Организации часто совершают покупки по неоправданно завышенным ценам, потому что не имеют достаточно времени и инструментов для расчета правильной стоимости и поиска выгодных предложений. Softline digital разработала сервис для определения справедливых цен на товары и автоматического поиска подходящих тендеров.
Для чего нужна услуга?
Когда компания-заказчик объявляет тендер, она заинтересована в выборе поставщика с лучшими для себя условиями. Обычно поиск подходящих тендеров осуществляется аудиторами, которые вручную проверяют и оценивают условия и стоимость закупок. Иногда, чтобы выбрать один подходящий тендер, нужно потратить несколько рабочих дней, а новые предложения появляются каждый час.
Сервис помогает аудиторам мгновенно анализировать все доступные тендеры, чтобы увидеть, не завышена ли цена покупки. Таким образом, бизнес экономит рабочее время сотрудников и может направить его на более интеллектуальные задачи, а также увеличивает эффективность поиска, а значит, и шансы на выгодную сделку.
Что понимать под справедливостью?
Представьте, что вам нужно купить шариковые ручки для компании. Судя по данным маркетплейсов, можно назвать справедливый ценовой диапазон от 5 до 15 рублей, если вас интересуют обычные ручки.
На тендерных сайтах можно найти сотни предложений по поставке ручек, но в некоторых из них цена за единицу может даже превышать 150 рублей, что явно не справедливая цена.
Однако государственные органы часто не устанавливают потолок цен и не имеют рекомендаций по расчету стандартной стоимости закупок. В результате товары закупаются по неверным ценам в больших объемах просто потому, что не предусмотрены обязательства за их завышение.
Методология справедливой цены
Сервис, разработанный Softline Digital, собирает информацию из двух типов источников: сайта тендерной площадки и торговых площадок. Товары представлены в виде текстовых описаний: наименований партий, сумм, дат, кодов закупок. Кроме того, дополнительно могут быть проанализированы вложенные документы: сканы, документы Word, Excel, PDF. Они поступают в нейронную сеть, предварительно обученную, и превращаются в векторное описание товара - набор чисел, который будет уникальным для каждого товара.
Чтобы сделать прогноз для продукта, используется модель квантильной регрессии - она предсказывает цену продукта на основе его векторного описания. С его помощью можно получить не просто одно число, а целый ряд чисел. Например, при определении адекватной закупочной цены на шариковую ручку необязательно искать предложения, где она будет стоить строго 10 рублей.
В зависимости от рыночной ситуации и анализа всех предложений модель предлагает диапазон цен, который, по ее расчетам, будет адекватным.
Если цена не лежит в этом диапазоне, то она завышена или критически занижена, а значит, компании, которые ее предлагают, скорее всего, не подойдут. Результат анализа формулируется как:
- Покупка неактуальна;
- Покупка актуальна, присвоен рейтинг актуальности;
- Требуется ручная проверка (недостаточно данных, низкий показатель достоверности, нечитаемые документы).
Как модель понимает описания тендеров?
На сегодняшний день в науке о данных популярны нейронные сети семейства трансформеров. Они хорошо справляются с задачами текстовой аналитики, генерации текстов и суммаризации. Превращая слова в векторные описания, создавая словари нейронных сетей и выстраивая логичную последовательность, они распознают не только слова, но и целые фразы, точно считывая семантику.
Для создания системы использовались следующие Python скрипты:
- конвертирование документов из «doc» в «docx»;
- поиск релевантных таблиц (нечеткий поиск ключевых слов);
- поиск необходимых столбцов в таблице (нечеткий поиск по паттернам);
- обработка вложенных подтаблиц;
- обработка значений (форматирование, разделение на наименование и атрибуты – NER модель).
|
|