浅析政府采购业务数据的治理与应用

 原创   丁刚

本文作者丁刚，工作单位系财政部信息网络中心。文章发表于《中国政府采购》杂志2025年第02期。

编者按

本文作者提出，如何以数字技术推动政府采购治理现代化、通过强化数据共享提升管理部门服务效能，既是政府采购进行数字化转型的主要目标，也是提升政府服务数字化能力的直观体现。本文作者从制定数据标准规范、数据采集与处理、数据监管和数智应用等方面，浅析政府采购业务数据的治理与应用。

在加强数字政府建设的背景下，财政信息化向数字化转型已成为全国各级财政管理部门和广大财政工作者的一道必答题。区别于预算、支付等财政业务，政府采购既要面向各级财政部门和预算单位，也要面向社会代理机构和供应商，很多业务场景需依托互联网提供服务，其涵盖的数据类型多样、来源各异、应用复杂、价值巨大。如何以数字技术推动政府采购治理现代化、通过强化数据共享提升管理部门服务效能，既是政府采购进行数字化转型的主要目标，也是提升政府服务数字化能力的直观体现。在转型过程中，业务数据的治理与应用发挥着至关重要的作用。

政府采购正经历着从电子化向数字化，再由数字化到智能化的关键跃迁。“场景代替流程、数据驱动业务”的理念正被业内人士广泛认可。2024年财政部印发的《政府采购领域“整顿市场秩序、建设法规体系、促进产业发展”三年行动方案（2024—2026年）》重点提到“持续开展四类违法违规行为专项整治、加强常态化行政执法检查、创新监管手段，提升工作效能”,也都需要依托业务数据的支撑。笔者从制定数据标准规范、数据采集与处理、数据监管和数智应用方面，浅析政府采购业务数据的治理与应用。

一、制定数据标准规范

据不完全统计，全国范围内政府采购监督管理相关的系统至少有上百个，而执行交易相关的系统则数以千计。要实现这些系统中数据的汇聚、计算、统计、分析、共享和应用，先决条件是制定统一的数据标准规范。

笔者认为，政府采购的数据标准规范是对政府采购业务所涉及的全部数据类型及其约束条件的定义。按业务属性划分，政府采购数据可包括基础数据、过程数据、交易数据、衍生数据四类。基础数据是政府采购项目执行的依据，如预算单位数据、品目分类数据、采购计划数据等；过程数据是需要留存的项目执行全流程时序数据，如采购文件、各类公告、响应文件、评审数据等；交易数据与交易相关，如报价信息、支付凭证、电子发票等；衍生数据用于辅助项目分析评价，如对代理机构、评审专家、供应商等角色的信用评价、商品价格指数、采购绩效评估数据等。对于上述业务数据，应在全国政府采购领域内尽可能统一其字段类型、取值范围、特定含义和约束条件。因特殊情况无法统一的，应按照预先设定的映射关系表进行转换。

业务数据的分类方法并不唯一。例如，根据不同的数据来源，可分为系统初始化数据、执行交易过程内生数据、外部系统接入数据等；根据不同的数据用途，又可分为填报数据、审核数据、信息公开数据、统计分析数据、监督预警数据、评价数据等。无论采用何种方法，只有全行业制定了统一的政府采购数据标准规范，才能让各种业务数据在全国政府采购领域相关的内外部业务系统之间有序流转和高效协同，实时掌握全国政府采购项目的运行情况，进而实现决策分析、政策制定、研判宏观经济运行趋势等目标。因此，财政部于2013年印发了《政府采购业务基础数据规范》。

制定数据标准规范时要遵循统一性、规范性、可扩展性和实用性原则，并充分考虑中央与地方情况的差异，做到“顶层设计标准规范，扩展内容灵活可变”，以适应各地政府采购业务长期发展的需求。在对业务数据统一定义后，数据标准规范还应对业务流程标准、数据交换标准进行规范，为后续汇集全国数据奠定基础。

二、数据采集与处理

所有系统操作本质上都是业务数据生产过程。如前文所述，全国各地政府采购相关管理和交易系统成百上千，日均产生的业务数据量可达千万级别，数据的应用场景更是包罗万象。对这些数据进行有效汇聚、治理和利用，能够显著提升对财政资金使用效能的监控力度，强化优化营商环境落实情况的监督。

现实情况是，各地政府采购系统的建设周期、理念和技术水平差异巨大，所涵盖的数据类型已远超时间/日期型、数值型、字符型、布尔型、大字段型等传统数据类型。例如，采购需求中的技术参数，采用JSON/XML类型；对场地或货物的展示，采用图片或视频类型；存储采购文件和响应文件，采用文档类型；验证投标文件或合同的完整性，采用哈希类型；供应商投标报价和评审专家评分结果，采用数组/列表类型。在未来的系统中，还可能出现描述地理坐标、物流路线的GIS地理信息类型，反映市场价格波动、供应商履约进度的时间序列类型等。概括来说，全国各地政府采购相关系统中结构化数据与非结构化数据并存，且散落在各种架构、通过混合数据库架构（如关系型数据库、NoSQL数据库、区块链平台等）进行管理与应用的系统中，采用任何单一的采集方式（如应用程序接口API、数据库直连、Web Service、文件传输、消息队列等）完成所有类型的数据对接，是难以实现的。

为解决在全国范围内及时、全量汇聚政府采购领域相关数据的问题，可考虑由财政部建立财政数据中台，并组织部署中央——省级——地市三级数据枢纽和数据交换节点。财政数据中台采用分布式数据湖架构，打通与各地政府采购管理系统、交易系统等异构系统的数据对接通道。对于采集的数据，可在财政数据中台进行集中存储和治理。例如，开发智能数据清洗引擎，自动修复数据的缺失值和异常值；建立动态元数据管理系统，实现字段级的数据血缘追溯；引入检查机制，对数据质量进行管控：部署数据监测模型，对数据完整性、一致性、时效性进行多维度校验。

在数据采集与存储的过程中，还须落实数据的管理责任，保证数据安全，防止数据滥用。例如，建立数据分类保护机制定义数据使用权限、部署用户行为分析模块检测异常操作、建立数据追溯图谱跟踪数据流动路径、采用多方安全计算技术实现“数据可用不可见”、应用同态加密（Homomorphic Encryption）技术保障云端数据分析安全等。

从更加宽泛的视角看，政府采购业务还需对接大量外部系统的数据，例如，信用中国、市场监管、社会保险、工商、税务、供销合作社、公共资源交易中心。要汇集如此庞大的数据量，还必须建立跨部门协调机制统筹推进。

三、细化数据监管手段

每年全国各级政府采购监管部门受理的质疑投诉数以万计，每个案件的受理、调查、取证等都占用大量人员精力，耗费大量的社会资源。能否通过对政府采购活动开展过程中基础业务数据的发掘、跟踪和分析，实现智能预警、智慧监管，将可能存在的妨碍公平竞争、违法违规情形控制在风险萌发阶段，是一个非常严肃且极具现实意义的课题。

许久以来，各级政府采购管理人员都在讨论政府采购监管的边界应如何划定。边界过粗对违规事项达不到监管效果，也起不到对违法失信行为的震慑作用；边界过细又超越了财政管理的职责范围，且有碍采购人主体责任的落实。而基于对数据的监管，为解决这一矛盾提供了现实可行的路径。

在政府采购业务开展过程中已经积累了丰富的数据资源，可以对其加以合理利用，并通过预设的多维分析和预测预警模型，就可以全面覆盖需求管理、信息公开、采购计划、招标评审、合同履约、质疑投诉、验收评价、资金支付等各个环节。例如，前文提到的四类违法违规行为专项整治，完全可以依托大数据识别出供应商的围标串标行为、虚假材料和采购人设置的差别歧视条款，并在项目开展过程中及时预警。监管人员可按预先定义的处理规则，交由相应采购主体或由系统自动进行处理。

在对业务进行常规监管的基础上，政府采购的数字化转型还应拓展更加丰富、细化并具有前瞻性的监管途径。例如，对政府采购活动中各个交易主体和交易行为进行分析；对某一地区或特定品目的采购进行预测等。以下列举几个数据监管的新场景。

（一）主体画像

集成中国政府采购网、信用中国、工商、税务、司法等维度数据，生成不同主体参与政府采购活动的全景画像，掌握采购单位和供应商所开展、参与全部项目的分布情况、中标金额、履约情况等。还可根据供应商履约数据，自动推荐信用良好的优质企业，在后续采购项目中简化或省略常规的资质审核。

（二）趋势分析

按照时间维度对特定货物或服务的采购与成交情况进行分析。可涵盖预算金额、采购品目、组织形式、采购方式等多个关键要素，以展现某种采购活动的运行趋势。

（三）资源整合

运用时空聚类算法识别采购特征，如通过分析某区域范围内或某特定品目的采购行为，优化、整合采购活动的组织，达到进一步节约资金的目的。

四、打造创新数智应用

统一了标准、汇集了数据、强化了监管，并不能算完成了数字化转型，还缺少更加丰富的数智应用。近年来，关于“一切业务都是数据、一切数据都是业务”的观点得到越来越多人的认同，关于数据与业务关系的研究贯穿着数智应用发展的过程。以笔者浅见，数据业务化是将数据组装成一幕幕业务场景，而业务数据化是将业务表现为在特定时空维度下数据的投影。创新数智应用是采集并利用数据作为生产资料，借助数据分析和挖掘技术，将数据转化为有价值的洞见和规律，进而指导业务决策和行动。这一过程不断循环，形成正向反馈，推动业务持续优化。简而言之，“数据驱动”就是以数据为中心，运用精益分析和数据闭环的理念，实现业务决策和行动的优化。“数智应用”就是让数据不断适应变化的业务场景，模拟人类去感知、决策，并可以自我进化的智能应用。

以政府采购绩效评价为例。对政府采购绩效价值的关注正在从“低价优先”向“全生命周期成本最优”转变。管理部门不再单方面注重“流程合规”，而是在财政资金投入的效果方面进行更充分的考察。以往基于下级部门填报数据进行的简单统计分析已无法支撑绩效评价的要求，可能需要从时间、空间、市场供给情况、技术与贸易限制条件、价格变化趋势等维度进行全方位的立体观测，才能对项目的绩效是否达到预期给出客观评价。这不仅需要对接更为丰富的数据来源，还需要对这些数据进行更高维度的转化、计算和分析。

以下列举两个数智应用的场景。

（一）政策落实效果推演

基于人工智能和机器学习技术构建采购政策影响评估模型，实现乡村振兴、中小企业扶持、绿色采购等政策落实效果的推演预判。

（二）决策支持

通过建立分析预测、监测预警、政策分析等数据模型，结合宏观经济数据，科学分析政府采购发展趋势，为深化政府采购制度改革、更好地实现政府采购政策功能以及财政宏观经济调控提供切实可行的决策依据。

五、结语

政府采购数据的深度治理与智能应用，对重塑现代财政管理体系或可产生深远影响。通过构建“采集—治理—融合—分析—安全”的全链条数据管理体系，不仅实现了财政资金使用透明度的指数级提升，也将催生政府采购大数据评价采购项目绩效、辅助宏观经济决策的新范式。近期爆火的DeepSeek，更为探索新一代人工智能技术与政府采购数智化结合开辟了新的路径。政府采购的数字化转型，正在实现从分散统计到宏观分析、从单向采集到双向赋能、从业务工具向数智大脑的华丽蜕变。

未来随着数据要素市场化配置改革的深化，政府采购“数据金矿”的挖掘将进入更高质量发展的新阶段，为构建数字政府提供坚实的数据基座。相信随着数字中国建设的全面推进，辅以新一代的数智化应用技术，政府采购的数字化转型之路将是一片坦途。