Розробка рішення для аналізу тендерної документації на платформі Smarttender

Abstract

Кваліфікаційна робота бакалавра, виконана Вихрущ Дмитром Сергійовичем, студентом групи СП-41 Тернопільського національного технічного університету, присвячена розробці програмного рішення для автоматизованого аналізу тендерної документації з використанням технологій веб-скрапінгу. Обсяг роботи становить 71 сторінки, містить 8 рисунків, 4 додатки та список використаних джерел з 19 позицій. Метою дослідження є створення інструменту для збору та аналізу даних з публічних тендерних платформ за допомогою технологій веб-скрапінгу. У роботі реалізовано систему автоматизованого парсингу тендерної документації, яка дозволяє витягувати ключові параметри: предмет закупівлі, бюджет, строки, кваліфікаційні вимоги. Для обробки отриманих даних застосовано методи машинного навчання та NLP (обробки природної мови), що дає змогу класифікувати тендери та виявляти критичні умови участі. Розроблений інструмент демонструє високу ефективність у порівнянні з ручним аналізом, скорочуючи час обробки на 70–80%. Особливу увагу приділено обходженню анти-скрапінгових захистів та легальності отримання даних. Практична цінність роботи полягає у можливості масштабування рішення для різних тендерних майданчиків та інтеграції з CRM-системами. Результати дослідження можуть бути корисні для учасників закупівель, аналітиків ринку та розробників бізнес-рішень. Отримані результати засвідчують доцільність подальшого розвитку створеної системи як окремого програмного продукту.

The Bachelor's qualification thesis completed by Dmytro Vykhrushch, a student of group SP-41 at Ternopil Ivan Puluj National Technical University, is dedicated to the development of a software solution for automated analysis of tender documentation using web scraping technologies. The thesis consists of 71 pages, includes 8 figures, 4 appendices, and a list of references comprising 19 sources. The aim of the research is to create a tool for collecting and analyzing data from public tender platforms through web scraping techniques. The work presents an automated system for parsing tender documents, which extracts key parameters such as procurement subject, budget, deadlines, and qualification requirements. For processing the extracted data, methods of machine learning and natural language processing (NLP) are applied, enabling the classification of tenders and the identification of critical participation conditions. The developed tool demonstrates high efficiency compared to manual analysis, reducing processing time by 70–80%. Special attention is given to bypassing anti-scraping mechanisms and ensuring the legal compliance of data acquisition. The practical value of the project lies in the potential scalability of the solution to various tender platforms and its integration with CRM systems. The research results may be useful for procurement participants, market analysts, and business solution developers. The results confirm the feasibility of further developing the system as a standalone software product.