李冰彧

摘要：在不断发展的社会形势下，想要维持电网安全有序的运行，需要从电力物资的角度出发去分析，这是因为随着科学技术的发展，大数据战略的提出对电力行业的发展产生一定的影响。电力招标采购工作阶段增加大数据技术的使用，能切实提升电力企业物资的精细化管理，满足当前电网建设发展需求。基于此，本文结合大数据技术在当前电力招标采购分析中的运用进行简要剖析，希望以此推动电力招标采购工作的完善。

关键词：大数据技术;电力招标;采购分析;应用

引言：随着我国电力建设时间的增长，电力物资采购逐渐成为电网建设阶段的重要环节，这是因为电力物资需要根据制定的计划进行采购，一旦电力物资上出现问题会影响整个电网工程，导致电网建设进度、质量等方面受到影响。最近几年的发展中我国正推动城市化建设进程的加快，从而逐年加大对电网建设的力度，也正是因为电网工程项目数量的剧增，便要从源头着手，加强监督管理工作，实现电网建设的良好进行。在此环境下电力招标采购环节的重要性骤增。但是，在招标采购完善的形势下，仍然存在一定的问题，需要结合大数据技术对电力招标采购进行深度分析。

一、大数据分析基本方法

1.1 数据统计与分析

大数据技术下，利用计算机技术与信息技术实现数据的统计与分析，以此来满足大部分用户的需求，当需求具有实时性要求时最常采用EMC、Oracle Exadata、GreenPlum工具，或者是基于MySQL列式的存储Infobright工具方法[1]。而需要进行批量处理操作或者是半结构化数据，则可采用Hadoop工具，展开统计与分析工作。大数据统计与分析工作的进行时基于系统能进行大量数据的运算与分析，这一过程的开展由于运算工程大，因此对系统资源以及I/O的并发有着十分高的要求。通过调查研究发现，当前我国在大数据技术运用中，实现的大数据统计与分析主要采用以下方式：一是分类统计;所谓的分类统计其实就是在统计中采用简单的归纳与数学统计的方式进行整理，同时根据整理的信息，为用户提供报表。二是多维分析;多维中的维本身是分类统计中的基本元素，通常对象是一条记录中的一个字段，而多维则是指多个维的组合，并基于此进行综合的分析操作。三是数据ETL;对源自信息系统的历史数据与实时数据收集整理，此后将数据信息转化为固定格式导入分析平台进行储存。

1.2 数据挖掘

数据挖掘从本身来看与统计、分析最大的区别在其没有固定的内容范围，就从数据本身出发，对各类算法的计算与分析进行整合，以此实现预测成效，并在此基础上为高级别的数据分析提供相关技术凭证与基础信息。数据挖掘在使用中最常用的是聚类K-Means算法，或者是SVM、Naive Bayes算法。数據挖掘之中采用的分析工具一般是Hadoop Mabout、Spark等等[2]。由于数据挖掘是对信息的深入挖掘，因此其算法存在较大的复杂性，同时在计算中还涉及各种数据量、计算，工作量繁重。数据挖掘工作的开展，基本目标是希望利用算法寻找出潜在关联，对将来会发生趋势进行预测。

二、电力招标采购特征

电力行业的成熟发展是我国经济实现可持续发展的必要条件，可以说电力行业是我国能源产业的重要组成部分。在建设发展中对电网进行不断的完善发展，便需要电力企业在工作中组织进行电网投资，如此一来电力物资招标环节也必须进行，但是电力物资招标采购环节较为繁琐。目前的电力物资招标采购情形来看，物资采购量大、涉及的金额大、技术要求高、市场价格不稳定、投标者质量不一、投标种类较多，这些既是需要考虑的条件，也是招标工作中需要面临的问题。人们生活中对电力资源的使用随处可见，正是因为电力系统具备的这一特质，导致物资采购对电网运行效果直接挂钩，从严重的程度来看，还与用户的人生财产安全挂钩。继而在发展中对电力物资质量的要求越来越高，在此背景下电力物资技术的要求逐渐增高。随着电网建设项目的增多，电力物资需求量增加，电力企业招标工作吸引力度增大，在市场竞争逐渐激烈的同时，也为电力企业提供更多的选择。市场的价格并不是一成不变的，原材料的影响下电力物资价格也会出现变化，基于此电力企业适当缩短招标采购工作时间，这一措施是为纺织原材料波动而产生电力物资价格上的变化。除此之外，电网建设中使用到的物资种类繁多，继而在招标过程中要根据不同的需求，改变招标环节，但在一定程度上会增加招标工作难度

三、大数据技术在电力招标采购分析中的应用

3.1  历史次够数据挖掘与诊断

大数据技术基于信息化平台、历史采购数据，对储存的大量信息进行有序的梳理诊断，梳理诊断工作包含了数据质量分析、分类整合、数据应用需求分析、数据应用价值分析，继而为大数据分析提供必要的基础信息。下一步便是参考采购业务特征，对大数据应用点进行选择，并在招标业务流程中进行系统性的链接，并根据业务流程进行场景化应用[3]。在这之后需要选择出大数据应用点，从而进行有效的评估分析，其中还会使用到定性、定量分析方法，对大数据的应用点优先顺序进行判断。最后，便要对招标采购大数据应用点进行详细的规划分析，并根据分析信息整理出最适合的大数据技术在电力招标采购中的实施方案。

3.2  关联分析

关联分析主要是寻找两个或多个统计项之间的联系，关联深度通常以关联度进行表示，当数值为正数时两者关联度较高，为负值则反之，数值越大两者之前的关联性越强。在此关联分析下，电力企业中的工作人员能寻找到业务上存在关联性的物资。但是并不是所有关联性物资都存在工作上的相关性，而关联性的产生可能源自于季节、地域等因素。继而委托企业可参考此项分析结果，对电力物资招标信息进行发布，并且可增加另一种相关性强的物资采购计划，这是为提升工作效率。

3.3  数据清洗与分类统计

分类统计工作的开展主要是为解决招标采购数据的杂乱性，需要在大数据技术的基础上进行清洗，清洗工作的进行主要针对字段格式以及字段选项的统一，例如10KV电缆归纳类别是电力电缆，如若不做一个统一，那么填报人使用不同的词，便会增加统计工作难度。在招标文件的读取中要根据自然语言描述的内容进行分词，提取其中有效信息再进行充分的分类。分类统计的开展需要构建多个维度综合统计，其中包含了物资类别、时间、委托单位、中标单位等等，这些类别将会成为后续报表数据来源以及分析基础，整理的信息维度越多，数据质量就越高，分析出的结果则越准确。

四、结束语

综上所述，随着信息化时代的发展，大数据技术在各行各业中的使用不可避免。电力企业作为国家发展的重要行业，对于大数据技术的运用无疑是推进各项工作高效开展的有效措施，特别是在电力招标采购分析中的应用。

参考文献：

[1]鲁靖华， 赵宇航， 王悦，等. 解读：大数据技术在电力招标采购中如何应用[J]. 营销界， 2019（26）：67-68.

[2]方梓仰. 大数据技术在工程招投标审计中的应用研究[D].

[3]崔永涛， 常晓伟， 苏明. 大数据分析技术在招投标管理中的研究与应用[C]// 第二届智能电网会议论文集. 2018.

[4]刘明巍， 杨凯， 吴卓平，等. 大数据在招标采购廉洁风险防控中的应用[J]. 企业改革与管理， 2018， 000（001）：65-66，69.