建立“標王”大數據監督模型，揪出中標率畸高的可疑對象;針對“白手套”代理機構問題，建立“代理機構合規性審查問題”監督模型;建立“蘿卜標問題”監督模型，對下載企業多、投標企業少情況進行預警……

　　記者近日在遼寧省沈陽市紀委監委采訪發現，沈陽用大數據手段強化日常監督、專項監督，增強大數據監督發現問題、線索轉化能力，搭建起招投標領域的大數據監管“防火墻”。

　　招投標亂象背后的腐敗問題查證難、防范難、定性難。去年以來，沈陽市大力開展老舊小區集中改造，本是惠民工程，但改造過程中，一些招投標亂象引起了紀檢部門的注意。

　　“我們通過‘標王’等監督模型，對涉及老舊小區改造工程領域招投標數據進行比對。”沈陽市皇姑區紀委監委第六紀檢監察室副主任張昊說，工作人員發現個別企業中標項目數量明顯偏多后，繼續用“公職人員及其近親屬違規參與招投標項目”監督模型比對。隨后，多個疑點浮出水面。

　　辦案人員隨即結合信訪舉報進一步調查，很快發現負責老舊小區改造項目等工作的靳某某，存在通過提前敲定意向中標人、勸退潛在投標人等方式，幫助張某某及其他特定關系人中標相關工程項目，從中收取或約定收取好處費的違規違紀情況。

5月21日，沈陽市紀委監委工作人員運用大數據手段開展監督工作。

新華社發（受訪者供圖，陳俊屹攝）

　　“如果沒有大數據監督，我們收到相關信訪舉報后，要調取大量銀行交易流水等信息，靠人工反復比對，周期長、效率低。”在沈陽市皇姑區紀委常委、監委委員苑海看來，大數據“加持”讓線索挖掘準確率更高、穿透性更強。

　　“這起案件也暴露出涉案單位日常監管不到位，導致個別人利用職務便利，干預工程招標并收取好處費的問題。”苑海說，“我們第一時間制發監察建議書，指出房產系統老舊小區改造工程招標審批工作中，存在的程序不規范、審批程序不透明等問題，推動主責部門推進問題整改，完善配套制度，規范業務工作流程，強化行業監管力度。”

　　針對圍標串標、暗中陪標、明招暗定等問題，沈陽市紀委監委利用數據指向性強、要素齊全、獨立完整等特點，實現全口徑、全覆蓋反映招投標業務全流程，全程用大數據賦能專項整治。

　　記者了解到，沈陽市紀委監委一方面協調有關部門獲取1518萬條建設工程項目數據、政府采購項目數據、水利和交通等招投標項目數據等；另一方面，聚焦招標、投標、代理、評標等主體，在原有11個模型基礎上，建立“圍標掮客問題”“為特定項目而生問題”等43個監督模型、53個比對規則。

5月21日，沈陽市紀委監委工作人員運用大數據手段開展監督工作。

新華社發（受訪者供圖，陳俊屹攝）

　　今年以來，沈陽市紀委監委還開展“AI管招投標”探索，推動主責部門以老舊小區改造項目為試點，設置數百種算法，將監督模型和AI技術相結合，著力破解人為因素“控標”問題，市場活躍度顯著提升。