Визначення внеску інтеграції даних з відкритих державних реєстрів та системи Prozorro у багатокритеріальне оцінювання учасників публічних закупівель
Анотація
Електронні системи публічних закупівель оприлюднюють великі обсяги відкритих даних, а рекомендаційні компоненти систем електронного урядування дедалі частіше спираються на багатокритеріальне оцінювання учасників закупівель, тож фактична доступність потрібних атрибутів у відкритих джерелах потребує прямої емпіричної перевірки. Розроблено відтворюваний обчислювальний конвеєр, який зводить записи системи Prozorro із двома відкритими державними реєстрами – Єдиним державним реєстром юридичних осіб (ЄДР) та Єдиним реєстром боржників (ЄРБ) – за кодом ЄДРПОУ, формує матрицю рішень і застосовує методи TOPSIS та зваженої суми (WSM) зі схемами вагомостей equal, CRITIC і Gini; статистичне опрацювання отриманих даних ґрунтується на рангових кореляціях з довірчими інтервалами та бутстрепі за учасниками. Експеримент охопив 45 відкритих тендерів 2024 року одного розділу класифікатора (комп'ютерна та офісна техніка) з 50 унікальними учасниками, з яких 36 – юридичні особи і 14 – фізичні особи-підприємці. Встановлено, що відкритий файл ЄДР покриває 100 % юридичних осіб (36 із 36) і, за структурою, жодної фізичної особи-підприємця (0 із 14), а низка теоретично значущих атрибутів на цьому ринку емпірично відсутня: активний борг у ЄРБ і розірвані договори не зафіксовано в жодного учасника, цінові ж пропозиції незіставні між тендерами. Визначено, що ранжування за методами TOPSIS і WSM практично збігаються (кореляція Спірмена 0,996; 95 % довірчий інтервал [0,992; 0,998]; кореляція Кендалла 0,965) і залишаються стійкими до зміни схеми вагомостей (Спірмен 0,887-0,990). Кількісно оцінено, що самі тільки закупівельні дані зводять 36 юридичних осіб до восьми різних рівнів оцінювання, причому 21 учасник поділяє один рівень, тоді як додавання однієї реєстрової ознаки – віку суб'єкта з ЄДР – робить усі 36 оцінок унікальними за помірного переупорядкування ранжування (Спірмен 0,825; 95 % довірчий інтервал [0,682; 0,908]). Встановлено також бутстрепом за учасниками (2000 ресемплів) статистичну стабільність підсумкового ранжування: медіанна рангова кореляція 0,985, 95 % інтервал [0,909; 0,999]. Отримані результати демонструють, що інтеграція реєстрів істотно підвищує розрізнювальну здатність результатів оцінювання учасників на відкритих даних, а оприлюднений конвеєр забезпечує повне відтворення результатів.
Завантаження
Посилання
Bakukha, N. (2025). State registers as a data source for multi-criteria evaluation of public procurement participants. Science and Technology Today, 9(50), 962–968. https://doi.org/10.52058/2786-6025-2025-9(50)-962-968
Boukrouh, I., Tayalati, F., & Azmani, A. (2024). A comprehensive framework for supplier selection: Using subjective, objective, and hybrid multi-criteria decision-making techniques with sensitivity analysis. IEEE Access, 12, 145550–145569. https://doi.org/10.1109/ACCESS.2024.3462348
Çelikbilek, Y., & Tüysüz, F. (2020). An in-depth review of theory of the TOPSIS method: An experimental analysis. Journal of Management Analytics, 7(2), 281–300. https://doi.org/10.1080/23270012.2020.1748528
Decarolis, F., & Giorgiantonio, C. (2022). Corruption red flags in public procurement: New evidence from Italian calls for tenders. EPJ Data Science, 11(1), article number 16. https://doi.org/10.1140/epjds/s13688-022-00325-x
Diakoulaki, D., Mavrotas, G., & Papayannakis, L. (1995). Determining objective weights in multiple criteria problems: The CRITIC method. Computers & Operations Research, 22(7), 763–770. https://doi.org/10.1016/0305-0548(94)00059-H
Dotoli, M., Epicoco, N., & Falagario, M. (2020). Multi-criteria decision making techniques for the management of public procurement tenders: A case study. Applied Soft Computing, 88, article ID 106064. https://doi.org/10.1016/j.asoc.2020.106064
Gallego, J., Rivero, G., & Martínez, J. (2021). Preventing rather than punishing: An early warning model of malfeasance in public procurement. International Journal of Forecasting, 37(1), 360–377. https://doi.org/10.1016/j.ijforecast.2020.06.006
Hwang, C.-L., & Yoon, K. (1981). Multiple attribute decision making: Methods and applications. A state-of-the-art survey. Berlin, Heidelberg: Springer. https://doi.org/10.1007/978-3-642-48318-9
Kizielewicz, B., Shekhovtsov, A., & Sałabun, W. (2023). pymcdm – The universal library for solving multi-criteria decision-making problems. SoftwareX, 22, article ID 101368. https://doi.org/10.1016/j.softx.2023.101368
Lehtonen, J.-M., & Virtanen, K. (2022). Choosing the most economically advantageous tender using a multi-criteria decision analysis approach. Journal of Public Procurement, 22(2), 164–179. https://doi.org/10.1108/JOPP-06-2021-0040
Lyra, M. S., Damásio, B., Pinheiro, F. L., & Bacao, F. (2022). Fraud, corruption, and collusion in public procurement activities, a systematic literature review on data-driven methods. Applied Network Science, 7, article number 83. https://doi.org/10.1007/s41109-022-00523-6
Máchová, R., & Lněnička, M. (2019). A multi-criteria decision making model for the selection of open data management systems. Electronic Government, an International Journal, 15(4), 372–391. https://doi.org/10.1504/EG.2019.102579
Momena, A. F., Gazi, K. H., Rahaman, M., Sobczak, A., Salahshour, S., Mondal, S. P., & Ghosh, A. (2024). Ranking and challenges of supply chain companies using MCDM methodology. Logistics, 8(3), article number 87. https://doi.org/10.3390/logistics8030087
Pysmenna, M., Pohribna, N., & Kalnytska, M. (2019). Assessment system of the public procurement efficiency. Baltic Journal of Economic Studies, 5(5), 136–144. https://doi.org/10.30525/2256-0742/2019-5-5-136-144
Sałabun, W., Wątróbski, J., & Shekhovtsov, A. (2020). Are MCDA methods benchmarkable? A comparative study of TOPSIS, VIKOR, COPRAS, and PROMETHEE II methods. Symmetry, 12(9), article ID 1549. https://doi.org/10.3390/sym12091549
Semianyk, V., Kozachok, S. O., & Petyk, L. (2025). Use of artificial intelligence in risk analysis in public procurement. Economics. Finances. Law, 11, 56–59. https://doi.org/10.37634/efp.2025.11.11
Synyutka, N., Kurylo, O., & Bondarchuk, M. (2019). Digitalisation of public procurement: The case study of Ukraine. Annales Universitatis Mariae Curie-Skłodowska, sectio H – Oeconomia, 53(3), 61–71. https://doi.org/10.17951/h.2019.53.3.61-71
Tajani, F. (2025). Structuring multi-criteria decision approaches for public procurement: Methods, standards and applications. Systems, 13(9), article ID 777. https://doi.org/10.3390/systems13090777
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
