摘要：评标专家量化管理是实现专家科学管理的必然途径，专家量化管理是以数字为基础，以评标业务目标为导向，量化关键的决策点及操作过程的管理模式。本文主要从量化管理的基本框架、量化管理的主要指标、量化管理案例分析与管理基础等方面，展开评标专家量化管理的思路与实践的探讨。
关键词：评标专家；量化管理；科学管理；数字化管理
评标专家量化管理是实现评标专家科学管理的基础，量化管理有狭义与广义之分，狭义的量化管理是指数字化管理，广义的量化管理是指数字化、标准化管理，而普遍理解的量化管理是指管理的数字化，因此本文论述是狭义的量化管理。当前评标专家管理是以经验管理为主，量化管理严重不足，主要表现在于管理决策基于决策者的经验判断，管理运营得不到有效的、系统的量化数据的支撑，从而容易导致评标专家决策的随意性、滞后性。因此，建立评标专家量化管理有利于评标专家的科学、高效管理，为物资的招标采购提供坚实的支撑。
一、评标专家量化管理框架
经过多年的实践与研究，结合当前评标业务的实际需要，主要从任务要求、管理目标与管理过程三个层面构建专家的量化管理，见图1.
评标专家管理目前以被动响应为主，未能对专家库进行及时动态调整以主动匹配评标业务的需要。因此，首先需要对评标的任务要求进行量化。评标任务要求的量化主要包括：项目总数及月度分布、重要项目数量及月度分布、项目专业类别分布。
评标专家管理目标量化管理的服务对象为管理决策人员，通过量化管理的数据分析与挖掘，为管理决策人员提供决策依据。管理目标量化的重点是对专家的入库率、响应率、出勤率、出勤次数中值、退库率、培训覆盖率等指标进行统计与分析。
评标专家过程的量化管理的服务对象是为运营管理人员提供及时、准确的运营数据，及时对专家库的管理优化提供依据。专家管理过程的量化主要从入库、抽取、使用、考核与培训等主要环节入手，统计并分析量化指标数据，并与管理目标量化指标形成互动关系。
二、评标专家量化管理主要指标阐述
为更直观体现专家量化管理的内容，针对每一项类别的指标进行详细的定义与阐述，见表1.
由于评标专家量化管理指标涉及内容较多，此处仅列出部分量化指标。
三、评标专家量化管理案例分析
评标专家量化指标既可以直接使用，也可以作为交叉综合分析的基础。以下分别就直接分析与交叉综合分析的应用场景，以案例分析的方式予以说明。
案例分析一：专家出勤率指标及分析
某专家库2015年专家的平均出勤率为25.6%,各地区的出勤率（见图2）所示，将出勤率按照地域进行统计可以看出，地区之间的出勤率差异较大。
通过对专家出勤率地区差异较大的原因进行深度分析，造成的原因主要有：一是专家数量在地区上的分布不平衡，出勤率越低的地区专家数量也越少，而专家数量少是因为专家入库率较低。二是专家参与意愿低，由于未建立有效的专家考核与激励机制，加之专家大部分是各单位的骨干，日常工作任务较繁重，所以影响了专家的出勤意愿。因此，针对出勤率的统计分析，并深度分析数字背后的原因，为管理决策提供更加有针对性的数据支撑。
案例分析二：对资深专家的需求量预测
当前大多数专家库实施了专家的分级管理，按照评标项目的专业性要求、专家的激励等应用场景，将专家分为两个或三个级别，如将专家分为普通专家与资深专家，不同级别专家的综合素质要求不尽相同。对专家分级时，需充分考虑资深专家数量是否能够满足评标工作的数量要求，因此对潜在的资深专家需求量进行预测显得尤为重要。
某专家库2015年共抽取专家15322人次，其中大于等于7人（注：此处将7人以上的抽取视为重大项目）的抽取次数为299次，共抽取3765人次，小于7人的抽取次数为2529次，共抽取11557人次。对资深专家人数的需求预计为3905人次（注：按照大于等于7人的评标项目配置50%的资深专家、小于7人的评标项目平均每次配置0.8名资深专家计算）。按照每年评标次数不超过2次计算，共需要资深专家1950人。
按照资深专家入库标准，该专家库有3243人潜在资深专家的绝对数量来看，能够满足1950人的专家需要，但按照当前25.6%的平均出勤率计算，实际可用的资深专家仅有830人，与实际需求相差1120人。因此，在资深专家的遴选过程中，需要适当放宽条件，根据总人数需求、专业人数的需求酌情补充候选的资深专家。同时需要加强资深专家的履职管理，提高其出勤率，确保数量能够满足业务的需要。
四、量化管理的基础条件分析
为顺利开展评标专家的量化管理，需要有如下重要的基础条件，分别是：
一是明确的量化管理目标。评标专家的量化管理需以评标任务为导向，以满足评标业务需要为出发点，结合当前量化管理的水平与能力，提出适合自身要求的量化管理目标。
二是高质量的基础数据。量化管理的基础是数据管理，量化管理离不开大量基础数据的分析与加工，数据结构清晰合理、原始数据准确客观反映现状是数据分析与加工的基础，更是量化管理的生命线，因此加强对基础数据的管理尤为重要。
三是科学的统计与分析。对数据进行统计与分析时，需要以管理为导向，深度挖掘数据关系及其背后的本质，才能够为管理决策与运营提供更有利的支撑。
四是有效的信息技术支撑。充分应用信息技术的优势，在数据收集、整理、存储、统计与分析等方面应用信息技术，确保数据统计与分析的高效、高质。
五、结束语
用数据说话是量化管理的重要基础，在构建评标专家量化管理机制的过程中，评标的量化管理是以项目与任务为导向与归依，以此设定专家管理的目标、过程运作与管理的要求与标准等，从而为评标专家管理的量化管理、科学管理提供有效的管理手段与实现途径。由于专家库的管理目标不同，对量化管理的要求也有较大差异，因此，需要针对自身特点，有针对性地提出量化管理机制，以便提升专家管理的能力，更有效地满足评标工作的需要。