Namens het analyseteam van TenderNed gaven Duuk Calor, Maël van Dijk en Rick den Ridder een presentatie aan medewerkers van het Nederlands Instituut Publieke Veiligheid (NIPV). Dat deden zij op donderdag 1 februari tijdens het inkoopseminar in het NIPV-kantoor in Arnhem.
Doel van het analyseteam
Na een kort voorstelrondje vertelt Duuk waarom TenderNed een analyseteam heeft en wat het doel van het team is. ‘Nederland voldoet via TenderNed aan de statistiekverplichtingen van de EU. Dit gebeurt op grond van de aanbestedingsrichtlijnen en de concessierichtlijn, en voor de verslaglegging aan de Staten-Generaal. We leveren ook data aan op verzoek van het Nationale beleidskader en de Europese Commissie.
Inmiddels helpen we aanbestedende diensten en ondernemers om het proces van aanbesteden te verbeteren. Dat doen we onder andere door onze data toegankelijk te maken via data-analyses. Dat begint met het verzamelen en structureren van de data. Vervolgens slaan we de data op in een database en plaatsen we de data in een analyse-omgeving. Op die manier kunnen we visualisaties maken van de data en daarna kunnen we de data analyseren. We helpen aanbestedende diensten door onze inzichten met hen te delen. Bijvoorbeeld via een benchmark met andere aanbestedende diensten over een onderwerp zoals het aantal inschrijvingen of welke trefwoorden ondernemers het meest gebruiken.
Enkele voorbeelden van onze hulp aan ondernemers zijn het laten zien van het verloop van het aantal aanbestedingen of hoe een aanbestedende dienst tijdens de vakantieperiodes aanbesteedt. We doen dit met het doel om het aanbestedingsproces beter op elkaar af te stemmen. Onze data-inzichten helpen partijen om het proces efficiënter en effectiever te laten verlopen.’
Belangrijke jaartallen
Duuk beëindigt zijn verhaal met enkele jaartallen die belangrijk zijn geweest in de geschiedenis van TenderNed. ‘2002 is een belangrijk jaar voor TenderNed. In dat jaar is besloten om het aanbestedingslandschap te professionaliseren. Het besluit is een gevolg van de uitkomsten van de parlementaire enquête bouwfraude.
Een ander belangrijk jaartal is 2011. Het jaar waarin TenderNed beschikbaar komt als aanbestedingssysteem in Nederland. Dat is ook direct het moment waarop we starten met het verzamelen van data.
Vanaf 2017 is digitaal openbaar aanbesteden verplicht. De verplichting volgt op het digitaliseren van data dat al een jaar eerder is ingegaan in 2016. Vanaf dat moment is het makkelijker om data te verzamelen en de data die wij over aanbestedende diensten hebben, kent sindsdien ook een hoge betrouwbaarheid. Het digitaliseren van aanbesteden leidt ertoe dat er meer invoervelden zijn bij het aanmaken van een aanbesteding. Wij slaan al die data op in onze database en de data over een aanbestedingsproces is daardoor completer. Wij beschikken ook over de data van Tsenders, zoals Mercell. Doordat we al deze data koppelen aan externe bronnen zoals de Kamer van Koophandel (KVK) en het Centraal Bureau voor de Statistiek (CBS) hebben we betrouwbare informatie. Daarmee kunnen we onder andere de kwaliteit van het aanbesteden in Nederland in kaart brengen en de vindbaarheid van aanbestedingen meten.‘
Feiten en statistieken
Rick neemt het woord over en benoemt een aantal interessante gegevens met behulp van de verzamelde data. Hij begint met een aantal algemene feiten. Zoals de aanbesteding die in 2023 de meeste Nota’s van Inlichtingen had (12) en de aanbesteding die vorig jaar de meeste rectificaties had (9).
Rick deelt daarnaast nog data over een aantal onderwerpen waarbij hij veiligheidsregio’s vergelijkt met alle organisaties. Hij heeft het onder andere over:
- Het verloop van het gebruik van de onderhandelingsprocedure zonder bekendmaking vanaf 2017 tot en met 2023.
- Verdeling van gepubliceerde gunningswaarden (per perceel) van 2017 tot en met 2023.
- Gunningspercentages van alle ondernemingen met minimaal 5 inschrijvingen in de periode 2017 tot en met 2023.
TenderTrends
Na een korte energizer waarin het publiek 4 vragen over Artificial Intelligence (AI) beantwoordt, is het woord aan Maël. Hij geeft een uitgebreide demo over de nieuwste module die TenderNed binnenkort aanbiedt: TenderTrends. ‘Dat is de AI-tool waarmee TenderNed inkopers helpt om uitgevoerde aanbestedingen te categoriseren door een aantal trefwoorden in te vullen. Daarna komt er een analyse uit voor de gebruiker.
Om tot TenderTrends te komen hebben we ons eerst moeten inlezen, de volgende stap was het ontwikkelen van modellen en daarna hebben we de modellen getest. Met deze module als eindresultaat.’
Goede werking en transparant
Tijdens de demo vertelt Maël waarom er gekozen is voor het algoritme waar TenderTrends gebruik van maakt. ‘Onze keuze voor dit algoritme is op basis van de goede werking én omdat het transparant is. Als overheidsinstelling ben je verplicht om transparant te zijn. Met dit algoritme kunnen we alle stappen en formules nagaan die TenderTrends maakt.’
Het is de aanwezigen al snel duidelijk dat TenderTrends het eenvoudig maakt om naar vergelijkbare aanbestedingen uit het verleden te zoeken en dat het algoritme goed reageert op de trefwoorden die ingevoerd worden.
Algemene indruk over de presentatie
De presentatie is goed ontvangen door de aanwezigen. ‘Ik ben onder de indruk van de hoeveelheid data die jullie hebben én wat jullie er daadwerkelijk mee doen’, is te horen vanuit het publiek. Een ander was weer verrast over de grote hoeveelheid aanbestedingsdata die terug te vinden is via TenderTrends. De interactie tussen TenderNed en het publiek is goed. Er zijn leuke discussies over de transparantie van gunningswaarden en ook de vraag of mensen bang zijn dat AI in de toekomst hun werk overneemt, levert veel gespreksstof op.
Contact opnemen met ons analyseteam
Bent u ook geïnteresseerd in ons analyseteam? Neem dan contact op via analyse@tenderned.nl. Het analyseteam komt graag langs om een presentatie te geven, of helpt u met uw data-verzoek.
