مقایسه ی الگوریتم های داده کاوی در پیش بینی نتیجه ی مناقصات بین المللی برگزار شده برای انتخاب مشاوران صنعت آب (به منظور استفاده در سیستم های پشتیبان تصمیم گیری)

در کشورهای در حال توسعه با ارزش پولی پایین، شرکت های مشاوره برای کسب سود بیشتر به دنبال شرکت کردن در پروژه های بین المللی می باشند. اما شرکت در مناقصات بین المللی نیازمند صرف منابع زیادی (زمان، هزینه و منابع انسانی) برای خرید اسناد مناقصه، ارزیابی شرایط پروژه و آماده کردن پیشنهاد مناقصه است. از این رو پیش‌بینی نتیجه‌ مناقصات بین المللی می تواند باعث جلوگیری از مصرف منابع برای شرکت در مناقصات نامناسب شود. هدف از این پژوهش شناسایی معیارهای موثر در نتیجه مناقصات بین المللی برگزار شده برای انتخاب مشاوران صنعت آب و مقایسه الگوریتم های داده کاوی در پیش بینی نتیجه این مناقصات است. معیارهای شناسایی شده شامل نوع امور تخصصی، نحوه ارسال پیشنهاد مناقصه، چگونگی آشنایی با مناقصه، نوع مناقصه، تامین کننده مالی، داشتن همکار در کشور مبدا و نوع پروژه می باشند و الگوریتم های مقایسه شده به ترتیب دقت شامل ماشین بردار پشتیبانی، chaid، id3، درخت تصمیم، بیز ساده و نزدیک ترین همسایه هستند. از میان الگوریتم های مذکور، الگوریتم ماشین بردار پشتیبانی با دقت 89.31 درصد دارای بیشترین دقت می باشد. بنابراین پیشنهاد می شود که از این الگوریتم به عنوان پردازشگر در سیستم های پشتیبان تصمیم مناقصات استفاده شود تا موجب بهبود تصمیم به شرکت/عدم شرکت مشاوران در مناقصات بین المللی صنعت آب شود.

Comparison of data mining algorithms in predicting the results of international tenders held to select water industry consultants (for use in decision support systems)

In developing countries where the value of money is low, consultant firms are keen to participate in international tenders. Participating in international tenders requires a lot of resources (time, cost, etc.) to evaluate the project condition and prepare a suitable proposal. Predicting the outcome of these tenders is important because it can prevent the use of resources to participate in inappropriate tenders. The aim of this paper is to identify factors that affect the outcome of water industry international tenders holding for selection of consultants and compare the classification algorithms in predicting the outcome of this tenders. effective factors include Lead department, Documents delivery method, Tender Identify Method, Type of Tender, Financer, Lead Department Partner, Final Status and Project Type and Compared algorithms include Decision Tree, ID3, Chaid, KNearest Neighbor (KNN), Naïve Bayes and Support Vector Machine (SVM). The most accurate algorithms are 1SVM, 2Chaid, 3ID3, 4Decision Tree, 5Naïve Bayes and 6KNN. so It is suggested to use the SVM algorithm as the processor in decision support systems to improve the bid/nobid decision for consultant firms seeking to participate in the water industry international tenders.