Технологии

Полное протоколирование на сайте госзакупок всех действий, проводимых при осуществлении закупочной деятельности, позволило нам применить современные информационные технологии для эффективного извлечения полезных знаний и скрытых закономерностей из сырых данных о проведении государственных закупок.

Применяемые в сервисе технологии анализа закупок основаны на уникальных российских разработках и более чем 40-летнем опыте советско-российской научной школы.

Компоненты матричных алгоритмов

Компоненты матричных алгоритмов (КМА) предназначены для разработки эффективных алгоритмов интеллектуального анализа данных и прикладного программного обеспечения, использующего алгоритмы для анализа данных о проведении государственных закупок.

Задача КМА — унифицировать процессы создания и применения обучаемых алгоритмов, обеспечить их повторное использование и независимость от средств разработки, обеспечить эффективное накопление библиотек алгоритмов для всестороннего анализа и контроля процесса закупочной деятельности.

Модель данных КМА ориентирована на разработку обучаемых алгоритмов, позволяющих без прямого вмешательства человека осуществлять поиск нетривиальных и скрытых от непосредственного анализа закономерностей в исторических данных по контрактам и в новых закупках.

Алгоритм — это совокупность методов, входными и выходными данными которых могут быть матрицы произвольной размерности. Алгоритм имеет дерево параметров, общее для всех методов. Обычно обучаемые алгоритмы имеют два основных метода. Метод настройки оптимизирует внутренние параметры алгоритма по заданной обучающей выборке, например, по множеству всех государственных контрактов за последние 2 года. Метод вычисления использует настроенные параметры для получения оценок и прогнозов для новых закупок. Алгоритмы могут иметь и другие методы, например: добавление обучающих данных, тестирование в режиме скользящего контроля и т.д.

Модель данных КМА позволила реализовать широкий класс матричных алгоритмов анализа госзакупок в рамках единого стандарта. Такая унификация позволяет быстро создавать новые алгоритмы анализа закупочной деятельности со встроенными средствами визуализации матриц, алгоритмов, деревьев параметров и найденных закономерностей.

Логические алгоритмы классификации

Логические алгоритмы классификации позволяют решать задачи распознавания, классификации и поиска логических закономерностей в разнородных, неполных и неточных данных о государственных закупках, т.е. в ситуации, в которой обычные статистические методы оказываются неприменимыми или малоэффективными. Кроме того, такие методы легко справляются с обработкой больших объемов разнотипных данных и данных с пропусками.

Логические алгоритмы классификации отличаются хорошей интерпретируемостью результатов анализа, так как найденные скрытые закономерности в данных о закупках или контрактах могут быть записаны в отчетах на естественном языке.

Применяемые логические алгоритмы позволяют не только классифицировать закупки, контракты, поставщиков или любые другие параметры закупки с точки зрения возможного риска закупки, но и оценивать вероятности реализации этого риска, что позволяет реализовать различные методики проактивного управления или противодействия соответствующим угрозам осуществления закупочной деятельности.

Метрические алгоритмы классификации

Метрические алгоритмы классификации, кластеризации и многомерного анализа данных предназначены для решения задач интеллектуального анализа данных, в которых требуется оценивать величину «сходства» или «расстояния» между объектами той или иной природы.

Принцип работы алгоритмов прост. Закупаемые подобные или схожие товары, или услуги должны иметь сравнимые цены, а похожесть объектов закупки в данном случае может быть выражена, например, в терминах Технического задания или технических требований, указанных в закупке или контракте. Нарушение подобных гипотез является важным индикатором возможных отклонений, ошибок или злоупотреблений на различных стадиях проведения закупочной процедуры.

Сложность практического применения метрических методов заключается в неоднозначности самого понятия сходства. Обычно имеющихся знаний о задаче недостаточно, чтобы с уверенностью указать наилучшую функцию расстояния (метрику). Разные эксперты сделают это по-разному. Возникает проблема выбора или синтеза метрики, наилучшим образом соответствующей содержанию задачи. Во многих случаях выбор метрики радикальным образом влияет на качество решения. В то же время этой проблеме зачастую уделяют недостаточно внимания и на практике используют только самые простые функции расстояния, например, известную со школьной скамьи евклидову метрику.

Примеры применяемых метрических методов:
• Метрические алгоритмы классификации, основанные на хранении прецедентов (case based classifiers), в том числе алгоритмы ближайших соседей, потенциальных функций, RBF, и др.
• Алгоритмы кластерного анализа: статистические, иерархические и др.
• Алгоритмы многомерного шкалирования и построения карт сходства.
• Алгоритмы оценивания качества и оптимизации метрик.
• Алгоритмы построения композитных метрик, в том числе методами линейной, монотонной и алгебраической коррекции.

Технология анализа клиентских сред

Клиентская среда — это совокупность субъектов (заказчики и поставщики), регулярно пользующихся (продающих или покупающих) некоторым набором сервисов, ресурсов, товаров или услуг.

Технология анализа клиентских сред (АКС) — это цепочка процедур обработки данных, ведущая от исходного протокола действий клиентов к решению широкого спектра задач анализа поведения клиентов.

К числу этих задач относятся:
• выявление и интерпретация типов поведения заказчиков, поставщиков или контрактов;
• сегментация базы заказчиков, поставщиков или контрактов;
• выявление целевых групп заказчиков, поставщиков или контрактов;
• структуризация расходов в соответствии с объективными потребностями заказчиков;
• выявление атипичного поведения поставщиков и мошенничества;
• прогнозирование различных событий и др.

Технология анализа клиентских сред позволяют с высокой точностью детектировать и прогнозировать целевые события и отклонения от «нормы» при проведении закупочных процедур.