決策樹算法在建設(shè)工程投標(biāo)決策中的應(yīng)用

崔 顥 中交一公局集團有限公司

1 前言

管理科學(xué)的核心就是目標(biāo)管理，目標(biāo)的研究與制定也是其中的重要組成部分之一。工程投標(biāo)過程中的投標(biāo)項目選擇也是投標(biāo)企業(yè)的目標(biāo)決策問題。隨著近年來海外工程市場的競爭日趨激烈，更好的對有限資源進行優(yōu)化配置，保證時間、資源的合理利用和提高中標(biāo)概率變得極為重要。在投標(biāo)過程中，當(dāng)投標(biāo)企業(yè)資源有限又同時面對多個招標(biāo)項目時，決策樹可以作為進行投標(biāo)輔助決策的有效手段。決策樹算法能直觀、全面的把各方案不同階段的因果關(guān)系和方案優(yōu)劣性通過定量分析的方式展現(xiàn)出來，使投標(biāo)單位能夠快速了解所投項目的各項指標(biāo)數(shù)據(jù)，并作出相應(yīng)的決策。

2 基本理論

決策樹算法通過圖形解析的方式把目標(biāo)收益和各方面的數(shù)據(jù)制成圖形方案，通過計算分析后選擇出最優(yōu)的一種風(fēng)險模型決策方法。決策樹是由決策節(jié)點、狀態(tài)節(jié)點、方案分枝、概率分枝四部分構(gòu)成的。決策樹算法是可以用概率分析法直觀呈現(xiàn)出目標(biāo)收益的一種圖形解析方式。

在圖中，決策節(jié)點是圖中的重要節(jié)點，一般用方形“□”節(jié)點表示，表示為決策樹的樹干部分，然后從決策節(jié)點引出若干條直線段，被稱為方案分支，代表多個方向的備擇方案。每條方案分支后面各鏈接圓形節(jié)點“●”稱之為狀態(tài)節(jié)點，從狀態(tài)節(jié)點畫出的各條直線，稱為概率分枝，代表著先驗概率下的不同狀態(tài)。而概率分枝最后計算出的數(shù)值代表著不同狀態(tài)下可預(yù)見的收益數(shù)值或期望數(shù)值。決策樹算法的圖形解析模式實際上也是一種“由點到面“的數(shù)據(jù)呈現(xiàn)方式。通過決策樹算法能夠相對容易、快速的計算出各個備擇方案的目標(biāo)期望收益并進行比選。這對于投標(biāo)企業(yè)來說可以快速的通過做決策樹算法對將要選擇的幾個方案的期望收益進行對比，甄選出最優(yōu)方案。

決策樹算法是通過科學(xué)的運算和計劃性的數(shù)據(jù)繪制而成的一種圖形決策法則，決策無論在哪個領(lǐng)域都會涉及到。在方案選擇中，企業(yè)在面對多個選擇是常常無法第一時間做出正確的決策，而決策最終也影響到了企業(yè)在生產(chǎn)、開發(fā)、運營階段的成敗。

3 環(huán)境分析

伴隨著國家“走出去”戰(zhàn)略的推進，大批的工程建設(shè)企業(yè)走出國門開始開發(fā)國際市場。2019年我國對外承包工程業(yè)務(wù)新簽合同額1.8 萬億元人民幣，同比增長12.2%。工程業(yè)務(wù)發(fā)展呈現(xiàn)以下特點。

（1）“一帶一路”沿線國家市場對外承包工程業(yè)務(wù)持續(xù)增長。

（2）交通運輸建設(shè)、一般建筑、電力工程建設(shè)是三大主要業(yè)務(wù)領(lǐng)域，總體接近70%。

（3）大型項目和綜合性項目逐年增多。

（4）業(yè)務(wù)轉(zhuǎn)型升級和模式（BOT/PPP）創(chuàng)新不斷取得新進展。這一部分的成績集中在電力工程、交通建設(shè)和資源開發(fā)，與房建相關(guān)的是工業(yè)產(chǎn)業(yè)園區(qū)的建投運營一體化項目的增多。

（5）參與國際產(chǎn)能合作和境外經(jīng)貿(mào)合作區(qū)建設(shè)成效顯著。

（6）各大洲態(tài)勢不同，亞洲歐洲下降、非洲、拉丁美洲增長。

雖然我們的對外承包工程營業(yè)逐年提高，但是我們的增速整體呈下滑趨勢，國際工程承包市場競爭日益激烈。目前，中資企業(yè)在海外項目開發(fā)中展現(xiàn)出來的短板或劣勢主要有以下方面：

（1）在一些陌生領(lǐng)域，我們的專業(yè)和資源整合能力尚有不足，比如大型的DB、EPC項目、投建營一體化的酒店、機場運營類的項目。

（2）優(yōu)質(zhì)的合作單位資源儲備尚顯不足，與國際知名咨詢公司合作不足，對國際標(biāo)準(zhǔn)研究不深。

（3）開發(fā)人員的綜合能力和專業(yè)能力有待進一步提高。

（4）相比當(dāng)?shù)仄髽I(yè)和部分國際企業(yè)我們的管理成本仍然較高。

（5）部分國別現(xiàn)匯競標(biāo)壓價嚴(yán)重，競爭對手往往低于成本價競標(biāo)。

（6）大環(huán)境上，目前很多國別都增加了本土企業(yè)的保護政策，當(dāng)?shù)仄髽I(yè)享有高比例的投標(biāo)價格優(yōu)惠制度，使我們的現(xiàn)匯競標(biāo)中的優(yōu)勢進一步喪失。

因此在有限資源的限制下用科學(xué)的方法安排投標(biāo)策略也變得至關(guān)重要。以下通過某假設(shè)案例，淺析決策樹在投標(biāo)決策中的應(yīng)用。

4 案例背景

某公司為專業(yè)從事道路工程建設(shè)的承包公司，其在非洲有多個在建項目，但由于幾年來海外工程承包市場競爭加劇，且投標(biāo)項目分散，企業(yè)中專業(yè)、有經(jīng)驗的開發(fā)人員數(shù)量有限，因為沒有指定有針對性的投標(biāo)決策，導(dǎo)致難以集中優(yōu)勢力量進行項目開發(fā)，在國際招投標(biāo)中耗費了大量的人力和財力也沒有什么好的項目落地，因公司決定采用決策樹分析法對今后投標(biāo)策略的選擇進行分析。

目前在非洲某國有A、B 兩個道路項目，A 項目工程額約1000 萬，B 項目工程額約500 萬，完成投標(biāo)工作的費用約為工程額的0.5%（包含現(xiàn)場考察、標(biāo)書的編制費用及其他期間費用）。在投標(biāo)費用編制過程中，如果考慮平價投標(biāo)若項目中標(biāo)則一般有6%的利潤，若投高價標(biāo)則預(yù)計有10%的利潤，低價標(biāo)有3%的利潤。現(xiàn)根據(jù)經(jīng)驗預(yù)計，A項目投高價標(biāo)、平價標(biāo)、低價標(biāo)的中標(biāo)概率分別為5%、35%、65%，B 項目工程額小、參標(biāo)單位較少，投高價標(biāo)、平價標(biāo)、低價標(biāo)的中標(biāo)概率分別為15%、45%、70%。由于兩個項目投標(biāo)時間重疊，公司決定只參投其中一個項目，在目前的概率和預(yù)期利潤條件下應(yīng)該選擇什么樣的投標(biāo)策略（見圖1）？

圖1

5 解決方案

根據(jù)案例背景列出決策樹，整個決策樹分為兩級決策點，第一級有A、B 兩個項目的決策方向，第二級每個項目有高價標(biāo)、平價標(biāo)、低價標(biāo)三級決策方向，每個二級決策點后對接一個有兩個選擇的機會點，即中標(biāo)或者不中標(biāo)。在第一級決策點中兩個項目的投標(biāo)成本分別為A 項目=10000000×0.005=50000、B 項目=5000000×0.005=25000，成本消耗記錄為負(fù)值。在機會點中，每個項目中標(biāo)與不中標(biāo)的概率分別列明，如A項目投高價標(biāo)中標(biāo)概率為0.05，則不中標(biāo)概率為0.95，如項目中標(biāo)則可獲得利潤為10000000×0.1=1000000，如項目不中標(biāo)則可獲得利潤為零，其他決策點同理。

決策樹的計算過程即依據(jù)貝葉斯決策準(zhǔn)則進行計算，即對于每一種備擇方案，將每一收益與相應(yīng)自然狀態(tài)的先驗概率相乘，再將乘積相加就得到了加權(quán)平均收益，這個加權(quán)平均收益也就是該備擇方案的期望收益值。最終在所有方案中選擇對應(yīng)期望收益最大的備擇方案。以A項目高價標(biāo)為例，中標(biāo)的收益為1000000-50000=950000，不中標(biāo)的收益為-50000，則該方案的期望收益為950000×0.05-50000×0.95=0，其他各方案期望收益同理計算。

從決策樹中可以看出，最高的期望收益為160000，方案選擇為A項目投平價標(biāo)。

6 優(yōu)點與不足

決策樹算法在工程項目中的應(yīng)用也是比較廣泛的，但通過決策樹算法計算出的期望收益也只能為決策提供輔助參考，它也有優(yōu)點和缺點。

6.1 決策樹算法在工程項目應(yīng)用中的優(yōu)點

（1）決策樹能夠?qū)⑷靠尚蟹桨讣案鞣桨傅钠谕抵庇^的呈現(xiàn)出來，方便進行比選。

（2）決策樹在工程中不但可以應(yīng)用于投標(biāo)決策還可以應(yīng)用于經(jīng)濟效益分析，通過合理的設(shè)計能夠一定程度反映出不同時期的期望與方案優(yōu)劣。

（3）決策樹適用于多階段決策，它具有方案階段決策層次明了直觀的特點，相比表格數(shù)據(jù)對比有更好的可讀性。

6.2 決策樹算法在工程項目應(yīng)用中的不足

（1）決策樹的應(yīng)用必須要有可量化的數(shù)據(jù)，對于一些不可量化因素（如市場環(huán)境、競爭對手、客戶關(guān)系等）無法通過決策樹來體現(xiàn)。

（2）決策樹中的預(yù)測參數(shù)的不確定性將影響決策結(jié)果的準(zhǔn)確性，且其中的先驗概率的確定具有一定的難度，且具有較大的主觀性。

7 小結(jié)

綜上所述，決策樹算法可以較好的應(yīng)用于投標(biāo)決策過程中，在資源有限或選擇性投標(biāo)條件下針對兩個或兩個以上投標(biāo)項目時能夠較好的進行方案對比，使相關(guān)數(shù)據(jù)能夠直觀具體的體現(xiàn)，并能通過計算得出最優(yōu)期望值。但同時，投標(biāo)決策者也不能只是簡單的依靠決策樹得出的最優(yōu)期望值直接進行投標(biāo)決策，在實踐中還應(yīng)該結(jié)合現(xiàn)場實際情況、競爭對手情況、客戶關(guān)系和當(dāng)?shù)赝稑?biāo)經(jīng)驗分析等，對投標(biāo)項目進行綜合的比選和判斷從而做出最終的投標(biāo)方案，以幫助企業(yè)獲得更高的開發(fā)成果。