的必然选择，对于降低交易成本、优化资源配置效果、构建社会诚信体系、提高我国公共服务质量都具有重要意义。公共资源交易大数据建设，是一项庞大的系统工程，需要各参与方取得思想共识，在数据分类的基础上，以专业化人才为支撑，积极有效地推进。

更多精彩，请关注“官方微信”